Durante años, utilizar inteligencia artificial significó abrir una aplicación, formular una pregunta y esperar una respuesta. La interacción tenía un principio y un final visibles: el usuario iniciaba la consulta, recibía un resultado y decidía qué hacer después. Ese modelo no está desapareciendo, pero empieza a ser acompañado por algo distinto.

El 7 de julio de 2026, Anthropic anunció la expansión de Claude Cowork a la web y los dispositivos móviles. La novedad más importante no fue el cambio de pantalla, sino la incorporación de sesiones remotas que pueden continuar trabajando en segundo plano cuando la computadora se cierra. Las tareas programadas también pueden ejecutarse sin que un dispositivo permanezca conectado, mientras el usuario puede revisar avances, responder preguntas o recibir notificaciones desde el teléfono [1].

La documentación técnica de Anthropic precisa que estas sesiones se ejecutan en infraestructura remota, se conservan asociadas a la cuenta del usuario y pueden retomarse desde distintos dispositivos. La persistencia, sin embargo, no equivale a acceso ilimitado: cuando una tarea necesita archivos locales, el navegador o aplicaciones instaladas en una computadora, ese acceso continúa dependiendo de la aplicación de escritorio, de los permisos concedidos y de que el dispositivo se encuentre disponible [2].

Dos días después, OpenAI presentó GPT-5.6 y profundizó la misma dirección mediante ChatGPT Work, una modalidad diseñada para reunir contexto desde aplicaciones y archivos conectados, coordinar herramientas y producir resultados profesionales como documentos, hojas de cálculo, presentaciones e interfaces. OpenAI no describe esta función exactamente en los mismos términos de persistencia remota utilizados por Anthropic, pero su lanzamiento confirma una competencia más amplia: las principales plataformas de IA ya no quieren limitarse a responder preguntas; buscan convertirse en espacios donde se asigna, coordina y completa trabajo [3].

De pedir una respuesta a encargar un resultado

La diferencia puede parecer pequeña, pero modifica profundamente la relación entre persona y software.

Pedir a una IA que resuma un documento sigue siendo una interacción puntual. Encargarle que revise una carpeta, consulte correos y calendarios, compare información, prepare una presentación, programe una actualización semanal y solicite aprobación cuando encuentre una decisión ambigua es otra clase de relación. Ya no se trata únicamente de generar contenido, sino de sostener un proceso.

La persistencia introduce el tiempo como una nueva dimensión de la inteligencia artificial. El sistema puede recibir una meta, mantener contexto, recorrer varias etapas, utilizar herramientas, conservar avances y regresar al usuario cuando necesita una decisión. La interfaz deja de ser el lugar donde ocurre todo el trabajo y se convierte en el punto desde el cual se delega y supervisa.

Conviene evitar la antropomorfización. Una IA persistente no posee conciencia, responsabilidad moral ni comprensión humana del trabajo. Tampoco se convierte automáticamente en un empleado competente. Sigue siendo un sistema probabilístico que opera dentro de herramientas, instrucciones y permisos definidos, y que puede cometer errores, interpretar mal una intención o completar correctamente una tarea que nunca debió recibir.

Lo nuevo no es una mente independiente, sino una capacidad operativa más continua.

La automatización llega al trabajo que mantiene unida a una organización

La importancia del cambio se entiende mejor al observar qué tareas están recibiendo estos sistemas. Anthropic analizó una muestra de 1,2 millones de sesiones anonimizadas de Claude Cowork realizadas entre el 11 y el 31 de mayo de 2026. Según la clasificación de la propia compañía, el 33,4% correspondió a procesos y operaciones de negocio, como reunir actualizaciones dispersas, preparar listas de incorporación o conciliar hojas de cálculo. Otro 16,4% se concentró en creación de contenidos y comunicaciones, incluidas propuestas, presentaciones y borradores [4].

Los datos proceden del proveedor del producto, utilizan clasificación automatizada y no representan por sí solos a todo el mercado laboral. Aun con esas limitaciones, muestran un patrón significativo: los agentes empiezan a utilizarse no solo en programación, sino en el trabajo conectivo que mantiene a las organizaciones en funcionamiento.

Son tareas que rara vez ocupan el centro de una descripción laboral, pero consumen una parte considerable de la jornada: ordenar información, actualizar documentos, preparar reuniones, convertir conversaciones en informes, trasladar datos entre sistemas y coordinar aquello que ocurre alrededor de las decisiones importantes.

