Qué es Windows agéntico y por qué está generando tanta polémica

W11 » Noticias sobre Windows 11 » Qué es Windows agéntico y por qué está generando tanta polémica

En los últimos meses, Microsoft ha empezado a hablar de Windows como un “sistema operativo agéntico”, una etiqueta que ha encendido todas las alarmas entre buena parte de la comunidad. Mientras en Redmond lo presentan como el siguiente gran salto gracias a la inteligencia artificial, muchos usuarios perciben justo lo contrario: más complejidad, más dependencia de la nube y, sobre todo, más formas de exprimir y monetizar al usuario.

Al mismo tiempo, el término “agéntico” se ha puesto de moda mucho más allá de Windows: aparece en marcos de IA, en plataformas low-code para empresas y en todo tipo de herramientas que prometen automatizar procesos completos sin apenas intervención humana. El problema es que se habla tanto de ello que a menudo es difícil entender de qué va exactamente. Vamos a desmenuzarlo con calma.

Qué es un sistema operativo agéntico en Windows

Cuando Microsoft habla de que Windows evoluciona hacia un sistema agéntico, se refiere a un sistema donde la inteligencia artificial deja de ser un simple asistente al que haces preguntas para convertirse en un conjunto de “agentes” capaces de tomar iniciativa dentro del propio sistema operativo.

Según Pavan Davuluri, presidente de la división de Windows, la idea es conectar dispositivos, nube e IA para “impulsar la productividad inteligente y garantizar un trabajo seguro desde cualquier lugar”. Traducido: Windows ya no sería solo una interfaz que espera tus clics, sino una plataforma que puede actuar por su cuenta, lanzar procesos, coordinar aplicaciones y mover datos según unos objetivos marcados.

En esta visión, Copilot y otros asistentes se integran profundamente en la barra de tareas y en el propio escritorio. Funciones como “Ask Copilot” permiten activar agentes de IA con un clic, tanto los de Microsoft (por ejemplo, Microsoft 365 Copilot) como otros creados por terceros. Estos agentes pueden trabajar en segundo plano: tú sigues usando el PC, y ellos te avisan cuando terminan una tarea o necesitan tu aprobación.

Para sostener todo esto, Microsoft está impulsando el Model Context Protocol (MCP), un sistema que permite a los agentes descubrir qué aplicaciones hay instaladas, acceder a archivos concretos, interactuar con servicios del sistema e incluso colaborar entre ellos para completar tareas de varios pasos, como resumir documentos, enviar correos, recopilar datos de diferentes fuentes o automatizar flujos de trabajo.

Reacción de la comunidad: entusiasmo mínimo, rechazo máximo

El problema para Microsoft es que, cada vez que saca pecho del futuro agéntico de Windows, la respuesta en redes es un baño de realidad. La publicación de Davuluri en X (Twitter) se llenó de críticas y de usuarios diciendo, básicamente, que nadie había pedido esto.

Uno de los mensajes más compartidos resumía el sentir general con bastante contundencia: “Terminen con este sinsentido. Nadie quiere esto. Viven en una burbuja de Twitter donde la IA creará toneladas de riqueza, y perecerás a menos que la adoptes ahora. Pero sus usuarios no están en la burbuja. No les importa nada de esta m**rda. Chatean con ChatGPT y eso es todo.” Muchos otros comentarios iban en la misma línea: gente que se ha pasado a Linux o macOS, usuarios que hablan de que Microsoft “ha destruido un producto que ya era defectuoso” o peticiones muy concretas, como que habiliten las versiones LTSC para su venta al público general.

No se trata solo de una reacción instintiva a la buzzword de moda. El cabreo viene de lejos: aumentos constantes de anuncios en el sistema, insistencia en usar cuenta de Microsoft, intentos de forzar servicios como OneDrive o Teams -reconociendo incluso que afectan al rendimiento- y una sensación clara de que el sistema está diseñado más para monetizar que para facilitar la vida al usuario.

Además, la estabilidad y la experiencia de uso de Windows 10 y 11 tampoco ayudan. Actualizaciones problemáticas, cambios continuos en la interfaz, funciones que aparecen y desaparecen… muchos usuarios reclaman que, antes de reinventar Windows alrededor de la IA, Microsoft debería centrarse en tener un sistema sólido, coherente y sin quebraderos de cabeza.

Los datos de uso refuerzan esta sensación: la cuota de mercado de Windows en escritorio ha ido a la baja. Estudios como los de Statcounter muestran que ha pasado de cerca del 90% en 2015 a alrededor del 66% en 2025. En ese mismo periodo, macOS ha subido aproximadamente del 9% al 15% y Linux del 1% a cerca del 4%. No es que Windows haya dejado de dominar, pero esa hegemonía ya no es tan intocable.

