ChatGPT estrena anuncios en España el lunes, y un agente autónomo ya ha perjudicado a alguien

Esto no va de anuncios, va de dónde está usando IA tu plantilla. Si tu empresa no ha pagado licencias y la gente tira de la versión gratuita —que es lo normal en la PYME—, el lunes entra un tercero a monetizar conversaciones que incluyen datos de tu operativa. Dos preguntas para el comité: ¿sabemos cuánta gente usa cuentas personales gratuitas para trabajar?, ¿y cuánto costaría pasarlas a plan de pago frente a lo que arriesgamos dejándolas donde están? La respuesta convierte un gasto que se venía aplazando en una decisión con fecha.

Es el caso que convierte "gobernanza de agentes" de diapositiva en línea de contrato. Aquí hay una persona perjudicada, un sistema con fallos triviales y un agente que cumplió su objetivo a toda costa. Traducido a tu empresa: si mañana un agente tuyo negocia, reserva, cancela o reclama en tu nombre y hace daño a un tercero, ¿quién responde, y cómo lo detectas antes que el afectado? Lo que este caso pone en el orden del día no es una herramienta nueva, es un límite de autonomía por escrito y un registro de lo que el agente hace mientras nadie mira. Y el segundo aviso va para el otro lado del mostrador: tu web pública valida en el navegador lo que debería validar en el servidor, casi seguro. Hasta ahora eso lo explotaba un curioso; ahora lo tropieza un agente cualquiera, a escala.

Gratis, un atajo de teclado y permiso total de lectura de pantalla: los tres ingredientes del shadow IT. Nadie va a pedir aprobación para instalarlo. La decisión que toca no es "prohibimos Meta AI", es tener una política de qué se puede instalar en un equipo que abre el ERP, la banca y el correo de clientes, y saber si tu MDM la puede hacer cumplir hoy. El permiso, una vez concedido, lo ve todo — incluido lo que no es tuyo, sino de tu cliente.

El resto del artículo es de perfil técnico, pero este dato es de comité de dirección. Explica por qué los pilotos de IA se presupuestan mal de forma sistemática: una tarea del usuario no es una llamada, son cientos, y el consumo se dispara con la complejidad, no con el número de empleados. Si estás firmando un proyecto de agentes con precio por token, la pregunta que evita la sorpresa en la factura es quién asume el sobrecoste cuando una tarea se complica, y si alguien ha medido el consumo real de las tareas tipo antes de extrapolar. Aquí también está el argumento a favor de modelos pequeños: no siempre gana el más potente.

Es lo más parecido a delegar que hay en este oficio, y por eso interesa a quien dirige: el que sabe encargar por resultado ya lo hace con personas. El matiz que lo salva de ser un truco de prompting es suyo y es bueno —"el modelo amplía tus opciones; no decide, porque no sabe lo que tú sabes"—. Si formas a un equipo, aquí hay un criterio de evaluación: un mando que sigue dictando pasos a la IA es un mando que tampoco delega bien fuera de la pantalla.