El 9 de julio de 2026, OpenAI lanzó GPT-5.6 junto con ChatGPT Work, un espacio de trabajo que toma contexto de aplicaciones y archivos conectados, divide un objetivo en pasos, trabaja durante horas y devuelve documentos, hojas de cálculo, presentaciones y aplicaciones web compartibles ya terminados, en lugar de una respuesta de chat. Se habilitó primero en las cuentas Pro, Enterprise y Edu, y después en Plus y Business, y es una respuesta directa a Claude Cowork de Anthropic, que se lanzó en enero de 2026 y este mes se amplió a móvil y web, así como a los espacios de trabajo con agentes comparables de Microsoft.
La consecuencia práctica para el liderazgo de TI no es una herramienta nueva por evaluar. Es que los agentes de trabajo de IA de propósito general ya llegan dentro de suscripciones que sus empleados tienen, con acceso a todo aquello que esos empleados les conecten. Eso constituye un evento de seguridad, licenciamiento, gobernanza de datos y gestión del cambio, y el reloj empezó a correr en julio.
Lo que cambió es la unidad de resultado. Durante 2024 y 2025, la IA empresarial significaba una caja de chat que producía texto que después una persona llevaba a un sistema real. Desde julio de 2026, los productos principales de OpenAI, Anthropic y Microsoft producen entregables terminados y acceden a sistemas conectados para reunir el contexto que necesitan para producirlos.
La mecánica importa. Un agente de trabajo al que se le da un objetivo ("elaborar el análisis de renovaciones del Q3 y una presentación para el consejo") enumerará fuentes, abrirá conectores, leerá archivos, se ejecutará durante un periodo prolongado y devolverá un paquete terminado. No es un prompt y una respuesta. Es una cadena de consultas y acciones que sus registros pueden capturar o no. Los productos de gobernanza empresarial y de control en tiempo de ejecución están apareciendo junto con estos lanzamientos precisamente por esa razón, y varios proveedores importantes de ERP y ITSM han fechado en 2026 sus capas de integración de agentes, lo cual indica que los proveedores de plataforma esperan que los agentes toquen los sistemas de registro dentro del año.
La mayoría de las políticas de IA escritas en 2024 y 2025 daban por hecho que una persona era la última milla. Esas políticas controlan las entradas (no pegue datos de clientes en un modelo público) y suponen que la revisión ocurre de forma natural porque alguien tenía que volver a escribir o dar formato al resultado. Los entregables terminados eliminan esa fricción y, con ella, ese paso de revisión accidental.
Los agentes de trabajo de propósito general no llegan por un ciclo de compras que usted controla. Vienen dentro de suscripciones que sus equipos ya pagan, lo que significa que la decisión frente a TI no es si adoptarlos, sino qué se les permite tocar, qué trabajo debería ejecutarse en agentes a medida de su propiedad y cómo obtendrá visibilidad de lo que hicieron una vez ocurrido.
Cuatro riesgos separan a los agentes de trabajo de los asistentes de chat que los precedieron: el alcance a los datos a través de conectores, la identidad y los permisos heredados, los resultados sin revisar que entran en los sistemas de registro y el gasto en la sombra. Cada uno es manejable y ninguno es motivo para una prohibición general.
Ambos tienen lugar en un entorno maduro, y la línea divisoria es la repetibilidad. Los agentes de trabajo de propósito general ganan en el trabajo de conocimiento variable, puntual y con mucho criterio: investigación competitiva, primer borrador de un análisis, armado de presentaciones, resumir una carpeta desordenada antes de una reunión. El trabajo cambia cada vez, así que la flexibilidad es el valor.
Los agentes a medida ganan donde la tarea se repite, los insumos están estructurados y el resultado tiene que salir bien de la misma forma cada vez: generación de cotizaciones, codificación de facturas, clasificación de tickets, aprovisionamiento de nuevos empleados, contacto para renovaciones. Un agente de propósito general hará esas tareas de manera adecuada y distinta cada vez, que es justamente el modo de falla. Los agentes que usted construye llevan credenciales acotadas, acceso fijo a herramientas, barreras de protección que ejecutan las mismas verificaciones siempre y registros que le pertenecen, y su costo es predecible en lugar de cobrarse por puesto. Esa distinción impulsa la mayoría de nuestros proyectos de consultoría y define cómo abordamos la automatización y el trabajo de AI DevOps. Todo lo que toque datos del embudo de ventas suele corresponder a un agente de ventas a medida y no a uno general, y todo lo que responda preguntas de los empleados corresponde a una base de conocimiento con IA gobernada, donde usted controla el corpus.
