El sábado pasado por la noche, Xu Yuting (una persona ilustrativa — gerente de operaciones de marketing en una marca de comercio electrónico de cuidado de la piel en Taichung, no un cliente real) estaba revisando su teléfono cuando abrió un video de YouTube sobre “tendencias de AI Agent,” solo para matar el tiempo. En cambio, la dejó queriendo respuestas en cuanto llegó a la oficina el lunes. Abrió la carpeta de “plantillas de prompts” que había estado guardando desde hacía casi un año, con la intención de agregar unas diapositivas nuevas para la capacitación del equipo, y pegó la línea que más usaba — “quiero que actúes como un experto senior en marketing, por favor planifícalo en cinco pasos...” — en el cuadro de chat para mostrárselo a una nueva integrante.

La respuesta la dejó desconcertada: el modelo le preguntó directamente, “¿Puedes simplemente decirme cómo quieres que se vea el resultado final? No hace falta que me asignes un rol primero.” La nueva integrante preguntó en voz baja: “¿La plantilla ya quedó obsoleta?” Xu Yuting no supo qué responder. Decidió pasar la semana comparando, una por una, las seis tendencias de AI Agent del video con el trabajo real de su equipo, para ver cuáles valía la pena seguir de verdad y cuáles eran solo moda.

Lunes: la Verdadera Razón por la que su Carpeta de Plantillas Quedó Desmentida

La primera tendencia del video fue directa: a medida que los modelos se vuelven más inteligentes, los usuarios ya no necesitan memorizar prompts tipo conjuro como “por favor actúa como...” — basta con decir lo que se necesita de forma clara y concreta, y el resultado de la IA se acerca cada vez más a lo que uno tiene en mente. Esto no ocurre solo con texto: lo mismo pasa con la generación de imágenes. Donde antes Midjourney requería un montón de proporciones y códigos de estilo, muchos modelos de imagen más nuevos ahora permiten decir en lenguaje simple, “pon el título principal en rojo y cambia el fondo a azul claro,” y el ajuste queda hecho.

Xu Yuting probó quitarle a tres plantillas que su equipo usaba con frecuencia la apertura de asignación de rol, y en su lugar describió lo que necesitaba directamente en lenguaje simple. La calidad del resultado no bajó — si acaso, quedó más cerca de lo que quería. Empezó a sospechar que parte del tiempo que había dedicado el último año a coleccionar y organizar plantillas quizás realmente se había invertido mal.

Martes: Lo que la IA Aprende una Vez, lo Recuerda — y hasta lo Combina por su Cuenta

La segunda tendencia son los “Skills” — guardar un flujo de trabajo ya perfeccionado como un instructivo que la IA recuerda, de modo que la próxima vez una sola frase lo reproduce exactamente igual, y además se puede seguir corrigiendo y actualizando. El video señala que herramientas dominantes como Claude, Claude Code, Cowork, Codex y Cursor ya soportan mecanismos similares. El enfoque que realmente funciona no es sentarse a escribir de entrada un documento de proceso perfecto, sino dejar que la IA complete primero una tarea concreta, y solo pedirle que guarde ese proceso una vez que el resultado sea satisfactorio.

Más importante aún: cuando se acumulan suficientes Skills, la IA empieza a combinarlas por su cuenta — por ejemplo, si existen Skills separados de “buscar datos” y “escribir informe semanal,” basta con decir “arma el informe de esta semana” para que la IA los encadene automáticamente, sin necesidad de guiarla paso a paso. Xu Yuting guardó como Skill el flujo recurrente de “primer borrador de copy de producto nuevo” de su equipo, y al día siguiente una compañera lo invocó directamente, ahorrando el tiempo que habría tomado explicar el proceso de nuevo.

Miércoles: Se Había Acostumbrado a Usar Cinco o Seis Herramientas — Hasta que Probó una Plataforma que lo Hacía Todo

La tercera tendencia es el surgimiento de plataformas de agentes de propósito general — el video menciona como ejemplos a Claude Cowork de Anthropic y Codex de OpenAI. Lo que distingue a estas plataformas es que redactar documentos, armar presentaciones, escribir código e incluso publicar una página web terminada en vivo puede hacerse todo dentro de una sola interfaz, sin cambiar entre cinco o seis programas distintos. El video también menciona que estas plataformas incluyen un navegador integrado, que permite a la IA buscar en internet y hacer clic en enlaces por sí sola.

