Personas y agentes: el nuevo modelo de trabajo en las organizaciones agentic

Conviene asumirlo sin rodeos: una parte relevante del trabajo actual está dejando de tener sentido tal y como está concebido hoy. No porque deje de ser necesaria, sino porque puede ser ejecutada de forma más eficiente, consistente y escalable por sistemas capaces no solo de automatizar, sino de aprender y mejorar de manera continua. Son ya varios los análisis sobre el impacto de la IA en el empleo, como el del World Economic Forum que coinciden; esto no es una mejora incremental del trabajo existente, sino un desplazamiento estructural de cómo se genera valor dentro de las organizaciones.

Durante años, la automatización se ha entendido como una palanca de eficiencia. Se trataba de acelerar tareas o reducir costes manteniendo intacta la lógica del trabajo. Sin embargo, el cambio actual no consiste en hacer mejor lo mismo, sino en cuestionar si ese “mismo” debe seguir existiendo. Cuando un sistema puede ejecutar, decidir y optimizar de forma autónoma, muchas de las tareas intermedias que hoy estructuran el trabajo dejan de aportar valor real, una idea que empieza a consolidarse también en el ámbito académico a través de trabajos como el de Artificial Intelligence and the Future of Work del MIT.

El trabajo tal y como lo conocemos empieza a desaparecer

Este cambio impacta directamente en la base sobre la que se ha construido la organización del trabajo. El Stanford AI Index muestra con claridad cómo la evolución de la inteligencia artificial en entornos productivos está tensionando los modelos tradicionales, especialmente aquellos basados en tareas fragmentadas, procesos secuenciales y múltiples capas de validación. Ese diseño respondía a un entorno donde la información era limitada y la toma de decisiones requería intervención humana constante. Pero cuando esa capacidad de interpretar y decidir se integra en sistemas, mantener esa estructura no solo deja de ser eficiente, sino que introduce una fricción innecesaria.

El resultado es que muchas organizaciones siguen optimizando partes de un modelo que, en realidad, está perdiendo sentido. Se automatizan tareas, se incorporan herramientas y se lanzan iniciativas que mejoran resultados en el corto plazo, pero sin cuestionar la lógica de fondo. Esto genera modelos híbridos que combinan automatización con estructuras heredadas, sin capturar realmente el potencial del cambio, algo que también se observa en estudios institucionales sobre adopción tecnológica y productividad, como los desarrollados por la OECD.

A medida que estos sistemas evolucionan y amplían su capacidad, la presión sobre el modelo actual aumenta. No porque la tecnología avance, sino porque el entorno competitivo empieza a premiar a quienes operan bajo una lógica distinta. Las organizaciones que sigan estructurando el trabajo como una secuencia de tareas dependientes de intervención humana constante competirán en desventaja frente a aquellas que integren ejecución, decisión y aprendizaje en un mismo flujo.

Por eso, el debate relevante ya no es qué tareas pueden automatizarse, sino qué modelo de trabajo tiene sentido cuando la ejecución deja de ser el principal factor diferencial.

Un nuevo sistema productivo: agentes y personas dentro del mismo flujo de trabajo

Hay una transición silenciosa en marcha que muchas organizaciones todavía no han terminado de entender. No estamos simplemente incorporando inteligencia artificial a procesos existentes, sino rediseñando cómo se ejecuta el trabajo desde la base. Y en ese rediseño, la relación entre personas y sistemas deja de ser complementaria para convertirse en estructural, algo que ya se empieza a conceptualizar en modelos de sistemas autónomos y organizaciones basadas en agentes (AWS Builder, architecting agentic AI).

El punto clave no está en si la inteligencia artificial sustituye o no a las personas. Está en cómo se reparte y se reorganiza el trabajo. Porque no todas las tareas ni todas las decisiones requieren el mismo tipo de intervención humana, y es precisamente esa distinción la que empieza a definir cómo se construyen los nuevos modelos operativos.

En la práctica, lo que emerge no es un único modelo, sino tres niveles de intervención humana que conviven dentro del mismo sistema y que determinan su capacidad de escalar.

Nueva lógica del trabajo con la IA

En un primer nivel, el humano sigue estando dentro del flujo de trabajo, validando lo que el agente ha hecho previamente. El sistema propone, ejecuta o prepara información, y la persona revisa, corrige y toma la decisión final. Es el modelo dominante hoy en contextos sensibles —como el ámbito legal, financiero o sanitario— donde el riesgo no permite delegar completamente. Su valor no está en acelerar la ejecución, sino en reducir errores. Sin embargo, tiene un límite claro: si todo pasa por validación humana, el sistema no escala y el cuello de botella sigue siendo la persona.

En un segundo nivel, el rol cambia. El humano deja de intervenir en cada tarea y pasa a supervisar el sistema en su conjunto. Los agentes operan con mayor autonomía dentro de ciertos límites, y la persona se centra en observar cómo funciona el sistema, detectar desviaciones y ajustar reglas cuando es necesario. El trabajo ya no es ejecutar, sino mantener el sistema afinado.