Unos primeros 90 días viables se organizan en seis bloques de dos semanas: descubrir el uso existente, clasificar datos y conectores, dimensionar correctamente la identidad, controlar las rutas de escritura, autorizar unos pocos casos de uso y capacitar en ellos, y por último decidir qué pasa a agentes a medida. Es un programa acotado que se adelanta a una adopción que ya está en marcha.
Mida por separado la cobertura de gobernanza y los resultados del trabajo, porque un programa puede parecer adoptado y aun así no estar gobernado. Cuatro métricas bastan para conducir el primer año.
Las organizaciones que se atascan suelen quedarse entre el piloto y la producción, lo cual es un problema de gobernanza y de responsabilidad más que un problema de modelo. El patrón está documentado lo suficientemente bien en cómo llevar los agentes de la demostración a la implementación como para planificarlo de antemano en lugar de redescubrirlo.
Alguien tiene que ser el responsable de la gobernanza de agentes con nombre y apellido, y en la mayoría de las organizaciones del mercado medio esa persona es, por defecto, el director de TI. El modo de falla es la dispersión: seguridad es dueña de la política, compras es dueña de los puestos, los jefes de área son dueños de los casos de uso y nadie es dueño del inventario de conectores.
Dele a una sola persona el mandato y una revisión permanente, mensual al principio. Tres puntos deben estar en cada agenda:
Esa revisión permanente es el núcleo operativo de gobernar una fuerza laboral de agentes en lugar de reaccionar ante ella. Algunas organizaciones cubren esta función internamente, otras la canalizan a través de un proveedor de inteligencia gestionada, y otras operan un modelo híbrido en el que la infraestructura reside en entornos de IA alojada bajo un modelo operativo compartido. La estructura importa menos que el hecho de que exista un responsable con nombre antes de que ocurra el primer incidente.
Bloquear rara vez funciona, porque la capacidad viene dentro de suscripciones que los empleados ya tienen y los usuarios bloqueados la rodean con cuentas personales, donde usted no tiene visibilidad alguna. La mejor postura es una vía autorizada, con conectores definidos, rutas de escritura controladas y registro de actividad, para que el uso sea visible en lugar de estar solamente prohibido.
En la mayoría de las implementaciones actuales, sí: el agente actúa con los derechos del usuario que lo autorizó, de modo que un empleado con permisos excesivos se convierte en un agente con permisos excesivos que opera mucho más rápido de lo que lo haría una persona. Dimensione correctamente los permisos humanos antes de ampliar la capacidad de los agentes, y trate cualquier credencial de servicio propia de un agente como una identidad dentro de su proceso normal de alta, cambio y baja de personal.
Muévalo cuando la tarea se repita con una frecuencia predecible, los insumos estén estructurados y el resultado tenga que ser correcto de la misma forma cada vez, o cuando la tasa de retrabajo de los entregables producidos por agentes empiece a subir. El trabajo de alta frecuencia y alta consecuencia es donde las credenciales acotadas, el acceso fijo a herramientas y los registros que le pertenecen justifican el costo de construirlo.
Los agentes de trabajo cruzaron un umbral en julio de 2026: pasaron de ser asistentes que redactan texto a ser colegas que terminan entregables y tocan sistemas de registro. Eso es un evento de gobernanza, y ya está ocurriendo dentro de su tenant, haya sido aprobado o no. Las organizaciones que lo manejen bien no serán las de la política más estricta ni las del despliegue más rápido. Serán las que decidieron a tiempo qué pueden tocar los agentes, movieron el trabajo repetible a agentes de su propiedad y construyeron suficiente visibilidad para responder qué hizo realmente un agente.
Infonaligy opera desde su base en Dallas-Fort Worth y presta servicio de forma remota en todo el país, y los primeros 90 días de un programa de agentes tienden a verse parecidos sin importar dónde esté el cliente. Si el objetivo es un punto de partida defendible, empiece por el inventario de conectores y la identidad, siga con una lista corta de flujos de trabajo que valga la pena construir bien, y acompáñelo con un plan real para implementar la IA en todo su equipo en lugar de esperar que la adopción se gobierne sola. Las empresas que tratan esto como una decisión de infraestructura y no como una compra de software son las que dentro de un año seguirán teniéndolo bajo control.
Infonaligy gobierna y construye agentes de IA empresariales desde nuestra base en Dallas–Fort Worth, y los entregamos a equipos en todo el país, de forma remota a nivel nacional.
Agende un diagnóstico y haremos el inventario de sus conectores, ajustaremos los permisos de cada agente y le mostraremos qué flujos de trabajo deben correr sobre agentes propios.
Infonaligy