Guía para principiantes de Agentes de IA

«Un solo tanque de gasolina de 60 litros contiene la energía equivalente al trabajo ininterrumpido de 48 hombres durante un mes entero», — una metáfora que Buckminster Fuller utilizó para explicar lo que él llamó «esclavos energéticos». Acuñó el término para medir las comodidades modernas en unidades de trabajo invisible e incansable, no realizado por personas, sino por máquinas y combustible. A finales del siglo XX, el estadounidense promedio tenía más de 8.000 de estos esclavos energéticos a su disposición, según The First Measured Century.

Y ahora, más. Ha llegado una nueva clase de trabajadores incansables: los agentes de IA, los primos pensantes de esos esclavos energéticos. Imagínese diez becarios trabajando 24 horas al día, 7 días a la semana, gestionando investigaciones, adquisiciones, logística, informes legales, contabilidad, atención al cliente, lo que sea que tenga en su lista. Los tenemos bajo nuestro control, y pronto cada trabajador del conocimiento gestionará un equipo creciente de estos asociados digitales.

Las preguntas surgen por sí solas: ¿Cuánta potencia añadirán a nuestro enjambre de esclavos energéticos? ¿En cuántos múltiplos se expandirá la producción del trabajo humano?

En este artículo, abordamos las preguntas más candentes sobre los agentes de IA: de qué ya son capaces, cómo hacen que los equipos colaboren de forma más inteligente, qué herramientas están impulsando el cambio y cómo será el futuro del trabajo cuando sus colegas puedan ser artificiales.

1) ¿Qué es un agente de IA (en palabras sencillas)?

Un agente de IA es un software que persigue un objetivo en su nombre. Puede razonar, decidir qué pasos seguir y usar herramientas (otro software a través de APIs, navegadores, archivos) para obtener resultados. A diferencia de un chatbot simple, no solo genera texto: puede mantener un registro del contexto (memoria y estado), planificar con anticipación y actuar en sistemas externos cuando se activan los disparadores.

También sabe cómo comunicarse, tanto interna como externamente. Puede comunicarse con las personas que lo crearon y lo usan, informar sobre su funcionamiento y ajustar su comportamiento. Con la misma facilidad, puede comunicarse con el exterior: con clientes, prospectos, socios, supervisores, o incluso con dispositivos (a menudo de forma más fiable que un humano). Si es necesario, puede hablar con otros agentes de IA, coordinando tareas entre ellos.

Piense en él como un compañero de equipo junior con «manos de API»: capaz de conectarse a sistemas, obtener datos, ejecutar flujos de trabajo e incluso coordinar tareas.

Definiciones autorizadas de Google Cloud, IBM, o AWS coinciden en esta misma imagen. La autonomía más el uso de herramientas es lo que convierte a un software en un agente, en lugar de solo un algoritmo.

2) ¿Qué pueden hacer los agentes de IA (hoy)?

Los agentes de IA se dividen en varios tipos amplios, dependiendo del tipo de «manos» que aportan al equipo:

1. Agentes analíticos / de investigación / de conocimiento
Estos agentes conocen a fondo el cerebro de su organización. Recuerdan conversaciones pasadas. Realizan investigaciones y mantienen sus datos en la memoria. Dominan la base de conocimientos de la organización: documentos, manuales, preguntas frecuentes, wikis. Pueden actualizar estos recursos a medida que surgen nuevas preguntas, convirtiendo la información dispersa en memoria institucional.

2. Agentes de comunicación
Estos mantienen las conversaciones fluidas. Responden en mensajería, rastrean hilos de clientes, registran nuevos leads en el CRM, alertan a los gerentes cuando un diálogo se enfría e incluso redactan seguimientos corteses. Algunos agrupan comentarios, realizan análisis de sentimiento en tickets o escanean canales sociales para detectar quejas a tiempo. Piense en ellos como gerentes de cuenta o de soporte incansables que nunca pierden el ritmo.

3. Agentes de decisión
Un agente de decisión actúa como un secretario diligente. En los flujos de trabajo del mundo real, los equipos están inundados de datos: tickets, correos electrónicos, métricas, precios, geodatos. Este tipo de agente filtra el ruido, reduce las opciones a una lista manejable y presenta una imagen clara, ayudando a las personas a elegir el curso más razonable bajo las condiciones dadas. Por lo general, también es lo suficientemente inteligente como para ponderar probabilidades, resaltar los caminos más viables y, a menudo, dividir las tareas grandes en subtareas, verificar duplicados y asignar etiquetas. Algunos incluso median en disputas evaluando oportunidades o ofreciendo una tercera perspectiva, o, si es necesario, lanzando una moneda virtual para romper un punto muerto.

