En los últimos meses, la IA agéntica ha dejado de ser un concepto emergente para convertirse en el nuevo campo de batalla de la industria tecnológica, con los grandes líderes en este terreno acelerando inversiones multimillonarias para desarrollar estas herramientas, en las que el foco ya no está solo en generar contenido (como hace la IA generativa), sino en automatizar decisiones y procesos completos. Es decir, los agentes pueden crear sus propios planes de acción y ejecutar tareas en múltiples sistemas sin intervención humana constante.
Según la consultora Gartner, el 40% de las aplicaciones empresariales incluirán agentes de IA específicos para tareas a finales de 2026 (en 2025 este pordentaje estaba por debajo del del 5%). El estudio estima que para 2028, al menos el 15% de las decisiones laborales cotidianas se tomarán de forma autónoma mediante estos sistemas y que el 80% de las empresas que ya han pasado de proyectos piloto a producción con agentes reportan un ROI medible. Un 23% de estas organizaciones han logrado reducir costes operativos en más de un 30% en los procesos donde los agentes gestionan el flujo de trabajo. Además, otro dato destacable es que, en 2028, los agentes de IA superarán en número a los vendedores humanos en una proporción de diez a uno.
IA agéntica vs. IA generativa
Para Jesús Martín, responsable de datos y medición de Google Iberia, la principal diferencia de la IA agéntica frente a la generativa reside en su capacidad de ejecución. Mientras que hasta ahora los profesionales se han habituado a interactuar con herramientas que generan respuestas, la IA agéntica permite que la tecnología actúe directamente sobre las plataformas a partir de instrucciones del usuario. “Por ejemplo, actualmente puedo pedirle a Gemini que resuma mis correos y sugiera respuestas, pero no escribe el correo directamente en Gmail. Del mismo modo, podemos preguntar qué campañas han funcionado mejor, pero la IA no entra a optimizarlas de forma autónoma”.
En este sentido, este profesional apunta que la IA agéntica combina las capacidades generativas con la habilidad de actuar directamente en las plataformas. “Imaginemos un agente que lea los correos, identifique cuáles requieren respuesta y redacte un borrador manteniendo el tono del usuario basándose en el conocimiento de sus documentos, notas y datos de Spreadsheets, Google Analytics o Google Ads. Además, este podría conectarse con otro agente capaz de realizar las modificaciones necesarias en las campañas para cumplir con los objetivos establecidos tras una reunión, basándose en la transcripción de dicha reunión”.
Para Ramón Santiago Zurdo, integrated marketing senior specialist de Infobip, trabajar con la IA agéntica “es como pasar de tener una herramienta asistente a tener un especialista júnior que ejecuta sin supervisión constante”.
Por su parte, César Romera, vicepresidente de marketing y desarrollo de negocio de Kyndryl, destaca que lo más diferencial es que “los agentes pueden coordinarse entre sí, delegarse trabajo y operar en paralelo sobre múltiples frentes; la clave es encontrar el punto correcto donde meter lo que se llama human in the loop, que es el experto, el SME, el científico, el ingeniero, es decir el humano… que verifique. A día de hoy, el 80% de los trabajos de IA agéntica no se corresponde con la lógica del agente... son las correcciones, el testing, etc…”. “Una IA generativa te genera un contenido para una campaña y una IA agentica te lanza la campaña”, resume.
Michelle Perticarari, senior marketing manager de HubSpot para España y Latinoamérica, cree que “en los últimos años, muchas agencias han incorporado IA para tareas como redactar, crear imágenes o resumir, pero su uso sigue siendo puntual”, explica Perticarari. De hecho, el último informe de HubSpot señala que, aunque el 86% de los equipos de marketing, ventas y servicio ya utiliza alguna forma de IA en su trabajo diario, solo uno de cada cuatro la alimenta con datos reales del cliente para tomar mejores decisiones. “La IA solo aporta valor cuando trabaja con contexto; no basta con generar una pieza o una respuesta rápida, debe entender al cliente, las interacciones, el pipeline y las campañas. Un sistema agéntico conectado al negocio puede identificar a qué cliente merece la pena escribir primero, personalizar el mensaje según su situación, automatizar el seguimiento y medir el impacto en ingresos o conversión. La diferencia no está en la tecnología, sino en su integración en el negocio. Hoy sigue siendo limitada; el 42% de los equipos usa la IA solo en tareas concretas y un 19% aún está en fase de experimentación. Esto significa que gran parte del mercado utiliza la IA para producir más, pero no necesariamente mejor. La IA agéntica da el siguiente paso al conectar la inteligencia artificial con la operativa y los datos que realmente determinan el resultado”, destaca Perticarari.
Martín también sitúa esta tecnología aún en una fase inicial dentro de la industria publicitaria. “Actualmente, las principales iniciativas vienen por fomentar el uso de la IA generativa, no está tan extendido el desarrollo de agentes definidos para necesidades específicas que tomen datos automáticamente de las plataformas y sean capaces de actuar de forma autónoma, o incluso con una supervisión mínima”.
En la misma línea, Zurdo opina que la IA agéntica está en fase muy temprana, “de proof of concept más que de implantación masiva. En agencias grandes, veo pilotos, esto es, herramientas que automatizan pequeñas partes de la ejecución (optimización de pujas en Google Ads, segmentación de audiencias). Pero no es mainstream. Vemos mucho hype, poca adopción real. Las herramientas aún requieren mucha supervisión humana para estar seguros del resultado”.
Para Romera, estamos en la fase de “pilotos que no escalan”, es decir, “hay mucha experimentación, muchos casos de uso demostrados en entornos controlados, y muy pocos desplegados de forma robusta en producción”. Y da datos: “en torno al 76% de las organizaciones tienen más pilotos de IA de los que son capaces de escalar. El sector publicitario incluido. Lo que sí está ocurriendo de forma real es la automatización de tareas discretas (optimización de pujas, personalización dinámica de creatividades, reportes automatizados) pero todavía no en el sentido agéntico completo, donde un agente gestiona de forma autónoma un proceso de principio a fin”.
Aun así, Perticarari sí ve en el sector del marketing un avance más rápido que en otros. “Es uno de los ámbitos donde antes se identificaron casos de uso claros, como la personalización de contenido o la automatización, y por eso también está siendo de los primeros en evolucionar hacia modelos más avanzados, incluyendo el uso de agentes”. En esta línea, este profesional ve 2026 como un punto de inflexión: “La conversación ya no gira tanto en torno a si los equipos están usando IA, sino a si esa IA está produciendo un cambio real en resultados. Y ahí es donde empieza a abrirse la brecha entre las organizaciones que simplemente han adoptado herramientas y aquellas que ya están construyendo una ventaja competitiva a partir del contexto, la integración y la coordinación entre humanos y agentes de IA”.