Una investigación reciente basada en datos de uso de Codex ofrece otra señal de este desplazamiento. El estudio, publicado como preprint y centrado en una herramienta específica de OpenAI, señala que el número de usuarios activos creció más de cinco veces durante el primer semestre de 2026. Más del 10% de los usuarios gestionaba tres o más agentes concurrentes en algún momento de la semana, mientras aumentaba con rapidez la proporción de solicitudes asociadas a trabajos que requerirían más de ocho horas a un profesional experimentado [5].

Estas cifras no demuestran que los agentes ya produzcan valor equivalente a todas las horas humanas estimadas ni que estén preparados para sustituir ocupaciones completas. Sí sugieren que las personas están comenzando a confiarles encargos más extensos, simultáneos y complejos.

El trabajo humano no desaparece: cambia de lugar

La promesa comercial es sencilla: la IA se ocupa del trabajo mientras la persona continúa con su día. La realidad organizacional es más exigente.

Cuando un agente asume más pasos de un proceso, el trabajo humano no necesariamente desaparece. Una parte se desplaza hacia actividades menos visibles: formular correctamente el objetivo, seleccionar las fuentes, configurar accesos, anticipar excepciones, determinar qué puede ejecutarse sin permiso, revisar resultados y responder por las consecuencias.

Delegar bien es una competencia distinta de pedir bien.

Un estudio exploratorio basado en entrevistas con 17 desarrolladores experimentados identificó cuatro formas de supervisión que ya aparecen en el trabajo con agentes: control previo, planificación conjunta, monitoreo durante la ejecución y revisión posterior. Los autores advierten que la supervisión no consiste únicamente en corregir errores al final; también exige diseñar límites y criterios antes de que el sistema empiece a actuar [6].

Esto modifica el significado de la productividad. Una tarea terminada más rápido no es necesariamente una tarea bien resuelta. La organización debe considerar cuánto tiempo ahorró, pero también cuánto esfuerzo necesitó para verificarla, qué riesgo introdujo, qué información expuso y qué consecuencias tendría un error silencioso.

La verdadera ganancia no consiste en producir más actividad, sino en obtener mejores resultados con una supervisión proporcional.

La confianza se convierte en una arquitectura de permisos

La tensión central de los agentes persistentes puede expresarse con claridad: cuanto más útiles son, más acceso necesitan; cuanto más acceso reciben, mayores pueden ser las consecuencias de un error.

Un sistema que solo redacta texto dentro de una ventana tiene un alcance limitado. Uno que consulta correos, revisa documentos, modifica archivos, utiliza el navegador, ejecuta código o interactúa con aplicaciones puede producir mucho más valor, pero también puede propagar una interpretación incorrecta a través de varios sistemas.

La propia documentación de seguridad de Anthropic distingue entre herramientas de lectura y herramientas de escritura. Las primeras permiten consultar información; las segundas pueden crear, modificar, enviar o eliminar elementos dentro del entorno del usuario. La compañía reconoce que las acciones de escritura presentan más riesgo, recomienda supervisión humana en escenarios sensibles y advierte sobre ataques de inyección de instrucciones ocultas en correos, sitios web o documentos que el agente pudiera consultar [7].

La guía también recomienda evitar que las tareas programadas operen con información sensible o ejecuten acciones difíciles de revertir, como enviar mensajes, realizar compras o modificar recursos importantes. Además, establece un punto que ninguna metáfora sobre “trabajadores digitales” debería ocultar: el usuario continúa siendo responsable por las acciones ejecutadas en su nombre [7].

Esta responsabilidad no puede resolverse con un botón de aceptación. Las empresas necesitarán definir qué agentes existen, a qué datos acceden, qué herramientas utilizan, quién autorizó sus permisos, qué acciones requieren aprobación y cómo se reconstruye lo ocurrido cuando un resultado es incorrecto.

No basta con saber que una IA hizo algo. Será necesario saber bajo qué autoridad lo hizo.

Delegar por niveles, no por entusiasmo

La adopción responsable debería comenzar por tareas reversibles, observables y de bajo impacto. Recopilar información pública, organizar documentos no sensibles, preparar un borrador interno o elaborar un resumen para revisión son puntos de partida razonables. En cambio, enviar comunicaciones externas, modificar datos de clientes, aprobar pagos, publicar contenido o adoptar decisiones laborales exige una supervisión mucho más estricta.

También será necesario separar con claridad el permiso para leer del permiso para actuar. Que un agente pueda consultar una bandeja de entrada no significa que deba enviar correos; que pueda analizar un reporte financiero no significa que deba modificarlo; que pueda preparar una propuesta no significa que deba compartirla con un cliente.