Este modelo permite escalar, pero exige entender cómo se comporta el sistema en condiciones reales, donde pueden aparecer decisiones inesperadas o rutas poco eficientes. Y es precisamente esa capacidad de operar con autonomía la que marca la diferencia: a diferencia de otras formas de inteligencia artificial, los agentes no se limitan a analizar o generar contenido, sino que son capaces de observar el contexto, interpretar una situación, planificar una respuesta y ejecutarla, conectando información, decisión y acción dentro de un mismo flujo.

El tercer nivel es donde se produce el verdadero salto. El humano deja de estar en la ejecución y en la supervisión puntual para situarse en el diseño del sistema. Ya no hace el trabajo, ni revisa cada resultado: define cómo debe hacerse. Decide qué hacen los agentes, con qué información operan, qué límites tienen y dentro de qué espacio de decisión pueden moverse.

Este cambio obliga a entender algo clave: ya no estamos trabajando con procesos lineales. En los modelos tradicionales, el trabajo se organiza como una secuencia de pasos cerrados. Aquí no. Los sistemas agentic funcionan como estructuras abiertas, donde existen múltiples caminos posibles para llegar a un resultado.

Y eso introduce un riesgo que muchas organizaciones están subestimando. Si el sistema no está bien diseñado, los agentes no solo ejecutan mal: toman decisiones erráticas, priorizan de forma incorrecta o invierten recursos en direcciones que no generan valor. No es un problema teórico. La investigación en sistemas multiagente y toma de decisiones autónoma, como la desarrollada por DeepMind, lleva tiempo mostrando cómo, sin marcos claros, estos sistemas tienden a desviarse de los objetivos iniciales.

Por eso, el foco cambia por completo. Ya no se trata de optimizar tareas existentes, sino de diseñar el sistema que las hace posibles. Esto se traduce en decisiones muy concretas: convertir procesos en instrucciones ejecutables, definir cómo interactúan los agentes entre sí, establecer métricas y umbrales de calidad, y decidir con criterio dónde automatizar y dónde no.

Es en este punto donde empieza a emerger un nuevo tipo de rol dentro de las organizaciones. No es un perfil técnico ni un experto en herramientas. Es alguien capaz de conectar negocio y sistema. Un perfil que traduce objetivos en flujos operativos, que convierte ambigüedad en decisiones estructuradas y que diseña cómo se produce el trabajo.

Porque, en el fondo, el problema deja de ser tecnológico y pasa a ser de traducción; traducir un objetivo en un sistema que ejecuta, traducir contexto en reglas operativas, traducir complejidad en flujos coherentes. Y eso da lugar a una nueva disciplina: la orquestación del trabajo. Este nuevo paradigma no sólo afectará a la concepción de cómo será el futuro del trabajo, impactará en la experiencia de empleado, la propia experiencia de cliente y la forma y manera en la que las empresas generamos resultados y construimos modelos realmente sostenibles.

Reinventar el rol humano: qué significa realmente trabajar en un sistema agentic

Cuando el sistema de trabajo cambia, el rol de las personas no se adapta de forma automática. No es una evolución progresiva de lo que ya hacían, sino una ruptura más profunda: muchas de las capacidades que hasta ahora eran diferenciales dejan de serlo cuando la ejecución pasa a estar, en gran medida, resuelta por el sistema.

Pero el cambio no está solo en lo que las personas dejan de hacer, sino en lo que deja de existir como trabajo.

Una parte significativa del trabajo actual no genera valor directo, sino que actúa como “pegamento organizativo”: coordinar tareas, trasladar información entre áreas, validar entregables o gestionar dependencias entre equipos. Este tipo de trabajo ha sido históricamente necesario porque las organizaciones estaban diseñadas como estructuras fragmentadas, donde la información, la decisión y la ejecución no estaban integradas.

Cuando esa integración pasa a producirse dentro de organizaciones y sistemas agentic, gran parte de ese trabajo intermedio desaparece, algo alineado con estudios recientes sobre automatización de workflows y reducción de tareas de coordinación. Y con ello, desaparece también una parte importante de los roles tal y como estaban concebidos.

Esto marca un punto de inflexión. Porque si el trabajo deja de organizarse alrededor de tareas y coordinación, el valor humano ya no puede seguir estando en ejecutar o supervisar, sino en algo distinto: definir cómo debe producirse ese trabajo dentro del sistema lo que conlleva redirigir la aportación de las personas de forma clara hacia tres ámbitos críticos.

