La guerra de la IA ya no es por responder mejor: es por conseguir permiso

Hasta hace poco había una regla bastante cómoda en nuestra relación con la inteligencia artificial: uno preguntaba y la máquina respondía.

Podía equivocarse, inventar una cita, escribir un poema terrible o resolver en treinta segundos una tarea que antes tomaba dos horas. Pero la frontera estaba clara. La iniciativa seguía estando de este lado de la pantalla.

El 29 de septiembre OpenAI presentó Dots, agentes que tienen su propio computador en la nube, pueden conectarse con miles de aplicaciones y seguir trabajando sobre un objetivo sin que el usuario tenga que dirigir cada paso. La empresa dice que pueden aprender de la retroalimentación, mantener varios proyectos activos y trabajar de forma persistente. La misma jornada, OpenAI añadió uso de computador a su Agents API y habilitó capacidades multiagente en GPT-6.1 Sol.

Google venía avanzando por otro camino. El 23 de septiembre amplió las Connected Apps de Gemini con servicios como Airtable, Linear, monday.com, Adobe, Webflow, Squarespace y Zoho. Ocho días antes había presentado Gemini 3.8 Live y Live Extended Thinking, capaces de ejecutar herramientas y tareas en segundo plano mientras la conversación continúa.

Vistos por separado son lanzamientos de producto. Juntos cuentan algo más interesante: el prompt empieza a dejar de ser la interfaz principal de la IA.

El prompt puede terminar siendo una etapa

Hubo una época en la que usar un computador exigía aprender comandos. Luego llegaron ventanas, iconos y ratones. Los comandos nunca desaparecieron; simplemente dejaron de ser la puerta de entrada para la mayoría.

Con la IA podría ocurrir algo parecido. Hoy todavía parece sofisticado escribir: “Busca estos documentos, compáralos con los del mes pasado, actualiza la tabla y avísame si aparece algo extraño”. Pero si un agente conoce el proyecto, puede leer las fuentes permitidas y permanece trabajando, tarde o temprano surge una pregunta incómoda: ¿por qué tendría que esperar a que alguien vuelva a escribir el mismo prompt?

OpenAI ya describe ese comportamiento. Un dot puede detectar un bug reportado en Slack y empezar a investigarlo; puede actualizar análisis cuando llegan nuevos datos; puede revisar cambios en un proyecto y preparar material para aprobación. La empresa incluso denomina “proactive research” a la revisión en segundo plano de fuentes conectadas, aunque en ese modo restringe las herramientas a lectura.

Eso cambia la relación con el software. El chatbot espera. El agente observa un estado, detecta que algo cambió y empieza a trabajar dentro de los límites que le dieron.

El problema ya no es solo cuánto sabe

Nos acostumbramos a comparar modelos con preguntas que caben bien en una tabla: cuál razona mejor, cuál programa mejor, cuál alucina menos, cuál tiene más contexto. Seguirán importando. Pero una IA que actúa introduce una variable bastante menos vistosa y quizá más decisiva: qué le permitimos hacer sin consultarnos.

Google está rodeando a Gemini de aplicaciones. OpenAI está dando a sus agentes computadores, navegadores y conexiones con servicios externos. Ambas estrategias necesitan lo mismo para ser útiles: acceso.

Correo. Calendario. Archivos. Herramientas corporativas. Sistemas internos. Más adelante, en algunos casos, compras, pagos o dispositivos.

En una empresa esto se parece menos a instalar un chatbot y más a contratar a alguien. Una persona puede ser brillante y aun así no recibe el primer lunes las claves de la cuenta bancaria, permisos para borrar bases de datos y autorización para enviar contratos. Primero observa. Después prepara. Luego ejecuta ciertas tareas. Con el tiempo algunos controles desaparecen porque apareció confianza.

Con los agentes ese proceso puede comprimirse brutalmente. Por eso OpenAI insiste tanto en reglas, permisos y aprobaciones. Dots permite definir acciones que pueden ejecutarse, acciones que requieren revisión y acciones bloqueadas. Algunas operaciones sensibles quedan reservadas al usuario. No es un adorno de seguridad añadido después del producto: es parte de la arquitectura del producto.