Caso práctico polémico: agentes de IA en Windows 11 y problemas de seguridad

El enfoque agéntico de Microsoft no se queda en teoría. Windows 11 ya está recibiendo funciones experimentales de agentes de IA que muestran muy bien el tipo de cosas que buscan… y también las preocupaciones que generan.

En la compilación 26220.7262 de Windows 11 se ha añadido una opción llamada “Funciones experimentales de agentes” dentro del apartado de componentes de IA. Se trata de características opcionales que el usuario tiene que activar manualmente, y que traen agentes capaces de automatizar tareas bastante sensibles.

Un ejemplo típico que se ha puesto sobre la mesa es el de un agente capaz de gestionar una compra online completo por ti: abre el navegador, busca el producto, rellena los datos de la tarjeta y la dirección… todo de forma automatizada. Suena comodísimo, pero también es una puerta enorme a problemas de seguridad si algo sale mal o un atacante consigue manipular el agente.

Y no es una paranoia: Microsoft reconoce en la propia configuración que estas funciones están en pruebas y pueden afectar al rendimiento o a la seguridad del dispositivo. Los expertos en ciberseguridad ya han avisado de que los agentes de IA han demostrado tener vulnerabilidades importantes, muchas de ellas nuevas respecto a las de aplicaciones tradicionales.

Se han descrito escenarios en los que un simple correo con un documento o enlace malicioso puede aprovechar la lógica del agente para acceder a información sensible (datos personales, información bancaria) o para conseguir que ejecute acciones no deseadas. Además, existe el riesgo de “secuestrar” al propio agente modificando sus instrucciones internas para usarlo como vector de ataque, por ejemplo ayudando a instalar malware o filtrando datos de tarjetas de crédito.

Microsoft insiste en que el diseño incluye barreras: los agentes de IA funcionan dentro de un “Espacio de Trabajo de Agentes” aislado, con acceso limitado a documentos y con registro de todas sus acciones para posterior revisión. Según la compañía, esto hace improbable que puedan dejar el entorno controlado sin que el usuario lo vea. Aun así, buena parte de la comunidad no termina de fiarse, sobre todo cuando se combina con un historial reciente de decisiones cuestionables en privacidad y telemetría.

El tono de algunas críticas es demoledor. En foros como Tech Power, hay usuarios que hablan de que lanzar estas funciones, aunque sean opcionales, demuestra que Microsoft ha llevado Windows a una “degradación abominable” desde los tiempos de Windows 7. Y no son comentarios aislados: el descontento con la deriva del sistema es bastante amplio.

Un Windows que quiere que hables (y trabajes) con tu PC

Dentro de esta apuesta por lo agéntico, Microsoft también está potenciando la interacción por voz y el uso intensivo de Copilot. Comandos como “Hey Copilot” pretenden que, en lugar de usar siempre teclado y ratón, empecemos a hablar con el ordenador para pedirle que haga cosas: abrir apps, resumir documentos, lanzar automatizaciones o resolver tareas de varias etapas.

La realidad, de momento, es tozuda. Los usuarios estamos bastante más dispuestos a usar la voz en el móvil que en el PC. Las cifras lo dejan claro: alrededor de un 77% de usuarios usan la búsqueda por voz en el teléfono, mientras que solo un 38% afirman hacerlo en ordenador. Tiene lógica: solemos usar el PC en entornos compartidos (oficinas, aulas, salas con más gente), donde no siempre apetece ponerse a dictar instrucciones en voz alta.

Al mismo tiempo, Microsoft está ligando cada vez más funciones a la cuenta online. Windows 11 prácticamente obliga a iniciar sesión con una cuenta de Microsoft para poder utilizarlo con normalidad, lo que abre la puerta a sincronizar datos, empujar OneDrive, vender Microsoft 365, integrar Teams, etc. Desde el punto de vista de negocio tiene todo el sentido; desde el del usuario que solo quiere un sistema estable y discreto, es otro motivo de irritación.

Todo esto se suma a un contexto donde la cuota de mercado de Windows ya no es tan aplastante como antes. Ha habido periodos con bajadas del sistema coincidiendo con subidas notables de macOS, y cada vez más gente se plantea seriamente dar el salto a otras plataformas, especialmente quienes están hartos de notificaciones, anuncios integrados y cambios en la interfaz.

Qué significa “agéntico” en el mundo de la IA

Más allá de Windows, el término “agéntico” viene del concepto de “agentes inteligentes” o “agentes autónomos” en inteligencia artificial. No hablamos de simples scripts, sino de entidades de software que perciben el entorno, toman decisiones por sí mismas, aprenden con la experiencia y colaboran con otros agentes o con humanos para alcanzar objetivos complejos.

