Nivel : Intermedio
Los límites y los fallos de los agentes de IA hoy
Por La redacción de Info Agent IA ·
Los agentes de IA todavía fallan a menudo por cinco motivos: errores que se arrastran de un paso a otro, información inventada, trampas ocultas en las páginas que leen, un coste que sube rápido y webs que les cierran la puerta. Estos límites no impiden usarlos, pero obligan a elegir bien qué se les confía y a mantener el control de las acciones importantes.
Por qué un agente falla más que un chatbot
Un chatbot responde a una pregunta: si se equivoca, usted lee una respuesta errónea. Un agente de IA, en cambio, recibe un objetivo y encadena por sí solo varias acciones para alcanzarlo: buscar, hacer clic, rellenar, enviar. Cada paso es una nueva ocasión de error, y el error ya no se queda en la pantalla: puede convertirse en una acción.
Si el tema es nuevo para usted, nuestra guía completa sobre los agentes de IA explica primero cómo funcionan. Aquí nos fijamos en lo que se rompe.
| Límite | Qué ocurre | Su protección |
|---|---|---|
| Errores en cadena | Un pequeño error inicial distorsiona todo lo demás | Dividir la tarea, revisar los pasos clave |
| Alucinaciones | El agente inventa un dato o dice haber terminado | Comprobar el resultado, no el informe |
| Inyección de prompts | Una página trampa desvía al agente | Limitar sus accesos, validar las acciones sensibles |
| Coste | Una tarea consume muchas llamadas al modelo | Calcular antes, fijar límites |
| Webs que bloquean | Acceso denegado, captcha, cuenta suspendida | Tener un plan B manual |
Los errores en cadena
Un agente avanza en bucles: observa, decide, actúa y vuelve a observar el resultado. Nuestro artículo sobre cómo toma decisiones un agente de IA detalla este ciclo. Su punto débil es sencillo: cada decisión se apoya en la anterior. Si el agente lee mal una fecha al principio, reserva el día equivocado, avisa luego a la persona equivocada, y todo se encadena con una coherencia aparente impecable.
También se observan bucles (el agente repite sin fin la misma acción), abandonos silenciosos y errores de lectura en páginas mal construidas. Cuanto más larga es la tarea, más probable es que ocurran estos accidentes.
La lección vale para cualquier uso: un agente puede cumplir la tarea pedida y estropear otra cosa por el camino. Revise el resultado final, no solo el mensaje de «hecho».
Las alucinaciones, versión agente
Una alucinación es una información falsa afirmada con total seguridad. En un agente adopta formas particulares: inventar un número de pedido para rellenar un campo obligatorio, citar una página que nunca abrió de verdad o anunciar que un correo ha salido cuando sigue en borradores.
Este último caso es el más traicionero. El informe del agente también lo genera el modelo, así que puede ser tan falso como el resto. Abra la carpeta, la bandeja de salida o la cesta para ver qué ha pasado realmente.
Póngase a prueba Un agente le dice: «Su cita está confirmada para el jueves a las 10:00». ¿Qué hace antes de apuntarla?
Comprueba la prueba en su origen: el correo de confirmación de la consulta, su área de cliente en la web o su calendario. El mensaje del agente es un resumen generado por un modelo de lenguaje, no una prueba de que la acción se haya completado.
La inyección de prompts: cuando una página da órdenes
Es el riesgo más propio de los agentes. A un modelo de lenguaje le cuesta distinguir las instrucciones de su usuario del texto que está leyendo. Una frase oculta en una página web o un correo, por ejemplo escrita en blanco sobre fondo blanco, puede ordenarle algo distinto de lo que usted pidió. Es la inyección de prompts.
En un chatbot, el resultado es una respuesta extraña. En un agente conectado a su correo o a sus cuentas, puede ser un reenvío de mensajes o una compra. Los agentes de navegador como Comet están especialmente expuestos, porque leen páginas escritas por cualquiera con sus sesiones abiertas. Nuestra guía de agentes de navegador recoge los buenos hábitos.
La mejor defensa sigue siendo estructural: un humano en el bucle para cualquier pago, envío o borrado, y un entorno aislado, es decir, un espacio donde el agente solo accede a lo estrictamente necesario.