El equipo de Xu Yuting solía usar una herramienta para responder a servicio al cliente, otra para programar publicaciones en redes sociales, y una tercera para redactar copy de producto — solo cambiar entre sesiones ya consumía bastante tiempo. Consolidó los borradores de servicio al cliente y el copy de redes sociales en la misma plataforma general durante una semana de prueba, y de verdad se redujo mucho el tiempo fragmentado de “cambiar de pestaña.” Pero se recordó a sí misma que una plataforma que funciona bien no significa automáticamente que el uso salga más barato — algo que planeaba revisar de verdad el viernes.

Jueves: la Automatización Ya no Necesita Vigilancia — Tampoco la Billetera, y ese es el Problema

La cuarta tendencia es la automatización en segundo plano — con una sola instrucción, como “todas las mañanas a las 8:30, resume las noticias del sector de ayer en cinco puntos y envíamelos,” la IA la ejecuta automáticamente según el horario, sin el aprendizaje técnico que antes exigían herramientas como Zapier o Make.com para configurar disparadores. El video también menciona el más vanguardista “computer use,” donde un AI Agent opera directamente el mouse y el teclado y toma control del navegador; el creador especula personalmente que la destreza de la IA para operar una computadora podría superar a la de los humanos en uno a año y medio — esta es una observación y especulación personal del creador, no un dato oficial ni una conclusión de investigación académica — y la función en sí todavía se está desplegando por fases, así que no todas las cuentas tienen acceso todavía.

Con ganas de experimentar, Xu Yuting configuró tres tareas automatizadas — rastrear la actividad en redes sociales de la competencia, resumir los puntos clave de los correos de servicio al cliente, y redactar el borrador diario de publicaciones en redes sociales — y conectó las tres al modelo insignia mejor calificado de su equipo, configurado para correr en segundo plano toda la semana, sin volver a revisarlas.

El Punto de Quiebre: la Alerta de Factura del Viernes Reveló el Costo de que Nadie Vigilara la Billetera

Al revisar el uso de la semana el viernes, Xu Yuting se dio cuenta de que el problema no era si las herramientas eran buenas — era que había conectado tareas repetitivas y cotidianas que no requerían mucha precisión, como “rastrear la actividad de la competencia” y “resumir correos de servicio al cliente,” al modelo insignia más caro, configurado para correr automáticamente toda la semana, sin ponerle un tope a nada. El video precisamente también tocó el otro lado del mismo fenómeno: los modelos de frontera más avanzados de hoy siguen siendo caros — alguien compartió un caso de prueba real donde, usando solo conversación con el modelo de gama más alta para construir una aplicación móvil, en aproximadamente nueve o diez intercambios, se quemaron varios cientos de dólares estadounidenses — este es un caso compartido en el video, no una referencia de precios oficial, y el gasto real variará mucho según el alcance de la tarea y la versión del modelo. Al mismo tiempo, el video también señala que los modelos de código abierto están alcanzando rápidamente, con una experiencia ya muy cercana a la de los modelos insignia — especialmente en trabajo cotidiano como diseño web, donde la brecha es pequeña pero el precio puede ser una fracción del costo; el video menciona además que algunos de los mejores modelos de código abierto actuales vienen de China — esta también es una observación personal del creador; los rankings cambian rápido con cada nueva versión de modelo, y la selección real de modelo debería basarse en los benchmarks públicos más recientes, no tomarse como una conclusión definitiva.

Solo entonces Xu Yuting se dio cuenta de que, en una semana persiguiendo seis tendencias, se le había escapado lo único que realmente importaba: nunca había definido un “Token Budget” para la empresa — pensar primero qué tareas merecen el modelo insignia más caro (únicas, importantes, costosas si algo sale mal), y cuáles deberían asignarse a un modelo económico o de código abierto (repetitivas, con exigencias de precisión más bajas) — en lugar de dejar que un sistema automatizado ejecute todo con el mismo modelo más caro indefinidamente.

El Final: lo que Llevó al Taller de la Semana Siguiente ya no fue la Carpeta de Plantillas

En la capacitación del lunes siguiente, Xu Yuting ya no volvió a abrir la carpeta de plantillas de prompts. Lo que llevó fue una tabla recién hecha, que dividía las tareas comunes del equipo en dos columnas — “vale la pena usar el modelo insignia” y “está bien con un modelo económico” — con una nota junto a cada categoría indicando el volumen real de Tokens gastado esa semana. Lo primero que le dijo a su equipo ya no fue “así se escribe un mejor prompt,” sino: “antes de conectar cualquier tarea automatizada de aquí en adelante, primero hay que pensar qué nivel de modelo debería usar, y recién después decidir si se conecta.”