4. Agentes de ejecución
Estos son los ejecutores, los que realmente presionan botones y hacen las cosas. Pueden realizar un pedido, activar un pago, enviar notificaciones, establecer recordatorios o incluso gestionar procesos de cumplimiento como KYC/AML. En los equipos de ingeniería, silenciosamente hacen copias de seguridad de los repositorios, generan notas de lanzamiento o despliegan actualizaciones de servicios. Estos agentes son como mensajeros invisibles: no son glamorosos, pero son indispensables. Mantienen la maquinaria del negocio funcionando sin problemas mientras todos los demás se centran en el panorama general.

5. Agentes de desarrollo (Dev agents)
Estos leen y actualizan repositorios de código, razonan sobre problemas y redactan parches, una capacidad emergente que se evalúa en pruebas de ingeniería de software.

6. Agentes de monitoreo de infraestructura
Estos agentes vigilan la salud de sus sistemas. Monitorean redes, servidores y aplicaciones, generan alertas cuando algo sale mal y, a veces, incluso aplican correcciones automáticamente. Piense en ellos como administradores de sistemas incansables que nunca duermen, detectando fallos antes de que los usuarios los noten y guiando a los administradores humanos hacia la ruta de resolución más rápida.

6. Agentes creativos
Centrados en el trabajo generativo, producen textos de marketing, elementos visuales o incluso prototipos de diseño. Estos agentes liberan a los humanos de la ansiedad de la página en blanco y aceleran la iteración creativa.
 

7. Orquestadores multiagente
Finalmente, algunos agentes no resuelven problemas directamente, sino que coordinan un equipo de otros agentes: distribuyen tareas, los mantienen sincronizados e informan a los humanos. BridgeApp misma está concebida como un entorno donde tales orquestadores pueden existir.

Vale la pena señalar que los agentes pueden trabajar tanto en la web, a través de entornos de prueba de navegador realistas, como localmente en entornos aislados (sandboxed environments), gestionando calendarios, operaciones de archivos y ensamblaje de documentos. Pueden servir como habilitadores personales o compañeros de trabajo con su propio ámbito de tareas. Y aunque los puntos de control humanos siguen aumentando drásticamente la fiabilidad, los agentes están mejorando rápidamente.

3) ¿Los agentes de IA me ahorrarán tiempo?

Lo más probable es que sí. Pero, como siempre, depende de la configuración y la implementación.

Esto es la paradoja de la productividad en acción. Tome un agente de código que está mal configurado: el tiempo que ahorra escribiendo código se pierde en la verificación y depuración. Un estudio de desarrolladores de código abierto experimentados incluso encontró que las herramientas de IA aumentaron el tiempo de la tarea en un 19%, a pesar de que los desarrolladores se percibían a sí mismos como un 20% más rápidos.

Cuando se configuran correctamente, sin embargo, los agentes de IA ahorran tiempo absolutamente. Automatizan tareas repetitivas y de bajo valor, organizan horarios y brindan borradores o soporte personalizado, liberando a los equipos para que se concentren en trabajos de mayor impacto. En algunos casos, pueden comprimir horas en minutos respondiendo instantáneamente a los clientes, programando reuniones o procesando consultas rutinarias 24 horas al día, 7 días a la semana.

4) ¿Cómo sé si una tarea es adecuada para un agente de IA?

Aquí hay una lista de verificación simple que puede usar. Si la respuesta es «sí» a más de cuatro de estas comprobaciones, probablemente valga la pena entregársela a un agente de IA.

✅ Repetitiva: ¿La tarea se repite una y otra vez, con poca variación?

✅ Basada en reglas: ¿Puede describir los pasos claramente, como una receta o una lista de verificación?

✅ De bajo riesgo: Si el agente comete un error, ¿es fácil revisarlo o corregirlo?

✅ Que consume mucho tiempo: ¿Requiere horas de tiempo humano sin exigir un juicio profundo?

✅ Intensiva en datos: ¿Se trata de clasificar, extraer, resumir o responder basándose en información estructurada?

