IA Para Managers

«La mayoría de la gente todavía piensa que un agente IA es simplemente ChatGPT con un buen prompt». Con esta frase abre Sunil Ramlochan su artículo «The AI Agent Stack Is Not a Prompt. It’s a Production System», y a continuación califica esta creencia como un «mito reconfortante». La verdad útil, según él, es otra: un agente real se parece más a un pequeño sistema operativo para el trabajo. Tiene cerebro, manos, memoria, reglas, logs, planes de recuperación y alguien que responde cuando el agente hace lo que no debe.

La tesis del artículo cabe en una línea: un agente es un stack completo. Y lo que le da fiabilidad es la arquitectura que lo rodea, mientras que el modelo en sí – o un prompt afortunado – es solo uno de los ingredientes. Es un panorama de ingeniería, así que lo abordaremos desde el otro lado – qué de este stack le importa realmente al manager que no escribe código pero decide si poner en marcha un agente.

Stanford AI Index – el informe anual que recopila datos sobre la industria de la IA desde cientos de fuentes – registró esta caída en su edición de 2025. Y en el informe de 2026 añadió contexto: las inversiones en IA estallaron hasta los $285.900 millones, los consumidores reciben valor por $172.000 millones al año, y los centros de datos consumen tanta electricidad como el estado de Nueva York. La economía se ha invertido – pero no como se esperaba.

En abril de 2026, Stanford HAI publicó su noveno informe anual AI Index Report – la síntesis más completa sobre el estado de la industria de la inteligencia artificial. Los titulares son previsiblemente optimistas: la adopción empresarial alcanzó el 88%, la IA generativa superó a Internet en velocidad de difusión, y el valor para los consumidores de las herramientas GenAI se estima en 172.000 millones de dólares anuales. Pero al mirar detrás de las cifras, aparece un problema conocido.

En marzo analizamos cómo funcionan los benchmarks de LLM – GPQA Diamond, SWE-bench, Chatbot Arena. En abril probamos 53 modelos y descubrimos que la diferencia de calidad entre los modelos punteros es de décimas de punto, mientras que en precio es de tres órdenes de magnitud.

Ahora, la siguiente pregunta. ¿Y si los propios benchmarks dejan de funcionar?

El mercado de modelos de IA en 2026 funciona de otra manera. El coste de una sola consulta varía de $0,0001 a $0,17 – tres órdenes de magnitud. ¿Y la diferencia real de calidad entre los diez mejores modelos? 0,24 puntos en una escala de cinco. Mientras tanto, Wharton / GBK Collective constata que un tercio de los proyectos corporativos de IA no pasan de la fase piloto. Y Epoch AI muestra que solo el 5,6% de los usuarios aplica la IA de forma realmente profunda.

Quizás la pregunta no es qué modelo es mejor, sino si pagar de más por el premium produce un resultado proporcionalmente mejor en tareas de gestión típicas.

Lo comprobamos. La respuesta fue más dura de lo esperado.

En Rusia, millones de personas usan Alice cada día – no porque la elijan, sino porque es gratis, viene integrada en el navegador Yandex y funciona sin VPN. YandexGPT, el modelo que hay bajo el capó de Alice, es el mejor modelo ruso de nuestro benchmark, pero todavía está muy por detrás de GPT-5.4.

¿Es posible obtener de él respuestas cercanas a las de GPT, si aprendes a preguntar bien? Lo comprobamos en un experimento: diez técnicas de prompting, seis tareas de gestión, dos jueces LLM independientes. La respuesta corta: sí, se puede – pero no todas las técnicas funcionan, y algunas empeoran el resultado.

A continuación tienes plantillas concretas que puedes copiar al chat ahora mismo, y los antipatrones que conviene evitar.