En lugar de tener un bloque monolítico de lógica “si pasa esto, haz esto otro”, un sistema agéntico se construye a partir de múltiples agentes especializados: uno que valida documentos, otro que evalúa riesgos, otro que se encarga de hablar con el usuario, otro que coordina APIs externas, etc. Cada uno tiene su propósito, pero todos se comunican y cooperan como si fueran un equipo.

Los marcos de IA agéntica combinan varias técnicas avanzadas: aprendizaje profundo, aprendizaje por refuerzo, razonamiento simbólico y modelos de lenguaje. El objetivo es que el agente no se limite a reaccionar a una única entrada, sino que pueda planificar varios pasos por adelantado, ajustar su estrategia según cambie el contexto y trabajar junto a otros agentes u operadores humanos.

En la práctica, un agente agéntico debería ser capaz de gobernarse a sí mismo dentro de ciertos límites: define subobjetivos, evalúa el resultado de sus acciones, modifica su comportamiento según la retroalimentación y mantiene memoria de lo ocurrido. De ahí que mucha gente lo vea como “el primer paso serio hacia una IA que parece consciente de lo que hace”, aunque en realidad siga siendo un sistema estadístico muy sofisticado.

El flujo básico de trabajo de estos agentes suele incluir tres fases clave: percepción de datos, razonamiento/planificación y ejecución/adaptación. Primero, recopilan información (texto, audio, vídeo, sensores, histórico de acciones), después deciden qué hacer con eso y, por último, ejecutan acciones concretas mientras monitorizan el resultado para seguir aprendiendo.

Cómo funcionan los marcos de IA agéntica paso a paso

Para entender mejor estos marcos, viene bien ver cómo ejecuta tareas un agente de IA típico dentro de un entorno agéntico. No es tan diferente de cómo trabajaría una persona con buenas herramientas y mucha disciplina.

En primer lugar está la fase de percepción y procesamiento de datos. Un agente puede recoger información de muy diversas fuentes: cámaras, micrófonos, sensores IoT, registros de actividad, documentos, correos, bases de datos… Un coche autónomo, por ejemplo, utiliza cámaras, LIDAR, GPS y múltiples sensores para “ver” la carretera, mientras que un agente de reuniones analiza audio, vídeo y texto para entender qué se está discutiendo y cuál es el tono de la conversación.

Después viene el razonamiento y la planificación. Aquí es donde se usan modelos de predicción, reglas lógicas, redes neuronales o aprendizaje por refuerzo para decidir cuál es el mejor curso de acción posible. Un agente de gestión de proyectos podría analizar tareas abiertas, plazos y carga de trabajo del equipo para detectar cuellos de botella y reorganizar prioridades antes de que el proyecto se atrase.

Por último llega la ejecución de decisiones y la adaptación continua. El agente actúa: envía correos, modifica configuraciones, toma decisiones de trading, asigna recursos o incluso controla dispositivos físicos. Con cada acción, recoge de nuevo datos del entorno y evalúa si sus decisiones han sido buenas o malas, ajustando su estrategia futura. Es un bucle de prueba y error constante, pero guiado por algoritmos que buscan maximizar el cumplimiento de sus objetivos.

Un ejemplo concreto: agentes de ventas impulsados por IA pueden analizar las interacciones con clientes, predecir qué leads tienen más probabilidades de convertirse y adaptar el contenido o el momento de contacto para cada caso. A medida que reciben feedback (conversiones, respuestas, rebotes), van refinando su forma de actuar para ser más efectivos en la siguiente iteración.

Soluciones agénticas en entornos low-code: la otra cara de la moneda

Mientras el usuario doméstico discute si quiere o no más IA en su Windows, en el mundo empresarial el enfoque agéntico está calando con fuerza, sobre todo cuando se combina con plataformas de desarrollo low-code como Mendix, OutSystems o GeneXus Next.

En este contexto, una “solución agéntica” es un conjunto de aplicaciones y agentes de IA que automatizan procesos de negocio complejos sin que los equipos de TI tengan que programarlo todo a mano. Las plataformas low-code proporcionan interfaces visuales, módulos preconfigurados e integraciones listas con modelos de IA, APIs y sistemas corporativos (ERP, CRM, etc.).

El gran atractivo es que se pueden construir aplicaciones impulsadas por agentes autónomos con mucha más rapidez y menos código. Las empresas reducen tiempos de desarrollo, acortan el time-to-market y pueden experimentar con pilotos relativamente baratos antes de desplegar soluciones a gran escala.

