Estudio revela cómo se usan los agentes de IA
Un estudio de Perplexity y Harvard analiza cientos de millones de interacciones con agentes de IA y encuentra que el 57% se dedica a trabajo cognitivo, como investigar, aprender y analizar información. Los usuarios suelen empezar con consultas sencillas, pero quienes los integran en tareas de productividad tienden a usarlos de forma más habitual.
Los agentes de IA no se están usando principalmente para reservar hoteles o hacer tareas domésticas. Un estudio de Perplexity y Harvard, basado en cientos de millones de interacciones anonimizadas, indica que el 57% de su actividad está relacionada con trabajo cognitivo: investigar, aprender, analizar información y avanzar en tareas profesionales.
El análisis examinó el uso de Comet y Comet Assistant, los agentes de Perplexity, para entender quién los adopta, con qué frecuencia los utiliza y qué tareas les delega. El resultado dibuja una imagen distinta a la del asistente digital que solo ahorra pequeñas molestias.
Más compañero de pensamiento que mayordomo digital
El 36% de las tareas más frecuentes pertenece a productividad y flujos de trabajo. Otro 21% corresponde a aprendizaje e investigación. En la práctica, muchas personas usan el agente para reunir información, organizarla y preparar un primer análisis antes de tomar una decisión por su cuenta.
Los investigadores encontraron ejemplos como estos:
- Un profesional de compras analiza estudios de casos para detectar usos relevantes antes de hablar con un proveedor.
- Un estudiante recorre materiales de un curso y pide ayuda para entender lo que está aprendiendo.
- Un trabajador del sector financiero filtra opciones bursátiles y analiza información sobre inversiones.
En estos casos, el agente no decide de forma autónoma. Hace el trabajo inicial de búsqueda y síntesis, y deja al usuario mejor preparado para juzgar, elegir y actuar.
Ese matiz importa. El patrón observado no es tanto evitar el trabajo como aumentar la capacidad para hacer tareas difíciles.
El uso cambia con el tiempo
La primera interacción con un agente suele ser sencilla y de bajo riesgo: recomendaciones de películas, dudas generales o planes de viaje. Pero, según el estudio, muchos usuarios terminan llevándolo a tareas más útiles para su día a día.
Una persona puede empezar preguntando por un destino turístico y, semanas después, usar el agente para corregir un programa en Python o resumir un informe financiero. Las tareas de productividad y flujo de trabajo tienen las tasas de retención más altas. Además, quienes empiezan pronto con aprendizaje o investigación tienen más probabilidades de convertirse en usuarios habituales.
La evolución recuerda a la de los ordenadores personales. Al principio se promocionaban con juegos o aplicaciones domésticas, pero se volvieron herramientas esenciales gracias a las hojas de cálculo y los procesadores de texto. Con los agentes de IA podría estar ocurriendo algo parecido.
Quién los usa y quién depende de ellos
Adoptar un agente no significa necesariamente integrarlo en la rutina. La diferencia está en la intensidad de uso. El estudio señala que seis grandes grupos profesionales concentran el 70% de toda la actividad.
Los perfiles tecnológicos generan el mayor volumen, con el 30% de las consultas. Sin embargo, profesionales de marketing, ventas, gestión y emprendimiento muestran una mayor frecuencia de uso en relación con su nivel de adopción. Una vez que incorporan el agente, tienden a utilizarlo de forma más constante.
El contexto también cambia el tipo de ayuda que se busca:
- En finanzas, el 47% de las consultas se dedica a tareas de productividad.
- Entre estudiantes, el 43% se centra en aprendizaje e investigación.
- En diseño, predominan las tareas relacionadas con medios y contenidos.
- En hostelería, la planificación de viajes tiene un peso especialmente alto.
Más de la mitad del volumen total de consultas procede de contextos personales, no profesionales. Eso muestra que el mismo agente puede funcionar como motor de investigación para un estudiante, asistente de trabajo para un analista o herramienta de planificación para alguien que organiza un viaje.
Para ti, la consecuencia práctica es clara: el valor de un agente no depende solo de lo bien que responda una pregunta aislada. Depende de si puede integrarse en tareas repetidas y ayudarte a pasar de la información a una decisión. Lo que habrá que vigilar ahora es si este patrón se repite fuera de los productos de Perplexity y cómo cambia la forma de estudiar y trabajar a medida que estos agentes entran en más rutinas.