El coste: una tarea, decenas de llamadas
Una pregunta a un chatbot es un solo viaje de ida y vuelta al modelo. Una tarea de agente es una sucesión de llamadas: en cada paso, el agente reenvía al modelo las instrucciones, el historial y lo que acaba de ver. El volumen de tokens, esos fragmentos de palabras que sirven de unidad de facturación, sube por tanto deprisa, y el coste también.
Las diferencias de precio entre modelos son enormes. A 22 de octubre de 2026, según models.dev, el precio por millón de tokens de entrada va de 0,10 $ para Claude Haiku 5.5 o GPT-6 Luna a 10 $ para GPT-6 Astra:
- Claude Haiku 5.50,10 US$
- GPT-6 Luna0,10 US$
- Claude Sonnet 5.52 US$
- Claude Opus 5.54 US$
- GPT-6 Astra10 US$
Para el gran público, este coste se nota de otra forma: funciones de agente reservadas a las suscripciones, créditos que se agotan o cuotas mensuales. En Perplexity, por ejemplo, el asistente que actúa dentro de Comet no está incluido en el plan gratuito. Antes de lanzar un proyecto, la calculadora de coste de un agente le da un orden de magnitud.
Las webs que cierran la puerta a los agentes
Último límite, y no el menor: una parte de la web no quiere agentes. El 4 de noviembre de 2025, Perplexity publicó un artículo, «Bullying is not innovation» (consultado el 22 de octubre de 2026), en el que denuncia un requerimiento legal de Amazon que exigía impedir a los usuarios de Comet comprar en Amazon con su agente.
El asunto ganó peso en otoño de 2026. En un artículo del 6 de octubre de 2026 (consultado el 22 de octubre de 2026), Meta admite que el responsable de una web puede preocuparse con razón por los agentes personales, como su propio agente Muse: «picos de carga, abusos, responsabilidad». La empresa responde que rechazar a un agente personal es rechazar al cliente que hay detrás y propone un protocolo abierto, el Personal Agent Protocol, para regular estos intercambios.
Incluso sin una prohibición explícita, un agente puede tropezar con los sistemas antibots: captchas, verificaciones de identidad, cuentas marcadas por actividad sospechosa. Estas protecciones apuntan a programas maliciosos, pero un agente se parece mucho a un programa.
Memoria corta y tareas largas
Un agente solo retiene lo que cabe en su ventana de contexto, la cantidad de texto que el modelo puede procesar de una vez. En una tarea larga, las instrucciones iniciales, una condición mencionada de pasada o una preferencia expresada el día anterior pueden quedar fuera de su alcance. El agente sigue entonces con seguridad, pero sobre una base incompleta. Conviene repetir las condiciones importantes en cada nueva etapa o escribirlas en un documento que el agente vuelva a leer.
Lo que sigue siendo incierto
Estos límites explican por qué la autonomía total sigue siendo rara, como contamos en ¿pueden los agentes de IA autónomos trabajar realmente solos?. Antes de delegar, examine su tarea:
Preguntas frecuentes
¿Puede un agente de IA equivocarse sin decírselo?
Sí. Un agente puede saltarse un paso, leer mal una página o anunciar que una tarea está terminada cuando no lo está. Compruebe siempre el resultado final, sobre todo cuando afecta a dinero, mensajes enviados o archivos modificados.
¿La inyección de prompts es realmente peligrosa para un particular?
El riesgo es real en cuanto un agente lee páginas o correos escritos por desconocidos mientras tiene acceso a sus cuentas. Una instrucción oculta puede intentar desviarlo. Limite sus accesos, use un perfil separado y valide usted mismo las acciones sensibles.
¿Por qué algunas webs rechazan a los agentes de IA?
Los responsables de las webs alegan seguridad, carga en sus servidores, fraude o pérdida del contacto directo con el cliente. Los sistemas antibots, pensados contra programas maliciosos, también suelen bloquear a los agentes. Así, una tarea puede fallar sin que el agente tenga la culpa.
¿Un agente de IA cuesta más que un chatbot?
Por lo general sí, porque el agente encadena muchas llamadas al modelo para una sola tarea y vuelve a leer su contexto en cada paso. Por eso las funciones de agente suelen reservarse a los planes de pago o descontarse en créditos.