Antes de decidir por nosotros, decidirán qué merece nuestra atención

Hay otra consecuencia menos evidente. Si un sistema conoce nuestros objetivos, observa continuamente lo que ocurre y puede actuar, deja de participar únicamente después de una decisión humana. Empieza a intervenir antes, seleccionando lo que llega a nuestra atención.

Un agente revisa cien correos y coloca tres delante de nosotros. No contestó por nosotros, pero ya hizo una operación importante: decidió cuáles parecían merecer tiempo. Revisa veinte documentos y señala dos anomalías. Compara varias opciones y presenta primero una.

Ahí entra un problema viejo de la psicología en un envoltorio nuevo. Las personas no decidimos sobre el universo completo de posibilidades. Decidimos sobre lo que vemos, recordamos y tenemos delante. Anclaje, disponibilidad y opciones predeterminadas no necesitan que una IA tome la decisión final. Basta con que ordene el escenario.

Por eso la palabra asistente empieza a quedarse corta. Un asistente tradicional recibe encargos. Un sistema que filtra, prioriza y actúa de forma persistente participa en la construcción misma del problema que el usuario terminará viendo.

La autonomía tendrá que tener geometría

Resulta revelador que la industria avance en dos direcciones al mismo tiempo. Quiere agentes que necesiten menos instrucciones y, a la vez, mecanismos más precisos para saber cuándo deben detenerse y pedir autorización.

OpenAI explica que los Dots revisan las acciones que pueden afectar cuentas o compartir información y las contrastan con instrucciones, reglas personalizadas y requisitos de seguridad. Algunas tareas pueden seguir adelante; otras requieren aprobación; algunas deben hacerlas directamente las personas. Google, por su parte, está llevando Gemini hacia más aplicaciones y hacia modelos Live capaces de ejecutar herramientas mientras mantienen la conversación.

La carrera no consiste entonces en maximizar autonomía como si fuera una sola perilla. Habrá que diseñarla.

Qué puede leer. Qué puede preparar. Qué puede modificar. Qué puede enviar. Qué puede comprar. Qué puede borrar. Durante cuánto tiempo puede seguir trabajando. Cuándo debe preguntar. Y quién responde cuando hizo exactamente lo que se le permitió, pero el resultado fue una mala idea.

OpenAI y Google están atacando el mismo problema desde lados distintos

Google tiene una ventaja obvia: ya vive dentro de Gmail, Docs, Search, Android, Maps y Workspace. Gemini puede convertirse en una capa inteligente que cruza servicios que millones de personas usan todos los días.

OpenAI no controla ese ecosistema. Su apuesta parece distinta: construir agentes capaces de atravesar aplicaciones de muchos proveedores, cargar con contexto entre ellas y operar desde un computador propio en la nube. Dots dice conectarse con más de 4.000 apps mediante el ecosistema de plugins.

Una compañía intenta llevar la IA a los lugares donde ya está el usuario. La otra intenta construir una IA que pueda ir a casi cualquier lugar donde trabaje el usuario.

Las dos estrategias terminan chocando contra la misma puerta: permiso.

Tal vez estamos mirando la carrera equivocada

Seguirán apareciendo comparaciones entre GPT-6, Gemini 3.8 y el modelo que llegue la próxima semana. Habrá benchmarks de matemáticas, programación, razonamiento y voz. Un modelo ocupará el primer puesto durante unos días y otro lo desplazará.

Pero los movimientos de septiembre muestran que la competencia se está desplazando hacia un terreno menos fácil de medir: quién consigue insertar inteligencia de forma confiable dentro del trabajo cotidiano y cuánta autonomía estamos dispuestos a entregarle.

El día en que eso funcione bien quizá escribamos muchos menos prompts. No porque hayamos aprendido el prompt perfecto, sino porque la máquina habrá aprendido en qué momentos normalmente habríamos escrito uno.