Escribió esa frase como el primer punto de la “lista de verificación para lanzar automatizaciones” del equipo, y la pegó en el lugar de la carpeta donde antes estaban las plantillas de prompts — la misma carpeta que la había dejado desconcertada aquel lunes por la mañana. Lo que guarda ahora ya no son conjuros. Son reglas.

Preguntas Frecuentes

¿Realmente ya no hace falta memorizar plantillas de prompts?

No del todo, pero la dependencia de ellas está bajando de verdad. La tendencia es que los modelos entienden cada vez mejor las solicitudes concretas expresadas en lenguaje simple — decir lo que se necesita de forma clara y específica importa más que recitar una fórmula fija. Esta es una observación que el creador del video sacó de pruebas prácticas; no aplica a todas las tareas ni a todos los modelos, y las tareas complejas o de alta precisión todavía pueden necesitar prompts más estructurados.

¿Cuál es la diferencia entre los Skills y las plantillas de prompts?

Una plantilla de prompt es una frase fija que hay que pegar de nuevo cada vez; un Skill guarda un flujo de trabajo ya perfeccionado como un instructivo que la IA recuerda, que luego puede invocarse de nuevo con una sola frase, seguir actualizándose con el tiempo, e incluso encadenarse automáticamente con otros Skills.

¿Necesita una empresa adoptar varias plataformas de AI Agent a la vez?

No necesariamente. La tendencia muestra que las plataformas de agentes de propósito general (como Claude Cowork y Codex) están consolidando muchos tipos de trabajo distinto en una sola interfaz. En lugar de agonizar sobre qué herramienta aprender, elegir una plataforma con la que el equipo se sienta cómodo suele ser más eficiente que mantener cinco o seis sistemas separados al mismo tiempo.

¿Qué es un Token Budget y por qué lo necesita una empresa?

Un Token Budget significa que la empresa define de antemano un presupuesto manejable y reglas de niveles para su uso y gasto de IA — por ejemplo, qué tareas usan un modelo insignia y cuáles se enrutan a un modelo económico o de código abierto — para evitar que un sistema automatizado corra todo con el modelo más caro sin supervisión, lo que lleva a facturas descontroladas. Esto importa especialmente a medida que la automatización y la colaboración multi-agente se vuelven más comunes.

¿Los modelos de código abierto pueden realmente reemplazar a los modelos insignia?

En algunos trabajos cotidianos, muy repetitivos y que no exigen tanta precisión, la brecha genuinamente se está achicando — pero esta evaluación cambia rápido con cada versión de modelo, así que conviene revisarla contra benchmarks públicos o contra casos de uso reales propios para la tarea específica, en lugar de sacar una conclusión directamente de un solo video.

Nota sobre la Fuente

Este artículo está adaptado de un video publicado el 1 de agosto de 2026 por el canal de YouTube 李廠長來了 (“El Director Li Ya Llegó”), titulado ¡Estas 6 Tendencias de AI Agent Cambiarán por Completo tu Forma de Trabajar en el Próximo Año!, reorganizado y reescrito en formato narrativo, no traducido palabra por palabra. “Xu Yuting” en este artículo es una persona ilustrativa usada con fines explicativos, no un cliente real. Afirmaciones de este artículo como “la destreza de la IA para operar una computadora podría superar a la de los humanos en uno a año y medio,” “los mejores modelos de código abierto actuales vienen de China,” y “un solo caso quemó varios cientos de dólares estadounidenses en aproximadamente nueve o diez intercambios para construir una aplicación” son todas observaciones personales, especulaciones o casos individuales compartidos por el creador del video original — no datos oficiales, investigación académica ni referencias de precios verificables — y los resultados reales variarán de forma significativa según la versión del modelo, el tipo de tarea y el momento. Los juicios de tendencia en este artículo son solo de referencia; antes de una adopción real, los lectores deben consultar la documentación oficial de cada plataforma y los benchmarks públicos más recientes.

Actúa Ahora

Las tendencias de AI Agent siguen llegando una tras otra, pero lo que realmente determina si tu factura se mantiene bajo control es si has trazado una línea clara para cada tarea automatizada sobre qué nivel de modelo debería usar. Prueba AI Token King gratis, y déjanos mostrarte exactamente cuánto Token están consumiendo de verdad los distintos Agents y Skills, para que puedas definir el Token Budget correcto para tu equipo.