✅ Necesidad constante: ¿Ayudaría si esto funcionara 24/7 (ej. consultas de clientes, monitoreo)?

5) ¿Dónde fallan los agentes de IA y cómo evaluamos su fiabilidad?

Los agentes todavía tropiezan con interfaces de usuario frágiles, instrucciones ambiguas, uso indebido de herramientas, inyección de prompts y cualquier cosa que requiera una planificación a largo plazo.

Para las empresas, la adopción significa serias comprobaciones de seguridad. La prioridad es prevenir acciones catastróficas (piense: eliminar cuentas de usuario). El principio es simple: pruebe los modelos de IA con el mismo rigor con el que prueba el software. Eso significa tareas repetibles, escenarios reproducibles, credenciales protegidas y planes de reversión.

Repetimos para los ingenieros: Trate la evaluación como CI — pruebas + confianza cero + despliegue azul-verde. Los benchmarks como ST-WebAgentBench marcan el camino.

6) ¿Qué se puede delegar primero a los agentes de IA (en el próximo mes)?

Trabajo de back-office
Una amplia gama de tareas de back-office son candidatas perfectas para una delegación temprana. Los agentes pueden manejar bases de datos y hojas de cálculo, extraer datos para su reutilización, ensamblar informes, programar elementos de calendario, proporcionar plantillas de inicio y manejar el papeleo rutinario.

Ventas
Los equipos de ventas a menudo pasan horas consolidando detalles clave en una página para la preparación de llamadas o completando registros de CRM. Los agentes pueden investigar y evaluar leads, actualizar información de contacto y generar paquetes de preparación. Si bien la IA no cierra acuerdos por sí sola, asegura que los humanos lleguen a las reuniones más preparados y con menos trabajo manual tedioso.

Soporte
La atención al cliente y las operaciones están llenas de tareas estructuradas y repetitivas que los agentes manejan bien. Piense en agentes que enriquecen tickets con contexto, los enrutan a la cola correcta o sugieren soluciones instantáneas paso a paso para consultas simples. Experimentos como WorkArena muestran que este tipo de tareas se pueden delegar con claras barreras de seguridad, reduciendo los tiempos de resolución sin sacrificar la calidad.

7) ¿Mis competidores ya están implementando agentes de IA?

No lo sabemos con certeza. Pero la expectación es muy real: la adopción está explotando.

Así que, si bien el impulso puede parecer exagerado, es innegable, respaldado por capital, implementaciones y la creencia empresarial. Las empresas siempre anhelan trabajadores que nunca duerman, tengan las habilidades para usar varios programas y puedan tomar alguna iniciativa cuando se les permita.

Una encuesta reciente muestra que el 51% de las empresas ya utilizan agentes de codificación en producción, y el 78% tiene planes de implementación activos. Los inversores de riesgo han invertido miles de millones en startups de IA agéntica, incluyendo alrededor de 2.800 millones de dólares solo en la primera mitad de 2025. Los grandes jugadores están totalmente involucrados: AWS lanzó Bedrock AgentCore, un marco tolerante a fallos con puntos de control, recuperación, agentes en el navegador, intérpretes de código y escalado suave, además de un AI Agents Marketplace con cientos de soluciones listas para usar. El CEO de Amazon, Andy Jassy, no solo habló, sino que proyectó que habrá miles de millones de agentes en circulación.

Mientras tanto, BridgeApp lanzó una plataforma de espacio de trabajo en equipo construida para esta nueva realidad, donde la coordinación de tareas y la colaboración en lenguaje natural fluyen sin problemas a través de un equipo híbrido de agentes y humanos.

8) ¿Cómo afecta la implementación de agentes de IA al ROI?

Eso varía mucho según la industria, el alcance y la calidad de la implementación. Pero algunos estudios e informes de casos muestran que el ROI puede ser masivo cuando los agentes se dirigen a los cuellos de botella correctos.

Procesamiento de préstamos: Ese mismo elaborado estudio, publicado en agosto de 2025 en el International Journal of Computer Applications, encontró que el ROI de las inversiones en IA en el procesamiento de hipotecas se duplicó con creces, del 15% al 35%. Las ganancias provienen de una fuerte caída en los costos operativos —un 60% menos— lo que a su vez aceleró el rendimiento de los préstamos a la misma tasa, permitiendo a las empresas procesar más préstamos con los mismos recursos. El tiempo promedio para revisar un documento se redujo de ocho horas a solo dos, un aumento de eficiencia del 75% que se tradujo directamente tanto en una mayor rentabilidad como en una mayor capacidad.

