Todo el mundo habla de agentes de IA. Casi nadie los usa todavía de verdad.
Un relevamiento que rastreó 75 estadísticas citadas sobre agentes de IA hasta su fuente original encontró que el uso real en cualquier área de una empresa no supera el 10%, y que el Census Bureau de EEUU midió 19,8% de negocios usando IA en alguna función a mayo de 2026. En paralelo, Meta lanzó Muse, un agente de consumo que ya completa compras y reservas solo, y el gasto de los usuarios en IA se triplicó en un año.
Esta semana Meta presentó Muse, un agente de IA de consumo masivo que puede ejecutar tareas reales en nombre de quien lo usa: reservar vuelos, completar una compra, sacar un turno. En paralelo, el reporte 2026 State of Consumer AI de Menlo Ventures midió que el usuario promedio ya usa 3,0 asistentes de IA generales (contra 2,2 hace un año), que el 55% de los usuarios de IA paga por al menos un producto de IA en 2026 (contra apenas 3% el año anterior) y que el uso de Claude casi se triplicó, de 7% a 20% de los usuarios en un año, mientras Gemini pasó de 36% a 58% y le recortó a ChatGPT la ventaja de nueve puntos a solo dos.
Y sin embargo, el mismo día circuló un dataset que cruzó 75 de las estadísticas más citadas sobre agentes de IA en negocios contra sus fuentes originales: el uso real en cualquier área puntual de una empresa no pasa del 10%, una encuesta de Capgemini que volvió a preguntar qué entendía cada empresa por «implementar un agente» encontró que solo el 14% lo había hecho de verdad, y el Census Bureau de EEUU midió 19,8% de negocios usando IA en cualquier función a mayo de 2026. La lectura no es que los agentes sean humo: es que hay dos curvas de adopción corriendo a velocidades completamente distintas, la de consumo (una persona pidiéndole a un agente que le resuelva un trámite) y la de negocio (un proceso completo delegado sin supervisión), y casi todo el ruido de esta semana viene de la primera.
Señal 01 · Consumo
Meta lanza un agente que compra y reserva solo
Meta presentó Muse, descripto como el primer agente de IA de consumo masivo capaz de ejecutar tareas reales en nombre del usuario: desde reservar vuelos hasta completar una compra de punta a punta, sin que la persona tenga que ir clickeando cada paso.
Es la misma lógica que ya circulaba en casos sueltos de usuarios que le pidieron a un agente personal sacar una visa cruzando emails y comprobantes de reservas, o conseguir turno en una peluquería en una ciudad donde no hablaban el idioma. Lo nuevo no es la capacidad técnica — ya existía en herramientas chicas — sino que ahora la empuja una de las plataformas más grandes del mundo, lo que dispara la exposición masiva de golpe.
El reporte 2026 State of Consumer AI de Menlo Ventures midió que el 55% de los usuarios de IA ya paga por al menos un producto, contra apenas 3% el año anterior — el salto más rápido que registró la firma en un mercado que históricamente se resistió a pagar directo por software.
El usuario promedio también dejó de depender de un solo asistente: hoy usa 3,0 en paralelo, contra 2,2 hace un año. ChatGPT se mantiene primero en uso (60%), pero Gemini pasó de 36% a 58% apoyado en la distribución de Google dentro de Search, Android y Workspace, y le recortó a ChatGPT la ventaja de nueve puntos a solo dos. Claude fue el que más creció en términos relativos: de 7% a casi 20% de los usuarios en doce meses, sin esa distribución instalada de fábrica.
El número real de adopción en negocios: 10-20%, no la mayoría
Mientras el consumo masivo se dispara, un dataset publicado el 15 de septiembre rastreó 75 estadísticas ampliamente citadas sobre agentes de IA en negocios hasta el documento original de cada una. El resultado: el uso real en cualquier área puntual de una empresa no supera el 10%, y una encuesta de Capgemini que volvió a chequear qué entendía cada respondente por «implementar un agente» encontró que solo 14% lo había hecho de verdad — muchas de las cifras más repetidas en notas y charlas mezclaban «lo probé una vez» con «lo tengo corriendo en un proceso».
El dato más sólido del combo es el del Census Bureau de EEUU, que releva uso real y no intención: 19,8% de los negocios del país usaba IA en alguna función a mayo de 2026. Es un número que viene subiendo rápido — pero está lejos de la imagen de «todo el mundo ya tiene un agente corriendo» que instalan los casos virales de consumo.
El primer efecto medible no es la automatización masiva: es el primer escalón laboral
Si la adopción de agentes en procesos de negocio todavía es minoritaria, ¿dónde está el impacto que sí se puede medir hoy? En Nueva York, las búsquedas de empleo de nivel inicial en ocupaciones de computación y matemática cayeron 49% desde 2022, según datos compilados por el Center for an Urban Future. Parte de la caída viene de que las empresas de tecnología vienen recortando después de la sobrecontratación de la pandemia — pero el reporte marca a la IA como la variable más visible detrás de la desaceleración en contrataciones nuevas.
Es coherente con el resto del cuadro: todavía no hay procesos enteros corriendo solos con agentes (eso sigue en 10-20%), pero sí hay una franja de trabajo rutinario y de entrada — el que más se parece a lo que un agente puede resolver hoy — que ya dejó de generar la misma cantidad de puestos nuevos.
Esto conecta con lo que veníamos registrando: la semana pasada mostramos una empresa que ya corre entera con agentes de IA sin empleados de por medio, y agentes de IA moviendo plata real en nombre de sus usuarios. Ambos eran casos de punta, no el promedio — y el dataset fact-checked de esta semana confirma que siguen siendo la excepción: la mayoría de los negocios todavía no cruzó de mirar la demo a correr un agente sin supervisión en un proceso real.
Si estás evaluando meter un agente en tu negocio, el dato de esta semana te cambia la pregunta: no es «¿qué puede hacer un agente?» (la respuesta viral de Muse dice que casi cualquier cosa), es «¿cuál de mis procesos repetitivos puedo delegarle SIN supervisión constante y sin que un error me salga caro?» — porque el 14% que Capgemini confirmó como adopción real filtró exactamente a los que dejaron de hacer esa pregunta general y probaron UNA tarea acotada.
Elegí hoy un proceso chico y de bajo riesgo (clasificar mails entrantes, armar un primer borrador de respuesta, agendar reuniones) y corré el agente en paralelo a tu proceso actual durante diez usos, contando cuántas veces tuviste que corregirlo. Si las correcciones no bajan hacia el uso número diez, el problema no es que «la IA todavía no está lista»: es que elegiste una tarea con demasiada variabilidad para empezar, y te conviene una más chica antes de escalar.
La movida del día
Elegí UN proceso repetitivo y de bajo riesgo de tu negocio — no el más ambicioso, el más chico. Corré un agente en paralelo a como lo hacés hoy durante diez repeticiones, sin reemplazar todavía el proceso actual. Contá cuántas veces tuviste que corregirlo en cada una de las diez. Recién si esa curva baja, subí la apuesta a sacarle la supervisión.
La edición abierta lee el mundo. La tuya lee TU mundo — tu industria, tus proyectos, tus objetivos — y llega a tu casilla cada mañana. Nadie más recibe tu edición.
