OpenAI Presence deja una conclusión incómoda: construir un agente ya no es una ventaja difícil de copiar. La diferencia empresarial aparece al operarlo con un trabajo específico, permisos limitados, evaluaciones continuas, escalamiento humano y cambios aprobados.

Presence cambia la conversación: de prototipo a operación

OpenAI presentó Presence el 22 de julio de 2026 como un producto empresarial para desplegar agentes de voz y chat capaces de responder preguntas, usar sistemas, ejecutar acciones aprobadas y escalar a personas. La novedad relevante no es otra interfaz conversacional. Es la insistencia en que un agente productivo necesita políticas, procedimientos, permisos, simulaciones, evaluaciones y reglas de escalamiento alrededor del modelo.

Ese enfoque desmonta una idea cómoda: que comprar acceso a un modelo o conectar una base de conocimiento equivale a tener un agente empresarial. No equivale. La demo demuestra posibilidad; la operación debe demostrar comportamiento consistente cuando cambian los clientes, los productos, las excepciones y la presión del día a día. El modelo es una pieza. El servicio completo incluye diseño, medición y gobierno continuo.

Un agente útil empieza con un trabajo estrecho

Presence propone comenzar con un trabajo específico, como resolver cobros, apoyar reclamaciones o atender solicitudes internas de tecnología. El agente recibe solo el conocimiento y el acceso necesarios para esa función. Esta decisión parece conservadora, pero en realidad es una ventaja: limita el espacio de error, hace medible el resultado y permite saber cuándo una persona debe tomar el control.

Muchas empresas hacen lo contrario. Crean un asistente general, le conectan carpetas, correo, CRM y documentos, y esperan que descubra por sí mismo dónde termina su autoridad. Ese diseño produce respuestas impresionantes en escenarios sencillos y confusión en los casos importantes. Un agente que sirve para todo suele ser difícil de evaluar, costoso de corregir y peligroso de autorizar.

La calidad no es una prueba inicial: es una disciplina permanente

OpenAI describe simulaciones y evaluadores que revisan si el agente llega al resultado correcto, cumple políticas, usa herramientas de forma adecuada y escala cuando corresponde. También plantea observar sesiones productivas y señales de calidad para descubrir brechas. La lección es clara: aprobar un agente una vez no garantiza que seguirá funcionando cuando el negocio cambie.

Los equipos deberían mantener un conjunto vivo de casos normales, casos límite y escenarios de alto riesgo. Cada cambio de política, integración, prompt, herramienta o modelo debe compararse contra esa línea base antes de llegar a usuarios. Sin regresión controlada, mejorar una respuesta puede dañar otra. La IA empresarial necesita una práctica parecida a la calidad de software, pero centrada también en decisiones, lenguaje y consecuencias.

Escalar a una persona no es fracaso: es diseño responsable

Presence incluye reglas para determinar cuándo una persona debe intervenir. Eso contradice la obsesión por mostrar porcentajes de automatización como si el objetivo fuera eliminar cualquier contacto humano. En procesos reales hay identidad dudosa, políticas incompatibles, clientes vulnerables, solicitudes sensibles y excepciones que merecen juicio. Forzar al agente a resolver todo puede aumentar el volumen automatizado mientras deteriora confianza y control.

La métrica madura no es cuántas conversaciones evita el equipo humano. Es cuántos casos llegan a un resultado correcto, cuánto tardan, qué esfuerzo requieren y qué riesgo dejan. Un buen escalamiento debe entregar contexto, acciones realizadas y motivo de transferencia. Si la persona recibe una conversación opaca y empieza desde cero, la empresa no automatizó el servicio: añadió otra fila a la espera.

El ciclo de mejora también necesita aprobación

OpenAI señala que Codex puede investigar señales y proponer actualizaciones que luego los equipos prueban y aprueban. La palabra decisiva es proponer. Permitir que un agente cambie automáticamente sus propias reglas en producción convertiría cada aprendizaje en una modificación no auditada. Mejorar con rapidez no exige renunciar al control de versiones, la revisión y el despliegue gradual.

Cada ajuste debería registrar qué problema corrige, qué evidencia lo motivó, quién lo aprobó, cómo se probó y qué indicador confirmará su efecto. También debe existir una ruta de reversión. Cuando el comportamiento de un agente representa a la empresa frente a clientes o empleados, cambiar una instrucción es cambiar una política operativa. Merece la misma seriedad que cualquier modificación de proceso.

Lo que esto significa para empresas colombianas

En Colombia hay oportunidades claras para agentes en soporte, ventas, cartera, comercio electrónico y mesas de ayuda. Pero los acentos, los modismos, la identificación de clientes, las reglas comerciales y las excepciones locales hacen insuficiente copiar una experiencia diseñada para otro mercado. Cada caso necesita datos autorizados, lenguaje probado, integración segura y responsables del proceso.

La recomendación práctica es escoger un flujo de volumen alto y riesgo acotado, definir cinco resultados correctos, cinco casos que deben escalar y cinco acciones prohibidas. Después se construye un conjunto de evaluación, se mide con usuarios reales y se amplía solo cuando la evidencia lo justifica. La ventaja competitiva no será anunciar primero un agente. Será sostener uno que resuelva sin esconder sus límites.

Lista corta para decidir con criterio

• Alcance: un trabajo específico, datos necesarios y acciones autorizadas.
• Evaluación: casos normales, límites y escenarios de alto riesgo antes de cada cambio.
• Escalamiento: transferir a una persona con contexto, motivo y acciones ya realizadas.
• Cambios: registrar, probar, aprobar, desplegar gradualmente y poder revertir.
• Métricas: resultado correcto, tiempo, esfuerzo, riesgo y satisfacción; no solo automatización.