Atención al cliente: Un reciente estudio informa que la IA en el servicio al cliente es muy rentable: 3,50 dólares de retorno por cada 1 dólar invertido, con los mejores resultados alcanzando hasta 8 veces el ROI. La aseguradora australiana NIB compartió un caso de uso revelador de su asistente de IA que gestiona el 60% de las consultas rutinarias, reduciendo el volumen de llamadas de los agentes en un 15% y generando 22 millones de dólares en ahorros desde 202, sirviendo a una base de clientes creciente sin aumentar el personal. Microsoft en 2024 informó haber ahorrado más de 500 millones de dólares al integrar la IA en sus operaciones comerciales, desde centros de llamadas hasta ventas, impulsando la productividad en todos los ámbitos.

Marketing personalizado: La investigación de McKinsey muestra que la personalización impulsada por IA aumenta el ROI de marketing entre un 10% y un 30% en promedio, y muchas organizaciones informan de un aumento de alrededor del 25% en la efectividad de las campañas. Una encuesta más reciente refina esa imagen, confirmando un aumento promedio del ROI de aproximadamente el 25%, con el 72% de los líderes de publicidad notando claras ganancias de rendimiento después de escalar la publicidad personalizada.

Así, cuando se enfocan de manera precisa, los agentes de IA no solo ahorran minutos, sino que también reconfiguran procesos, reduciendo los tiempos de ciclo, aumentando la capacidad y generando mejoras de ROI de dos dígitos.

9) ¿Cuáles serán los próximos avances en los agentes de IA?

El CEO de Anthropic, Dario Amodei, citado por Axios, es directo: hasta la mitad de los trabajos de oficina de nivel inicial podrían desaparecer en cinco años.

Y los agentes no se quedan en las pantallas. Están incursionando en el mundo físico, comenzando a controlar equipos reales. Dentro del secreto Lab126 de Amazon, un nuevo equipo está conectando IA agéntica a robots de almacén. La apuesta: actualizar las máquinas de un solo propósito de hoy en ayudantes generalistas que puedan descargar remolques, detectar piezas defectuosas y seguir comandos en lenguaje natural. Para Amazon, eso significa una entrega más rápida, picos de vacaciones más suaves y menores emisiones. Para todos los demás, es un adelanto del próximo acto: agentes de IA cambiando los hilos de chat por cintas transportadoras.

Mientras un gigante está conectando agentes a robots, otro está revolucionando las compras agénticas. Justo cuando se terminó este artículo —en los viejos tiempos solíamos decir «cuando se cerró la edición»— OpenAI desveló el Protocolo de Comercio Agéntico (ACP), destinado a transformar el comercio electrónico desde el primer día. 

Ese es un estándar abierto que permite a los agentes de IA, usuarios y comerciantes completar compras sin problemas dentro del chat o flujos conversacionales. Un agente habilitado para ACP puede mostrar productos que se ajusten a sus criterios, presentarle opciones y ejecutar salvaguardias integradas como el intercambio mínimo de datos, tokens de pago con alcance limitado y confirmaciones paso a paso (incluyendo el «sí, pagar» final). Para los comerciantes, esto reduce la fricción: si ya usa Stripe, habilitar los pagos agénticos es literalmente un cambio de una línea de código.

Los agentes dentro de BridgeApp también pueden trabajar con ACP —así que, mientras algunos compañeros de equipo gestionan sus tareas y documentos, otros pueden ayudarle a comprar. Hoy, todavía son compras individuales, pero no pasará mucho tiempo antes de que los agentes gestionen suministros de oficina a granel o pidan piezas de repuesto para toda una flota.

10) ¿Cómo elegir una plataforma para el despliegue de agentes de IA?

La forma más segura de implementar es con compuertas HITL (human-in-the-loop) —la mayoría de las acciones propuestas por el agente deben permanecer bajo control humano, con opciones para aprobar, modificar o denegar.

