Jared Spataro, Chief Marketing Officer, AI at Work
En la presentación de resultados de ayer, compartimos que Microsoft 365 Copilot ha superado los 30 millones de usuarios de pago. El crecimiento registrado en el último trimestre duplicó con creces el del trimestre anterior. Este es un hito importante, pero también una señal que apunta a un cambio mucho más amplio. En todos los sectores, la inteligencia artificial está pasando de ser un asistente a convertirse en un participante activo, integrándose como una parte esencial de la forma en que se lleva a cabo el trabajo, y no solo como una herramienta que utilizan las personas. Las organizaciones están rediseñando sus procesos y formas de trabajar en torno a la IA. Y los empleados están dando instrucciones a agentes para que asuman tareas, proyectos y procesos, ampliando su capacidad de acción y aumentando su impacto.
La primera fase de la IA empresarial estuvo marcada por la adopción —despliegues, licencias y horas ahorradas—, que son avances reales que se seguirán atesorando. La próxima fase estará marcada por la transformación. Nuestra misión en Microsoft es empoderar a todas las personas y organizaciones del planeta para que puedan lograr más. Nos entusiasma la creciente oportunidad de avanzar en esa misión a medida que personas y agentes colaboran para hacer posible lo que hasta ahora parecía imposible.
Los últimos datos de las señales de telemetría de Microsoft 365 y ejemplos de nuestros clientes en todo el mundo y de equipos internos de Microsoft muestran que esta transformación se encuentra en marcha y que se manifiesta de tres formas. Por un lado, en el grado de adopción y sofisticación con que las personas ya utilizan la IA; en lo que esta tecnología hace posible —desde trabajar con mayor rapidez hasta desarrollar capacidades completamente nuevas—; y en cómo las organizaciones la adaptan a funciones concretas. Veámoslo con más detalle, empezando por la propia tecnología.
Un salto cualitativo en innovación
En los últimos meses ha surgido una nueva generación de productos de IA: modelos integrados en sistemas agénticos capaces de completar por sí mismos un ciclo de trabajo completo, desde la planificación y la ejecución hasta la validación y la corrección de errores, para ofrecer un resultado final listo para usar. Este enfoque es el que hizo posible Copilot Cowork, que está disponible de forma general desde junio. Cowork puede encargarse de trabajos que requieren de varios pasos: tú defines la tarea y el sistema la ejecuta de principio a fin, hasta devolver un resultado completo. Además, las pruebas muestran que Cowork resultó entre un 30% y un 40% más económico que la opción basada en un único modelo. Asimismo, presentamos nuestro primer agente que actúa como “piloto automático”, Microsoft Scout, que permanece activo en segundo plano, con su propia identidad y permisos, para que el trabajo siga avanzando incluso cuando tu atención está puesta en otra cosa.
Todos los resultados se basan en Work IQ para comprender el contexto que define el trabajo dentro de tu organización, incluidos los roles de las personas, los proyectos, las prioridades y el conocimiento acumulado de la empresa. Gracias a ello, las respuestas son especialmente relevantes para cada organización.
Hemos notado un salto cualitativo no solo en los productos que ofrecemos a nuestros clientes, sino también en la forma en que nuestros equipos de ingeniería los desarrollan. Aunque muchas personas han contribuido a Cowork, el equipo principal se ha mantenido deliberadamente reducido: empezó con tres ingenieros y alcanzó nueve cuando el producto pasó a estar disponible de forma general. Y, aun así, la rapidez con la que llegó al mercado fue notable: Cowork evolucionó de la idea inicial a la versión preview y, después, a ser utilizado por la mitad de las empresas de la lista Fortune 500 en apenas seis meses. El punto de inflexión llegó al reconstruir el proceso de desarrollo de software en torno a agentes de IA, lo que permitió a un equipo muy pequeño alcanzar niveles de velocidad, escala y automatización que habrían sido imposibles con los flujos de trabajo tradicionales de ingeniería..