Entre los beneficios que se destacan habitualmente del desarrollo agéntico sobre low-code están la autonomía inteligente (los agentes toman decisiones sin supervisión constante, reduciendo errores humanos), la adaptabilidad y el aprendizaje continuo (se actualizan con datos históricos y en tiempo real), la colaboración multisistema (hablan con sistemas heredados, ERPs, CRMs y APIs diversas) y la escalabilidad modular (se pueden añadir nuevos agentes o funciones sin rehacer todo el sistema).

En lugar de una aplicación rígida y centralizada, el resultado es un ecosistema de agentes distribuidos que responde de forma dinámica al comportamiento del usuario y a los cambios del entorno del negocio. Y lo más interesante: buena parte de ese comportamiento puede modelarse visualmente, sin necesidad de tener un ejército de desarrolladores especializados.

Casos de uso reales de soluciones agénticas low-code

Para aterrizar el concepto, conviene mirar algunos ejemplos de cómo se están usando ya estos sistemas en empresas de distintos sectores. No es ciencia ficción; son proyectos en producción con impacto medible.

En logística, una cadena de retail puede implementar agentes que optimicen rutas de entrega en tiempo real. Cada agente analiza variables como tráfico, meteorología, disponibilidad de stock o ventanas horarias del cliente. En función de eso, recalcula rutas y reasigna pedidos para minimizar kilómetros y retrasos. En un caso reportado, este enfoque permitió reducir en torno a un 25% los costes logísticos.

En el sector financiero, un banco puede desarrollar con low-code un sistema agéntico que analice el comportamiento de sus clientes, clasifique automáticamente los gastos, gestione alertas de movimientos inusuales y proponga recomendaciones de inversión adaptadas al perfil de cada usuario. El resultado: mayor satisfacción de los clientes digitales y menos carga manual para los equipos de back office, con incrementos de hasta un 30% en los indicadores de satisfacción.

En manufactura, agentes conectados a sensores IoT supervisan la maquinaria en tiempo real, detectan patrones que anticipan fallos y programan mantenimientos preventivos sin esperar a que la máquina se rompa. Fabricantes del sector automotriz han reportado reducciones de alrededor del 40% en tiempos de inactividad aplicando este tipo de sistemas.

En atención al cliente, aseguradoras y otras empresas de servicios ya están desplegando asistentes agénticos multicanal que atienden consultas por chat, correo o voz. Estos agentes resuelven los casos sencillos por sí mismos y solo escalan a agentes humanos los asuntos realmente complejos. En algunos despliegues se ha logrado reducir en un 60% el volumen de tickets que requieren intervención manual.

Todo esto se construye sobre plataformas low-code, donde el equipo de negocio puede colaborar estrechamente con TI para definir reglas, flujos y comportamientos de los agentes sin perder meses en ciclos de desarrollo tradicionales.

Cómo se integran los agentes agénticos en una aplicación

Si bajamos al nivel de arquitectura, una aplicación agéntica está formada por múltiples agentes con roles bien definidos. Cada agente es responsable de una parte del proceso: revisar documentos, aprobar solicitudes, vigilar estados, tomar decisiones según datos, comunicarse con usuarios, etc.

Estos agentes se comunican entre sí y con el resto de sistemas de la empresa (ERPs, CRMs, bases de datos, servicios externos) mediante APIs y buses de mensajería. Así, cuando uno recibe una tarea, puede pedir información a otros, rebotar decisiones o solicitar confirmación humana si detecta ambigüedad.

Gracias a esa colaboración, la aplicación se vuelve mucho más reactiva y flexible: responde a lo que hace el usuario, se adapta a nuevas reglas, aprende de los datos y ajusta automáticamente procesos para ganar eficiencia. No es un flujo fijo, sino un organismo vivo, dentro de unos límites muy bien definidos.

Las plataformas low-code facilitan esta integración porque ofrecen conectores, módulos de IA preconfigurados y herramientas visuales para orquestar a todos esos agentes. En lugar de escribir miles de líneas de código, el equipo diseña el comportamiento de alto nivel, integra modelos de IA o servicios de terceros y deja que la plataforma se encargue del pegamento técnico.

Para muchas organizaciones, empezar con un proyecto piloto agéntico sobre low-code es una forma relativamente segura de probar el enfoque, medir beneficios y decidir si merece la pena escalarlo al resto de la compañía.

Al final, tanto en Windows como en el mundo empresarial, el concepto “agéntico” apunta a una misma dirección: sistemas que dejan de ser meras herramientas pasivas para convertirse en actores que toman decisiones, se coordinan entre sí y automatizan tareas de principio a fin. Si esa transición se percibe como una ayuda real o como una intromisión depende, en gran parte, de cómo se gestione la seguridad, la transparencia y el respeto por la experiencia del usuario.