La autonomía debería crecer solo cuando exista evidencia de buen desempeño dentro de una tarea delimitada. No debería concederse porque una demostración resultó impresionante ni porque la competencia ya adoptó una herramienta semejante.

El criterio decisivo es la consecuencia del error. Cuanto más difícil sea revertir una acción, más sensible sea la información y mayor sea su impacto sobre otras personas, más necesaria será la intervención humana.

Una oportunidad concreta para América Latina

Para muchas organizaciones latinoamericanas, los agentes persistentes pueden ofrecer una ventaja especialmente atractiva. Empresas pequeñas, profesionales independientes, medios, estudios jurídicos, consultoras, instituciones educativas y equipos administrativos podrían asumir tareas que antes exigían más tiempo, personal o especialización.

La oportunidad no consiste solamente en reducir costos. Un equipo pequeño puede investigar con mayor amplitud, documentar mejor sus procesos, responder con más rapidez y convertir información fragmentada en conocimiento utilizable. La IA puede ampliar capacidad donde existen recursos limitados.

Esa ventaja, sin embargo, dependerá menos de adquirir licencias que de construir disciplina. Automatizar un proceso desordenado no lo convierte en un buen proceso; puede hacer que el desorden avance con mayor velocidad. Conectar un agente a información sensible sin una política de acceso tampoco representa transformación digital, sino una ampliación de la superficie de riesgo.

América Latina necesita desarrollar una alfabetización agéntica que vaya más allá de aprender a escribir instrucciones. Profesionales y organizaciones deberán comprender cómo dividir tareas, verificar fuentes, proteger datos, establecer límites, medir resultados y conservar responsabilidad sobre lo delegado.

La región no debería limitarse a importar agentes. Debe aprender a gobernarlos.

Lo que esta noticia no significa

La continuidad en segundo plano no demuestra que la inteligencia artificial haya alcanzado autonomía general ni que pueda reemplazar el juicio profesional. Estos productos todavía se encuentran en evolución, algunas funciones se distribuyen en fase beta y su desempeño depende del tipo de tarea, la calidad del contexto y los permisos disponibles.

Tampoco debería asumirse que una tarea larga es necesariamente una tarea compleja o que un resultado visualmente terminado está listo para utilizarse. Un documento bien presentado puede contener una premisa incorrecta; una hoja de cálculo completa puede arrastrar un error; una investigación extensa puede apoyarse en fuentes débiles.

La IA persistente amplía el alcance de la automatización, pero no elimina sus límites. En algunos casos, incluso puede hacerlos menos visibles, porque el usuario deja de observar cada paso y recibe únicamente el resultado final.

Por eso, la supervisión no debe medirse por cuánto tiempo permanecemos mirando una pantalla. Debe medirse por la calidad de los controles, la claridad de los límites y la capacidad de verificar aquello que realmente importa.

La nueva responsabilidad de trabajar con máquinas que no esperan

La inteligencia artificial está pasando de ser una herramienta que responde cuando la invocamos a convertirse en un sistema que puede mantener tareas activas, coordinar procesos y regresar cuando necesita una decisión.

Ese cambio puede liberar tiempo, ampliar capacidades y reducir una parte considerable del trabajo administrativo. También puede producir dependencia, errores acumulativos y una falsa sensación de control cuando la velocidad supera a la verificación.

La pregunta relevante ya no es solamente qué puede hacer la inteligencia artificial mientras no estamos presentes. La pregunta es qué tipo de presencia humana será necesaria cuando el trabajo continúe sin nosotros.

Las organizaciones más preparadas no serán necesariamente las que concedan mayor autonomía, sino las que puedan explicar con claridad qué delegaron, qué límites establecieron, qué evidencia revisaron y quién conserva la responsabilidad final.

La IA persistente puede multiplicar nuestra capacidad. El desafío será conservar un juicio igualmente persistente.

Fuentes informativas

• [1] Anthropic — “Claude Cowork is coming to mobile and web”
• [2] Claude Help Center — “Use Claude Cowork on web, desktop, and mobile”
• [3] OpenAI — “GPT-5.6: Frontier intelligence that scales with your ambition”
• [4] Anthropic — “How people are using Claude Cowork”
• [5] Johnston, Holtz, Richmond, Ong, Tambe y Chatterji — “The Shift to Agentic AI: Evidence from Codex”
• [6] Dhanorkar, Passi y Vorvoreanu — “Human oversight of agentic systems in practice”
• [7] Claude Help Center — “Use Claude Cowork safely”