Microsoft Scout también empezó con un grupo reducido de personas que trabajaban junto a agentes autónomos, con un contexto común, evaluaciones y especificaciones claras, y de nuevo pasó de un concepto inicial a un producto funcional en cuestión de semanas, no de meses. “Antes dedicaba mucho tiempo a ayudar a los equipos a crecer: alinear a grupos grandes, coordinar el trabajo y asegurarme de que todo avanzara de forma coordinada”, afirma Omar Shahine, vicepresidente corporativo de Microsoft Scout. “Ahora se trata más de crear las condiciones para que equipos expertos puedan avanzar con rapidez, experimentar de forma segura y aprovechar de manera continua lo que van aprendiendo, de modo que cada proyecto empiece desde un punto más avanzado que el anterior”.
Equipos pioneros —frontier teams— como estos, ágiles, centrados y definidos por la colaboración entre personas y agentes, son una muestra clara de cómo se transformará el trabajo del conocimiento a lo largo de los próximos meses y años.
Un uso cada vez más amplio y sofisticado
A medida que maduran los productos de IA y la forma de desarrollarlos, el uso de Copilot en las organizaciones también está ganando profundidad y alcance. Solo en el último año, el número de conversaciones por usuario casi se ha duplicado¹, mientras que el número de usuarios que utilizan varias funcionalidades de Copilot ha crecido a triple dígito³. Y el hecho de que la interacción media semanal con Copilot ya esté al nivel de Outlook y Teams¹ refleja la velocidad con la que la IA se está integrando en el trabajo diario.
Cuando observamos qué es lo que más se pide a Copilot Cowork en una semana determinada, vemos un aumento de las solicitudes que abarcan varios pasos, como analizar un conjunto de datos y redactar el correo que lo explica, o investigar un problema y escribir el código para resolverlo. Si tenemos en cuenta estos flujos de trabajo de varios pasos, las tareas relacionadas con el análisis representan el 49% del total, frente al 29% cuando el análisis se realiza como una tarea independiente. En otras palabras, los datos sugieren que la IA está dejando de limitarse a ayudar a las personas a completar tareas concretas para empezar a ayudarlas a completar flujos de trabajo completos⁴.
Desde una perspectiva más global, sectores pioneros como el industrial, la banca y el del software y la tecnología siguen estando entre los que cuentan con un mayor número de agentes activos en el ecosistema de Microsoft 365. Pero lo sorprendente es que sectores como la automoción y la salud están emergiendo como algunos de los que más rápido están adoptando agentes⁵, lo que indica que el valor que aportan se está extendiendo mucho más allá de quienes lideraron la adopción inicial.
La señal más clara de este ritmo de adopción quizá sea la rapidez con la que las organizaciones están extendiendo Copilot al conjunto de sus plantillas. El número de clientes con más de 50.000 licencias se ha multiplicado por más de siete en términos interanuales. Además, cada vez más empresas están llevando Copilot a la mayoría de sus trabajadores, con un crecimiento de casi el 75% trimestre a trimestre, una muestra de hasta qué punto Copilot se ha convertido en un elemento clave de sus operaciones. Por otro lado, el tiempo necesario para alcanzar un uso elevado —es decir, un uso activo mensual superior al 80% en la base de usuarios de un cliente— se ha reducido de meses a apenas días durante el último año¹. En conjunto, estos cambios indican que las organizaciones están integrando cada vez más la IA y los agentes en el flujo del trabajo diario.
Lo que la IA hace posible
En el nivel más básico, la velocidad que aporta la IA permite ser más eficiente. Pero las organizaciones que lo están haciendo bien van más allá de la eficiencia por la eficiencia y empiezan a ver cómo la IA cambia el trabajo en sí mismo, e incluso puede ampliar lo que una organización es capaz de hacer.
Por ejemplo, el equipo de Cloud Supply Chain de Microsoft aplicó un enfoque de “simplificar antes de incorporar agentes”. Antes de automatizar, analizó y simplificó seis flujos de trabajo completos y creó una base de datos común. Después desplegó más de 70 agentes específicos para tareas de planificación, compras, preparación de pedidos y logística. El resultado fue una reducción del 75% en el tiempo en que se completan las tareas en algunos de esos flujos de trabajo. La lección es clara: antes de automatizar, hay que simplificar el trabajo; no se trata de añadir agentes sobre procesos que ya están rotos.
