Hasta ahora, hablar de un agente de inteligencia artificial podía sonar un poco como contratar a una persona muy inteligente y dejarla encerrada en una habitación vacía. Tiene capacidad para razonar, pero no tiene ordenador, documentos, herramientas ni acceso a los sistemas de la empresa.
Con el lanzamiento de la Agents API de OpenAI, esa imagen cambia. La compañía acaba de darle una oficina a sus agentes: un entorno donde pueden trabajar con archivos, usar herramientas, ejecutar tareas largas y coordinarse con otros agentes.
La noticia importa porque el reto de los agentes no suele ser únicamente el modelo. El reto está en mantener una sesión larga, controlar el contexto, conectar herramientas, guardar resultados, recuperarse de fallos y ejecutar todo de forma segura. Esa infraestructura es la que OpenAI empieza a ofrecer como servicio gestionado.
Qué ha anunciado OpenAI
Agents API permite crear y ejecutar agentes en la nube indicando, desde una misma configuración, la tarea, el modelo, las herramientas y el entorno de ejecución. Está disponible en beta pública y OpenAI mantiene la capa de infraestructura que coordina el trabajo del agente.
El entorno de trabajo puede ser un sandbox gestionado por OpenAI, infraestructura propia de la empresa o un entorno de proveedores asociados como Cloudflare, Daytona, DigitalOcean, E2B, Modal, Oracle, Runloop y Vercel. Esto separa dos piezas que a menudo se mezclan: el agente y el lugar donde ese agente trabaja.
La diferencia entre Agents SDK y Agents API
En marzo de 2025, OpenAI presentó el Agents SDK para facilitar la construcción y coordinación de agentes dentro de una aplicación. El SDK aporta las piezas para definir agentes, herramientas, handoffs, guardrails, trazabilidad y ejecución del flujo.
Eso resolvía una parte importante del problema, pero la empresa todavía tenía que ocuparse de buena parte de la infraestructura:
- Mantener las sesiones largas y gestionar posibles cortes.
- Preparar el entorno donde el agente ejecuta código y manipula archivos.
- Administrar el contexto y conservar los resultados intermedios.
- Diseñar la coordinación entre agentes y resolver los fallos de ejecución.
- Definir cómo se conectan los sistemas internos y qué permisos tiene cada herramienta.
La Agents API añade un servicio gestionado alrededor de esa lógica. El SDK sigue siendo útil cuando quieres controlar directamente la orquestación desde tu propia aplicación. La API resulta más atractiva cuando quieres poner en marcha agentes que trabajan durante horas o días sin construir desde cero toda la capa de ejecución.
Qué cambia en la práctica
1. Agentes preparados para tareas largas
Una tarea como «analiza los últimos seis meses, encuentra las causas de la caída del margen y prepara recomendaciones» requiere mucho más que generar un texto. El agente tiene que consultar datos, comparar periodos, hacer cálculos, revisar incidencias y organizar las conclusiones.
Agents API incorpora gestión del contexto para sesiones largas. Cuando la conversación se acerca al límite, puede compactar parte de la información anterior y conservar lo necesario para continuar. Esto no convierte al agente en infalible, pero reduce uno de los problemas habituales de los procesos que duran mucho: perder el hilo o tener que reconstruir el estado manualmente.
2. Un espacio para archivos, código y resultados
Un agente es más útil cuando puede trabajar sobre una carpeta de documentos, ejecutar código, utilizar dependencias y guardar un informe final. Los sandboxes gestionados por OpenAI están pensados precisamente para proporcionar ese espacio aislado.
La separación entre el agente y el sandbox también permite adaptar el entorno a cada caso: más memoria para procesar datos, almacenamiento específico para archivos o una infraestructura dentro de la red de la compañía cuando el nivel de control lo exige.
3. Varios agentes para dividir una investigación
Una investigación compleja puede dividirse entre varios especialistas:
- Uno revisa las ventas.
- Otro analiza los costes y el margen.
