En 2024 y 2025, la narrativa dominante fue “los agentes van a automatizarlo todo”. En 2026, tenemos suficiente experiencia de producción real para hacer un balance más honesto: hay victorias claras y fracasos claros, y la frontera entre ambos está más definida de lo que la literatura de hype sugería.
Lo que funciona bien
Agentes de código acotados
Los agentes que hacen tareas de código específicas y bien definidas funcionan. Esto incluye:
- Generación de tests: dado código existente, generar tests unitarios con cobertura alta. Funciona de forma fiable.
- Revisión de PRs: analizar cambios, identificar bugs, sugerir mejoras. Los equipos que usan esto reportan mejoras reales.
- Migración de código: convertir código de un framework/versión a otro con reglas claras. Muy bueno para migraciones de TypeScript o Python donde hay una especificación clara.
- Documentación: generar documentación técnica a partir de código. No perfecta, pero dramáticamente mejor que nada.
La clave en todos estos casos: el dominio está acotado, el criterio de éxito está definido, y hay un humano que revisa el output.
Agentes de extracción de información
Procesar documentos no estructurados y extraer información específica funciona muy bien. Facturas, contratos, formularios, reportes: los agentes pueden extraer y estructurar con precisión alta.
Para documentos estructurados (PDFs con formato consistente), la precisión es suficientemente alta para procesos de producción con revisión muestral humana.
Flujos de trabajo bien definidos con herramientas específicas
Agentes que siguen un flujo predefinido: “si el usuario pregunta X, busca en la base de datos, si el resultado cumple condición Y, hace Z”. Funciona cuando el flujo de decisión está mapeado y las herramientas están bien implementadas.
El fallo más común: las herramientas tienen comportamientos inesperados que el flujo no maneja, y el agente queda en un estado incoherente.
Lo que sigue sin funcionar bien
Agentes de propósito general
“El agente que puede hacer cualquier tarea con cualquier herramienta” sigue fallando de formas impredecibles. La tasa de éxito en la demostración ideal puede ser del 80-90%. En producción, ese 10-20% de fallos se manifiesta en los momentos menos convenientes.
Planificación a largo plazo
Los agentes que necesitan ejecutar planes de 20-30 pasos con dependencias complejas entre pasos acumulan errores. Un error en el paso 5 puede invalidar los pasos 6-20, y el agente no siempre detecta que su estado inicial de la tarea ha dejado de ser válido.
Auto-corrección fiable
La idea de que los agentes “se autocorrijan” cuando cometen errores es prometedora pero en la práctica es inconsistente. A veces el modelo detecta el error y lo corrige bien. A veces el intento de corrección introduce errores nuevos. A veces el modelo convence con confianza de que el resultado incorrecto es correcto.
Interacción con sistemas legacy
Los agentes que interactúan con sistemas que no fueron diseñados para automatización (interfaces web antiguas, APIs con comportamiento inconsistente, sistemas que requieren autenticación compleja) fallan frecuentemente.
El patrón de lo que funciona
Mirando los casos de éxito, hay un patrón claro:
- Dominio acotado: la tarea está bien definida y el espacio de posibles inputs es manejable
- Herramientas fiables: las herramientas que usa el agente tienen comportamiento predecible
- Revisión humana en el loop: no para aprobar cada acción, sino para revisar outputs o manejar excepciones
- Recuperación de errores diseñada: el sistema sabe qué hacer cuando el agente falla, no solo cuando tiene éxito
Los agentes no son sistemas autónomos que reemplazan procesos humanos. Son aceleradores de procesos humanos en los que la supervisión sigue siendo parte del diseño.
Perspectivas para el resto de 2026
Los modelos de razonamiento (o3, Claude Extended Thinking, Gemini Flash Thinking) están mejorando los resultados en planificación. La tendencia es positiva, pero los saltos de fiabilidad necesarios para agentes verdaderamente autónomos en dominios abiertos siguen siendo grandes.
La mejora más probable en 2026 no es “los agentes serán autónomos en todo” sino “los agentes serán más fiables en los dominios donde ya funcionan bien”.
Análisis basado en evaluaciones propias y reportes de equipos de ingeniería que han desplegado agentes en producción durante 2025-2026.