El tiempo que tarda un proceso en completarse es una forma de medir el avance. La calidad de las decisiones que lo sustentan es otra. En Eaton, la compañía especializada en gestión inteligente de la energía, el análisis de las causas raíz de los problemas llevaba años dependiendo de investigaciones largas y complejas. Para aligerar esa carga, la compañía ha empezado a utilizar un agente impulsado por IA, que ayuda a los expertos a revisar informes sobre problemas de calidad en fabricación y a identificar con rapidez posibles causas, tendencias e información relevante sobre proveedores. Hasta ahora, se ha aplicado a aproximadamente 5.000 informes, acelerando el análisis, reforzando la toma de decisiones basada en datos y permitiendo identificar riesgos con anticipación y poner en marcha acciones preventivas, siempre con el equipo experto de Eaton en el centro de cada decisión.
Otras organizaciones están descubriendo lo que es posible cuando se da autonomía a quienes están más cerca del problema para construir las soluciones. Premera Blue Cross se propuso permitir que sus empleados crearan sus propios agentes de IA para automatizar tareas repetitivas y manuales, reducir el trabajo pendiente acumulado agilizar procesos manuales. Esta compañía aseguradora del sector sanitario, que presta servicio a miembros en Washington y Alaska, empezó incorporando Microsoft 365 Copilot y Copilot Studio a las herramientas que sus equipos ya utilizaban a diario, con formación y directrices claras para que los empleados pudieran experimentar, sin poner en riesgo la seguridad. Desde entonces, el equipo ha creado más de 900 agentes, y la cifra sigue creciendo. Entre otros, se encuentra un agente para anexos contractuales cuyo procesamiento inteligente de documentos redujo un flujo de trabajo manual de entre 30 y 45 minutos a unos tres, liberando tiempo de los empleados para centrarse en dar servicio a clientes que necesitan acceder a atención sanitaria o recibir respuestas a preguntas críticas.
En un punto más avanzado de esa evolución, la IA puede abrir la puerta a realizar trabajos que antes sencillamente no podían hacerse. En Levi Strauss & Co., donde la IA se está integrando en toda la compañía, desde el área de conocimiento del consumidor hasta Recursos Humanos, un agente analizó en un día 1.100 procedimientos operativos estándar de finanzas y catalogó 18.000 tareas individuales, creando una visión detallada del trabajo que, de otro modo, no habría salido a la luz. “El agente dimensionó una oportunidad que yo había asumido que era imposible de cuantificar”, afirmó Lisa Sterling, vicepresidenta de Finanzas de Levi’s.
En la consultora global EY, un agente autónomo de compras —Autonomous Sourcing Agent, ASA— automatiza transacciones de bajo coste y bajo riesgo dentro del proceso de compras, desde la solicitud y la negociación hasta la creación de la orden de compra. El agente puede negociar con uno o varios proveedores al mismo tiempo sobre costes, plazos de entrega y condiciones de garantía, siempre con supervisión humana para validar decisiones o escalar los casos necesarios. Desde su piloto en octubre de 2025, ASA ha dado soporte a más de 200 transacciones y se espera que gestione 1.500 durante el próximo año. El resultado es un proceso de compras más rápido y eficiente, que ayuda a los equipos a obtener más valor de los proveedores y garantiza, al mismo tiempo, que las decisiones que requieren criterio sigan estando en manos de las personas.
Especialización a escala
La diferencia entre las organizaciones que ya están viendo cambios como estos y las que aún siguen esperando, no radica en hasta qué punto han desplegado la IA, sino en lo bien que la han adaptado al trabajo. Sin embargo, el patrón de implantación más habitual sigue siendo generalista: dar a todo el mundo la misma herramienta y dejar que cada uno vea cómo utilizarla. Las organizaciones que están generando un valor más diferencial están haciendo algo distinto: partir de cómo trabajan realmente determinados roles y, a raíz de ahí, construir la IA en torno a esos patrones.