• El primero es el diseño del sistema de trabajo. Definir cómo se estructuran los procesos, cómo interactúan los agentes, qué información utilizan y bajo qué reglas operan. No se trata de optimizar tareas, sino de configurar el sistema que las ejecuta.
• El segundo es la capacidad de estructurar y traducir. Esto implica, en la práctica, hacer explícito cómo se trabaja: definir criterios, reglas, secuencias y formas de decisión que muchas veces han sido implícitas. Los agentes no pueden operar sobre intuiciones o prácticas informales; requieren que ese conocimiento esté codificado para poder ejecutarlo de forma consistente.
• El tercero es el criterio de negocio. Saber dónde automatizar genera impacto y dónde introduce complejidad innecesaria se convierte en una decisión estratégica.

Este desplazamiento no solo cambia lo que hacen las personas, sino también cómo trabajan. Estos sistemas no se estabilizan, evolucionan. Se monitorizan, se ajustan y se mejoran de forma continua, en un proceso más cercano a la gestión de un producto que a la ejecución de un proceso cerrado. Y, además, requieren gobierno: definir límites, gestionar riesgos y asegurar coherencia en entornos donde la autonomía del sistema es cada vez mayor.

De esta combinación emerge un nuevo tipo de perfil que no se define por usar mejor la inteligencia artificial, sino por su capacidad para diseñar sistemas de trabajo donde agentes y personas conviven de forma eficiente y alineada con el negocio. En el fondo, lo que cambia no es solo el contenido del trabajo, sino su propia naturaleza: antes el valor estaba en ejecutar bien una tarea; ahora, el valor reside en diseñar cómo ese trabajo debe hacerse.

El verdadero reto: pasar de experimentar con IA a rediseñar la organización

Si el trabajo cambia y el rol de las personas también, la cuestión ya no es si las organizaciones están preparadas, sino qué tienen que hacer para estarlo. Y ahí es donde el debate deja de ser conceptual para convertirse en una agenda de transformación muy concreta.

Uno de los errores más frecuentes es seguir interpretando este cambio como una transformación tecnológica. En realidad, estamos ante una transformación del trabajo y de las personas. Y eso implica rediseñar roles, flujos y formas de crear valor, no solo incorporar herramientas.

Un sistema de trabajo distinto

El primer paso es asumir que no se trata de incorporar inteligencia artificial a la operativa existente, sino de diseñar un sistema de trabajo distinto. Un sistema donde la ejecución, la decisión y el aprendizaje estén integrados, y donde los agentes operen dentro de un marco definido que garantice coherencia, eficiencia y alineación con el negocio. Esto implica repensar el modelo operativo desde la base: cómo fluye la información, cómo se toman decisiones y cómo se articula la interacción entre personas y sistemas.

Esto implica también una premisa básica que muchas organizaciones tienden a pasar por alto: automatizar un proceso mal diseñado no lo mejora, sino que amplifica sus ineficiencias. Por eso, el despliegue de agentes obliga a revisar la lógica de los procesos desde el origen, eliminando pasos innecesarios, simplificando decisiones y asegurando que el sistema está preparado para operar con autonomía.

Redefinir el rol de las personas en el nuevo sistema

A partir de ahí, el segundo movimiento es necesariamente organizativo. No basta con incorporar nuevas herramientas si los roles siguen definidos en torno a la ejecución de tareas que tienden a desaparecer. Las organizaciones deberán redefinir qué se espera de las personas dentro del sistema, desplazando su aportación hacia el diseño, la supervisión y la mejora continua. Esto tiene una implicación directa para el liderazgo y, especialmente, para las áreas de personas, que dejan de gestionar el impacto del cambio para asumir un papel activo en el diseño del trabajo.

Desarrollo de capacidades bajo un nuevo modelo de gobernanza

El tercer elemento es el desarrollo de capacidades bajo un nuevo modelo de gobernanza. Será necesario combinar pensamiento sistémico, capacidad de estructuración, criterio de negocio y un entendimiento práctico de cómo operan estos sistemas, asegurando al mismo tiempo que la autonomía del sistema se equilibra con control, reglas claras y mecanismos de supervisión.

En este contexto, muchas organizaciones siguen bloqueadas en una fase inicial. Acumulan pilotos, prueban herramientas y exploran casos de uso, pero sin dar el salto hacia un modelo operativo real, una brecha ampliamente documentada en estudios sobre adopción de IA en empresa.

El mayor riesgo en este proceso no es la sustitución de empleo, sino algo más silencioso y, a largo plazo, más crítico: la oportunidad perdida. Las organizaciones que limiten la inteligencia artificial a una lógica de automatización estarán renunciando al verdadero potencial de este cambio, que no es hacer lo mismo más barato, sino hacer cosas que antes no eran posibles, de forma escalable y mejorando de forma continua prácticamente hasta el infinito.

Porque, en última instancia, la diferencia no la marcará quién experimente más, sino quién sea capaz de diseñar, operar y escalar un sistema de trabajo coherente con este nuevo paradigma. Y eso deja de ser una cuestión tecnológica para convertirse en una cuestión de liderazgo. No se trata solo de adoptar nuevas herramientas, sino de cuestionar cómo se organiza el trabajo, cómo se genera valor y qué papel debe jugar la organización en este nuevo contexto.