• BridgeApp — Espacio de trabajo colaborativo seguro para equipos donde el chat, las tareas y los documentos conviven. Puede crear agentes visualmente —sin necesidad de codificación— arrastrando y soltando pasos. Luego, activados por su @mención en los mismos chats donde opera el equipo humano, aparecen inmediatamente para comenzar a operar. le ayuda a establecer objetivos y a integrar agentes rápidamente en los flujos de trabajo diarios. El despliegue on-premise está disponible para organizaciones reguladas o equipos preocupados por la seguridad.

   

  Explore BridgeApp

  
   

• n8n — un entorno de desarrollo donde los agentes de IA pueden incrustarse como nodos de ejecución dentro de flujos de trabajo más amplios. Si bien los no codificadores pueden componer flujos a través de una GUI similar, el código fuente abierto permite a los ingenieros extender la funcionalidad, gestionar dependencias e instrumentar el manejo de errores con reintentos.
   
• Make — una plataforma de integración a gran escala con módulos de agente nativos. Los flujos de trabajo tienen miles de integraciones y se pueden parametrizar para aceptar entradas de lenguaje natural, resolver objetivos dinámicamente y adaptar la lógica de orquestación en tiempo de ejecución.
   
• Relay.app — Una capa de automatización orientada a HITL. Los agentes se ejecutan dentro de bucles controlados: colas de tareas, aprobaciones impulsadas por la bandeja de entrada, validación de puntos de control y reintentos determinísticos. Diseñado para entornos donde la previsibilidad, la auditabilidad y la aprobación explícita son requisitos operativos.
   
• LangGraph (LangChain) — Un marco de orquestación con estado para agentes de IA de larga duración. Proporciona SDK para Python/JavaScript, persistencia en tiempo de ejecución, flujos de control basados en gráficos y observabilidad granular. Adecuado para despliegues híbridos o autoalojados donde los hooks de depuración, los primitivos de escalado y las garantías de ejecución son esenciales.

10) Arquitectura de agentes de IA 101

Empiece poco a poco, mantenga la supervisión, escale lo que funcione. Comience con un bucle planificador-ejecutor y algunas herramientas bien definidas. Evolucione hacia configuraciones multiagente cuando las responsabilidades diverjan realmente (por ejemplo, un investigador, un enrutador, un implementador). Utilice marcos que ofrezcan patrones de conversación, puedan extraer datos, llamar a herramientas y le permitan monitorear el estado.

BridgeApp lo hace tangible:

• Los agentes nativos pueden crearse en un editor visual, sin necesidad de código. Cada agente combina un prompt (comportamiento), variables (entradas), conocimiento (documentos o fuentes de datos) y habilidades (acciones como «escribir en la base de datos», «enviar mensaje de chat» o «generar informe»).
   
• El editor de habilidades funciona como un flujo de arrastrar y soltar. Conecte bloques como Base de datos → Crear entrada, Chats → Enviar mensaje, Agentes → Generar mensaje. Esto le permite encadenar «obtener datos → registrar → notificar al equipo» sin tocar código.
   
• La fundamentación del conocimiento significa que los agentes pueden consultar documentos de equipo en vivo como contexto. Un agente de soporte, por ejemplo, puede responder directamente desde las preguntas frecuentes que almacena en BridgeApp.
   
• El versionado permite borradores frente a versiones estables, para que pueda experimentar sin romper los flujos de trabajo.
   
• Capa de integración: Las bases de datos de BridgeApp exponen APIs y admiten cuentas de servicio, lo que permite conexiones seguras a sistemas externos.
   
• Despliegue: Puede ejecutar BridgeApp en la nube o en las instalaciones, lo cual es importante si se encuentra en una industria regulada.

En la práctica, un lanzamiento se ve así:

1. Configure uno o dos agentes con un ámbito específico dentro de BridgeApp (por ejemplo, «registrador de gastos», «tomador de notas de reuniones»). Defina sus prompts de sistema, habilidades y descripciones, intercambiando bloques para cambiar la secuencia de acciones, las fuentes de datos (bases de datos) y los pasos de procesamiento.
2. Conéctelos a chats o tareas donde los humanos ya trabajan, para que los resultados sean visibles y puedan ser cuestionados o ajustados en contexto.
3. Pruébelos en modo borrador, perfeccione sus habilidades y la base de conocimientos hasta que el flujo sea fiable.
4. Una vez que el bucle se comporta de manera predecible, escale a roles más complejos, o incluso a múltiples agentes trabajando en conjunto.

