Qué tareas para generar ingresos pueden ejecutar hoy los AI Agents de forma fiable, cuáles todavía no se pueden automatizar y qué controles deben seguir en manos humanas.
La diferencia decisiva entre un AI Agent y una IA conversacional es que el Agent puede actuar: abrir el navegador, rellenar formularios, leer y escribir hojas de cálculo y avanzar por un proceso sin obligarte a copiar y pegar cada paso.
Esa diferencia supone una mejora real de capacidades, pero también hace que el límite entre lo que funciona y lo que no se vea muy rápido. Después de varias ejecuciones, suele quedar claro que los bloqueos rara vez son puramente técnicos; normalmente están en otra parte.
El tipo de trabajo que sí funciona hoy
Los escenarios que ahora son estables comparten una característica: una persona puede revisar el resultado rápidamente y un error no provoca consecuencias irreversibles.
La organización y supervisión de datos es lo más sencillo. Un Agent puede recopilar periódicamente datos dispersos en varias fuentes, alinear campos, eliminar duplicados y generar un informe diario o semanal de cambios con rapidez y sin cansarse. Las variaciones de precios, el estado del inventario, los cambios de posición en rankings y las actualizaciones de datos públicos encajan bien aquí. Si el flujo solo lee y no escribe, el coste de equivocarse es casi cero.
También es útil la creación masiva de primeros borradores y la reescritura de contenido. A partir de un tema, el Agent puede reunir información pública, convertirla en notas estructuradas y producir el esquema de un primer borrador, ahorrando mucho tiempo de investigación. Con la reescritura ocurre algo parecido: un contenido largo puede dividirse y adaptarse a la extensión y al tono de distintos canales con un nivel de acabado bastante alto. Aun así, el resultado sigue siendo un borrador. Las partes que dependen de la experiencia, el criterio o una postura propia deben completarlas personas; de lo contrario, el contenido queda vacío.
La primera línea de atención al cliente y correo electrónico también puede absorber una parte importante del trabajo. Preguntas frecuentes, consultas del estado de un envío, explicaciones sobre devoluciones y cambios, y confirmaciones de citas suelen tener respuestas estándar. El Agent puede ocuparse primero de esas conversaciones y marcar las que se salgan del guion para pasarlas a una persona. La velocidad de respuesta mejora de forma evidente.
La comparación de precios y la recopilación de información son igual de estables. Reunir en una tabla los precios de un mismo producto en distintos canales, las diferencias de especificaciones y las quejas más repetidas en las reseñas suele ser más fiable que revisarlo todo manualmente. Si se define con claridad qué dimensiones hay que comparar, el resultado normalmente puede usarse directamente.
Estos cuatro escenarios también tienen un requisito implícito: los límites de la tarea deben estar claros. Cuanto mejor puedas definir “qué entra, qué debe salir y en qué momento hay que parar”, más estable será la ejecución.
El tipo de trabajo que todavía no funciona bien
El otro lado también está bastante claro. El problema no siempre es la capacidad del modelo, sino las restricciones del mundo real.
Las operaciones que dependen de la identidad de una cuenta son el ejemplo más claro. La sesión iniciada, la identidad verificada y la reputación histórica representan autorizaciones que una plataforma concede a un sujeto concreto. Un Agent no puede adquirirlas por medios puramente técnicos. Pedirle que “opere una cuenta” es muy distinto de pedirle que “procese un conjunto de datos”.
Las acciones relacionadas con pagos tampoco deberían dejarse a una automatización completa. Hacer un pedido, efectuar un cargo, transferir dinero o rescatar activos son operaciones en las que sale valor real. Conviene conservar una confirmación humana final en cualquiera de ellas. No se trata solo de evitar errores: muchas operaciones financieras son irreversibles.
Hay además acciones cuyo resultado depende necesariamente de la aprobación de una plataforma. Superar una evaluación, obtener una revisión de cualificación, inscribirse en una actividad o lograr que un contenido sea aprobado son decisiones que toma la propia plataforma. No existe un atajo técnico para saltarse ese juicio. Las promesas de que una herramienta puede garantizar ese tipo de resultado en tu nombre suelen no sostenerse.
También conviene dejar fuera el registro masivo de cuentas y la ejecución automática de tareas para acumular recompensas. Son prácticas que chocan con algunas de las reglas más explícitas de las plataformas. Además, la detección no depende únicamente de una acción aislada: pueden importar el ritmo de operación, las rutas de comportamiento y la coherencia del entorno. Aunque técnicamente llegue a funcionar, cuánto duren las cuentas dependerá de lo que la plataforma esté dispuesta a tolerar, y esa condición puede cambiar en cualquier momento.
Los controles que deben seguir en manos humanas
El Agent funciona mejor como capa de ejecución. Hay varios puntos que conviene reservar de forma permanente a las personas.
Definir objetivos y prioridades. Decidir qué hacer, con qué criterio medirlo y cuándo detenerse pesa mucho más que la velocidad de ejecución. El Agent no asumirá por ti las consecuencias de elegir una dirección equivocada.
Revisar el contenido que sale al exterior. Cualquier cosa que vaya a leerse en tu nombre —correos, respuestas, publicaciones o informes— debería revisarse antes de enviarse. La razón es sencilla: si está mal, la responsabilidad será tuya.
Confirmar acciones de dinero y permisos. El acceso de lectura puede ser amplio para que el Agent consulte datos y genere informes cuando sea necesario. También se pueden delegar ajustes rutinarios, como cambiar un parámetro o pausar una tarea poco eficiente. Las modificaciones importantes y las operaciones masivas deberían pasar por una segunda confirmación humana. Así se mantienen tanto la eficiencia como el control.
Conservar un registro de ejecución. Debe quedar constancia de qué hizo el Agent y según qué regla. Si surge un problema, ese historial sirve para investigarlo; en el trabajo diario también aporta información para mejorar el proceso.
Cuando quieres ejecutar más cuentas en paralelo
Una vez que un flujo individual funciona bien, es natural preguntarse si puede reutilizarse en más cuentas.
En ese punto, el cuello de botella no suele ser el Agent, sino el entorno de las cuentas. Si varias cuentas operan en el mismo entorno de navegador y a través de la misma salida de red, una plataforma puede agruparlas fácilmente y tratarlas como un solo conjunto. Un enfoque viable es asignar un entorno a cada cuenta: una instancia de navegador independiente y una salida de red fija para cada una, cargando el entorno correspondiente cuando se ejecuten sus tareas. Herramientas como PurpleMark ofrecen precisamente esta gestión de múltiples entornos y pueden combinarse con scripts que cambian de entorno según la cuenta.
Pero el orden importa. El aislamiento del entorno solo resuelve si las cuentas “parecen usuarios independientes”; no responde a si una acción debería realizarse o no. El comportamiento de la propia cuenta debe cumplir las reglas antes de que ese aislamiento tenga sentido.
Un orden de implantación con menos riesgo de fallo
Empieza por un escenario pequeño y concreto en lugar de intentar automatizar todo el proceso desde el principio. Comprueba si el resultado se puede usar directamente; si funciona, añade el siguiente paso. Define desde ese momento los límites de permisos, sobre todo los de escritura y cualquier acción relacionada con dinero. Deja que un flujo individual funcione de forma estable durante un tiempo antes de extenderlo a más cuentas, y prepara el aislamiento de entornos antes de escalar.
Este orden es algo más lento, pero mantiene bajo el coste de cada fallo y permite reutilizar lo aprendido en cada etapa.