- Otro consulta las incidencias de clientes o proveedores.
- Otro prepara el borrador del informe.
El agente principal reúne después las respuestas. La ventaja no es tener más agentes por tenerlos, sino permitir que cada uno trabaje con un contexto y unas herramientas más acotadas. Bien diseñado, este reparto puede reducir tiempos y hacer más clara la trazabilidad del proceso. Mal diseñado, solo añade complejidad y coste.
4. Herramientas disponibles cuando hacen falta
Un agente empresarial puede necesitar acceso al CRM, la facturación, el inventario, la documentación interna, una base de datos o APIs propias. Cargarlo todo en cada paso aumenta el contexto, el coste y la posibilidad de que el agente se confunda.
La dirección que propone OpenAI es que el agente trabaje con las herramientas relevantes para cada tarea. Por ejemplo, puede consultar el CRM para preparar un informe comercial y acceder al sistema de facturación solo cuando necesite comprobar un pago. La conexión debe estar acompañada de permisos, registros y límites claros: dar acceso no significa dar permiso para ejecutar cualquier acción.
Qué significa esto para una PYME
La tentación será crear un mega-agente autónomo que controle toda la empresa. No es el punto de partida que recomendamos. En una PYME, el valor aparece antes cuando se escoge un proceso concreto, repetitivo y medible.
Informe semanal de dirección
El agente puede leer las ventas del CRM, consultar los gastos, comparar el resultado con el mes anterior, detectar productos con menor margen, revisar incidencias y preparar un informe con recomendaciones. La dirección recibiría una primera lectura de los datos sin depender de que alguien consolide varias hojas de cálculo cada semana.
Procesamiento de facturas
Puede leer las facturas recibidas, extraer proveedor, fecha e importe, compararlas con los pedidos y señalar diferencias. También puede preparar los datos para contabilidad. El registro o el pago deberían seguir requiriendo aprobación humana hasta que el proceso esté suficientemente probado y existan controles sólidos.
Atención al cliente conectada a los sistemas reales
En lugar de responder solo con información general, el agente puede identificar al cliente, consultar un pedido, revisar el estado del envío y responder con datos actualizados. Si encuentra una excepción o una situación sensible, deriva el caso a una persona.
Preparación comercial
Un agente puede clasificar nuevos formularios de contacto, consultar información pública, comprobar si la empresa ya existe en el CRM y preparar un resumen para el comercial. El vendedor empieza la conversación con contexto, en lugar de invertir diez minutos en buscarlo.
El verdadero cambio: OpenAI mantiene el «harness»
«Harness» es una palabra poco atractiva, pero describe una pieza importante. Es la capa que coordina las llamadas al modelo, las herramientas, el contexto, las sesiones, los subagentes y los resultados.
OpenAI presenta Agents API como una forma de aprovechar el harness que utiliza Codex y que la compañía irá evolucionando junto con sus modelos. Para un equipo pequeño, esto puede reducir mucho el trabajo de infraestructura. También crea una dependencia relevante del proveedor: antes de adoptar la API conviene revisar costes, límites, protección de datos, portabilidad y qué ocurre cuando una ejecución falla.
La conclusión de Premium Data
Agents API no elimina la necesidad de diseñar bien un proceso. Tampoco sustituye automáticamente a una persona, un ERP o un sistema de permisos. Lo que hace es reducir la distancia entre un modelo que responde y un agente que puede trabajar.
La imagen de la oficina es acertada: el modelo aporta capacidad de razonamiento, pero necesita un espacio, herramientas y reglas para producir valor. Para una PYME, la mejor estrategia sigue siendo empezar por una tarea limitada, definir qué datos puede consultar, establecer qué acciones requieren aprobación y medir el resultado.
Si quieres saber si uno de tus procesos puede beneficiarse de un agente con IA, en Premium Data podemos ayudarte a identificar un primer caso de uso con impacto real y un alcance razonable.
Pedro Alcázar | Consultor IT · Automatización con IA · n8n · Datos