De esa manera, pasa de agentes de un solo bucle a un lugar de trabajo multiagente, manteniendo a los humanos al mando a través de la visibilidad del chat, el versionado y la supervisión diaria.

Conclusión

Así, entonces, los «esclavos energéticos» de Fuller multiplicaban la fuerza muscular; ahora multiplican la mente. La ventaja será para aquellos que aprendan pronto a escalarlos en equipos y organizaciones.

Ahí es donde entra BridgeApp —un espacio de trabajo humanístico-agéntico, interoperable y auditable construido para la prosperidad colectiva. Empiece con un equipo pequeño. Construido a través de una interfaz fácil de usar. Mida el impacto. Revierta los resultados a benchmarks compartidos y casos de uso cívicos.

Y seremos testigos del aumento de la proporción de agentes por persona. Las redes de agentes no solo optimizarán una sola empresa; equilibrarán el uso de energía, suavizarán las cadenas de suministro, acelerarán la respuesta a desastres, reforzarán la salud pública e impulsarán la adaptación climática. Cuanto más alineemos los agentes locales con tareas y objetivos reales, mayor será el apalancamiento personal que se convertirá en un bien planetario. Nuestros becarios de IA están en camino de convertirse en asistentes ubicuos.

Pruebe BridgeApp — la plataforma de colaboración humano-IA que une el chat, las tareas, los documentos y las bases de datos de su equipo con agentes de IA inteligentes en un espacio de trabajo seguro.

Glosario 

Agente de IA — Software que puede perseguir un objetivo en su nombre. A diferencia de un chatbot, puede planificar pasos, usar herramientas (como APIs o aplicaciones) y actuar dentro de sistemas externos.

API (Interfaz de Programación de Aplicaciones) — Un conjunto de reglas que permite que una pieza de software se comunique con otra. Piense en ella como un traductor entre programas.

Orquestador multiagente — Un sistema de IA que no realiza tareas por sí mismo, sino que coordina a varios otros agentes como un gestor de equipo.

HITL (Human-in-the-Loop) — Un principio de diseño donde los humanos aprueban, modifican o deniegan las acciones propuestas por un agente de IA antes de que se ejecuten.

Trabajo de back-office — Tareas internas rutinarias como la entrada de datos, la generación de informes y la programación —baja visibilidad pero esencial para el funcionamiento de una empresa.

CRM (Gestión de Relaciones con el Cliente) — Software utilizado para rastrear leads, clientes e interacciones.

KYC / AML — Controles de cumplimiento en finanzas:

• KYC = «Conozca a su cliente», verificación de la identidad de un cliente.
• AML = «Antilavado de dinero», monitoreo de transacciones para prevenir actividades ilegales.

Sandbox (aquí «Entorno aislado») — Un entorno seguro y aislado donde los agentes pueden probar acciones sin dañar sistemas o datos reales.

Habilidad — Una acción o capacidad predefinida que un agente de IA puede realizar (por ejemplo, «escribir en la base de datos» o «enviar un mensaje»), creada y gestionada a través de un editor de habilidades visual dentro de Bridge.

Prompt (aquí «Prompt del sistema») — La instrucción o contexto inicial dado a un agente de IA que define su rol, objetivos y comportamiento; actúa como el libro de reglas que el agente sigue al realizar tareas.

Inyección de prompt — Un tipo de ataque donde las instrucciones maliciosas se ocultan dentro de una entrada de usuario, engañando a la IA para que se comporte de manera incorrecta.

Eval / Benchmark — Pruebas para medir el rendimiento de los agentes. Ejemplo: ST-WebAgentBench, un benchmark para agentes basados en la web.

Confianza cero — Un principio de seguridad: nunca confíe automáticamente en un sistema o usuario, siempre verifique antes de otorgar acceso.

Despliegue azul-verde — Un método de lanzamiento de software con dos sistemas idénticos (azul y verde). Las nuevas versiones se despliegan en el entorno inactivo, se prueban y luego se cambia todo el tráfico, con la capacidad de revertir instantáneamente si algo falla.

ROI (Retorno de la Inversión) — Una medida de la ganancia financiera de una inversión, generalmente expresada como un porcentaje.

Relación agente por persona — Una forma de describir cuántos agentes de IA podría supervisar o con cuántos podría colaborar cada humano en el futuro.

Despliegue on-premise — Ejecución de software en los propios servidores de una empresa en lugar de en la nube, por razones de seguridad o regulatorias.