Un ejemplo de ello es S&P Global Commodity Insights, que está demostrando cómo la IA puede proporcionar conocimiento experto, profundo y especializado a más personas, al integrar información fiable directamente en el flujo de trabajo. Ante la creciente demanda de datos preparados para la IA, la compañía utilizó Microsoft Copilot Agent Builder y los conectores de Microsoft Graph para crear un agente de Copilot en Microsoft Teams, ofreciendo a sus clientes una forma más sencilla de acceder a sus estudios sobre materias primas e información de mercado, e interactuar con ellos. Al lograr una extracción de datos un 95% más rápida y un análisis comparativo un 98% más rápido, la solución ayuda a los clientes a convertir grandes volúmenes de información en inteligencia accionable con mayor rapidez, lo que facilita la toma de decisiones más ágiles y mejor fundamentadas en los mercados globales de energía y materias primas.
El equipo de ventas de Microsoft asoció distintos perfiles de comercial a agentes de IA específicos —Researcher, Analyst Agent, Sales Agent, Deal Agent y MSXi Copilot, un agente de inteligencia comercial y reporting—, cada uno diseñado para encajar en momentos concretos de la jornada de los vendedores. Al asumir los agentes más tareas administrativas y de coordinación, el tiempo que los comerciales dedican a actividades de relación directa con clientes se duplicó, del 25% al 50%. El grupo piloto registró un 9,4% más de ingresos por persona y un cierre de operaciones un 20% más rápido; además, en una encuesta posterior, declaró haber triplicado la adopción de los casos de uso prioritarios.
Kantar optó por un enfoque desarrollado desde la base. En esta compañía de datos y análisis de Marketing, se está construyendo y ampliando un “agente para personas” para consultas de RRHH. En realidad, se trata de un sistema formado por 10 diez agentes que trabajan de forma coordinada sobre 60 áreas temáticas y sus respectivos flujos de trabajo, diseñado con la colaboración de los propios profesionales del equipo de Personas que atienden y gestionan estas solicitudes. El sistema ya resuelve sin intervención humana cada vez más consultas: una carta de verificación laboral que antes tardaba tres días ahora se entrega en 120 segundos. Kantar señala que el porcentaje de consultas de RRHH gestionadas de esta forma, ha pasado de cero en febrero a alrededor del 40%, con el objetivo de alcanzar el 95% a final de año.
El equipo de People Operations de Microsoft gestiona más de un millón de interacciones con empleados al año a través de más de 100 sistemas, en un área cuyo trabajo tiene un impacto directo en las personas. Para escalar el conocimiento experto de RRHH en sus procesos y en los momentos clave de la experiencia del empleado, el equipo está utilizando Frontier Tuning (aprendizaje por refuerzo guiado), en lugar de limitarse a mejorar tareas aisladas. Este enfoque permite capturar la experiencia de los profesionales en forma de tareas, habilidades y rúbricas que definen los estándares de calidad.
El resultado es un sistema basado en IA capaz de asumir trabajo operativo, con el contexto, los estándares y el conocimiento institucional necesarios para hacerlo bien. En la práctica, convierte el saber hacer de los profesionales en una capacidad de toda la organización. El equipo puede comprobar cómo responde el agente en situaciones reales de trabajo y ajustar los distintos elementos del sistema —herramientas, contexto, habilidades y el propio modelo— para asegurar un funcionamiento consistente.
El agente desarrollado con Frontier Tuning ya está en funcionamiento en People Operations y logra una mejora de cinco veces en la finalización correcta de tareas frente a un modelo generalista de referencia⁷. A medida que la IA asume cada vez más actividades rutinarias, los expertos de People Operations de RRHH de Microsoft pueden centrarse en las interacciones complejas con empleados, las decisiones con matices y el trabajo estratégico en el que el criterio humano resulta más importante.
