El agente de IA ya actúa en tu nombre — y la confianza digital no estaba lista

Tres semanas no es mucho tiempo para declarar una tendencia. Pero en el mundo de los agentes de IA, es suficiente para que el patrón sea inconfundible. Meta lanzó Muse el 8 de septiembre con acceso a email, calendarios, pagos y servicios de salud. Un día después, Instinct —el asistente viral— estrenó su propio email, capaz de crear cuentas, contactar empresas y gestionar soporte en nombre del usuario. Y al tercer día, Muse alcanzó el puesto 2 de apps en EE.UU. mientras los agentes empezaban a inundar los servicios públicos con solicitudes masivas. La delegación no esperó a que la infraestructura de confianza estuviera lista.

De la ventana al contrato: lo que Muse pidió el primer día

Muse no es un chatbot que responde preguntas. Es un agente que quiere actuar en tu nombre: acceso a la bandeja de entrada, a los pagos, a los datos de salud. La primera pregunta del onboarding no es «¿qué querés hacer?» sino «¿cuánto acceso me das?».

Eso cambia la naturaleza del producto. Un chatbot procesa información que el usuario le da. Un agente con acceso permanente actúa sobre el mundo cuando el usuario no está mirando. La diferencia no es técnica sino de responsabilidad: si el agente hace algo incorrecto —o es explotado—, ¿quién responde?

El lanzamiento de Muse también reveló una tensión que Meta arrastra hace años: necesita datos del usuario para entrenar sus modelos, y un agente personal es la fuente de datos más rica que existe. La propuesta de valor es «te ahorro tiempo»; la contrapropuesta es un flujo continuo de datos comportamentales de primer orden. El modelo de negocio y el producto son inseparables.

Por qué los servicios públicos no estaban listos para los agentes

El caso más revelador de la semana no es el de Muse sino el de los agentes inundando administraciones públicas. La investigadora citada observó que la mayoría de las solicitudes son legítimas: gente con derecho a reclamar algo, reclamándolo a través de un agente. El problema no es el fraude sino la escala.

Los sistemas de servicios públicos fueron diseñados para procesar solicitudes humanas a velocidad humana. Un agente puede enviar cientos de solicitudes en el tiempo que un usuario tarda en llenar un formulario. No hay malicia — hay un desajuste estructural entre la cadencia de los agentes y la capacidad de respuesta de los sistemas públicos.

Este es el efecto de segundo orden que los desarrolladores de agentes no modelaron: el éxito masivo no genera solo problemas de seguridad sino problemas de capacidad en todos los sistemas que los agentes tocan. Las administraciones públicas son el primer frente visible; los servicios de soporte empresarial y los sistemas bancarios son los siguientes en la fila.

La fractura de confianza que nadie mapeó antes

La confianza en la IA está en tensión precisamente porque los agentes operan en el espacio entre lo que el usuario entiende y lo que el sistema hace. Un usuario que delega su email a un agente no sabe, en tiempo real, qué mensajes ese agente leyó, qué respuestas envió, qué cuentas creó.

El sistema de confianza digital —contraseñas, verificación en dos pasos, historial de actividad— fue diseñado para humanos que toman acciones discretas y revisables. Un agente que opera de forma continua y autónoma es, desde la perspectiva del sistema, indistinguible de una sesión comprometida, algo que los agentes que acumulan identidades digitales propias vuelven cada vez más difícil de distinguir de un ataque real.

La capa de accountability no existe todavía. Instinct tiene email propio; si ese email envía algo inapropiado o fraudulento, no hay un marco claro para determinar responsabilidad. ¿Es el usuario que autorizó el agente? ¿La empresa que opera el agente? ¿El modelo que tomó la decisión? Los marcos legales actuales no contemplan agentes como actores — la acumulación de incidentes de agentes sin proceso externo es la evidencia más documentada de esa brecha.

Predicción falsable: qué mirar en los próximos 90 días

Antes de diciembre de 2026 habrá al menos un caso documentado de alto perfil donde un agente personal actuó fuera del mandato del usuario —ya sea una acción no autorizada, un fraude facilitado, o una filtración de datos atribuible al agente— y ese caso va a forzar la primera propuesta regulatoria específica de agentes en una jurisdicción mayor (UE, California, o Reino Unido).

El dato que testea la predicción: cuántas jurisdicciones tienen una propuesta de ley específica para «agentes de IA» activa a fin de 2026, versus las cero que existen hoy.

Para un decisor: la ventana para establecer políticas internas de uso de agentes autónomos en la empresa es ahora, antes de que los incidentes lo fuercen. El primer paso es concreto: definir qué acciones puede tomar un agente sin aprobación explícita del usuario. Sin esa línea, cada despliegue de agente es un riesgo abierto cuya probabilidad de activación sube con cada punto porcentual de adopción del mercado.