La siguiente etapa
A medida que avanza la tecnología de IA y las organizaciones de todo el mundo comienzan a ver resultados reales, también cambian los criterios para medir el impacto. La atención se centrará cada vez más en cómo se utiliza la IA de forma más integrada y avanzada, en su impacto medible sobre las tareas y procesos, en el crecimiento y la gobernanza de los agentes, en la redefinición de roles y flujos y en el desarrollo de capacidades que antes no existían. Las organizaciones que están construyendo una ventaja duradera son aquellas en las que la tecnología, los modelos operativos y la capacidad de acción humana evolucionan de forma conjunta. Así empieza a tomar forma la compañía frontera –Frontier Firm-.
Notas al pie
1 Conferencia de resultados del cuarto trimestre (Q4) de Microsoft.
2 Este análisis fue realizado por equipos internos de Microsoft. Se compararon 125 pruebas, correspondientes a un total de 12 indicaciones de trabajo de complejidad ligera, media y alta, en Copilot Cowork y Claude Cowork con su conector para Microsoft 365, ambos utilizando el modelo Opus 4.8. En el caso de Copilot Cowork, los costes se calcularon empleando tarifas variables basadas en los modelos utilizados, el contexto, las herramientas y el tiempo de ejecución registrados en nuestros sistemas internos. Para Claude Cowork, los costes se estimaron utilizando las tarifas públicas de la API, teniendo en cuenta el consumo de tokens y el uso del conector de Microsoft 365. A partir de estos datos se obtuvo un coste total por ejecución y se compararon los resultados para las diferentes categorías de cargas de trabajo (ligera, media y alta) entre Copilot Cowork y Claude Cowork con su conector para Microsoft 365. Los ahorros de costes reflejan pruebas realizadas en junio de 2026. Los costes reales y los posibles ahorros pueden variar en función del uso, la configuración, el momento y otros factores.
3 Conferencia de resultados del cuarto trimestre (Q4) de Microsoft.
4 Basado en señales de productividad anonimizadas y agregadas de Microsoft 365 Copilot. La métrica mide el número de usuarios activos mensuales de Microsoft 365 Copilot que utilizan dos o más funcionalidades distintas basadas en Copilot durante un periodo de 28 días. Incluye todos los países y clientes empresariales en junio de 2025 y junio de 2026.
5 Conferencia de resultados del cuarto trimestre (Q4) de Microsoft.
6 Basado en señales de productividad anonimizadas y agregadas de Microsoft 365 Copilot. Datos de telemetría de Cowork recopilados entre el 19 y el 26 de julio de 2026, analizando las tareas más habituales que los clientes delegaron en Copilot Cowork durante ese periodo.
7 Basado en señales de productividad anonimizadas y agregadas de Microsoft 365 Copilot. La métrica Agentes Activos Mensuales mide el número de agentes únicos activos observados mediante telemetría en Agentes Declarativos, Agentes de Motor Personalizado (Custom Engine Agents) y Agentes de SharePoint. La métrica se calcula sobre una ventana móvil de 28 días. Un agente se considera «activo» si, dentro de ese periodo de 28 días, cumple al menos uno de los dos criterios siguientes: (1) registra al menos un día de uso iniciado por un usuario o (2) completa al menos una ejecución autónoma. Cada agente que cumple estos requisitos se contabiliza una sola vez, independientemente del número de usos, garantizando así una medición sin duplicidades de la base de agentes activos. El crecimiento se evalúa a lo largo de un periodo de 12 meses comprendido entre junio de 2025 y junio de 2026, comparando el número de agentes activos al inicio y al final del periodo.
8 Conferencia de resultados del cuarto trimestre (Q4) de Microsoft.
9 Datos internos del equipo comercial de Microsoft, basados en 687 vendedores de Microsoft 365 Copilot entre enero y junio de 2024, comparados con vendedores con un bajo nivel de uso de Copilot.
10 El éxito se definió como una «ejecución perfecta»: la tarea obtenía una puntuación de 100 sobre 100 según criterios de evaluación definidos por personas. Las tareas se evaluaron a través de múltiples ejecuciones para tener en cuenta la variabilidad en las rutas de finalización, la secuencia de tareas y la selección de herramientas. Solo se consideraron exitosos los resultados que alcanzaron de forma consistente una ejecución perfecta.