Cómo la gente utiliza los agentes de IA

Se dijo que 2025 sería el año en que la tecnología de agentes de IA se generalizaría. Hoy anunciamos que Perplexity y los investigadores de Harvard han publicado el primer estudio a gran escala sobre cómo la gente utiliza realmente los agentes de IA en el mundo real.

Nuestros investigadores plantearon tres preguntas fundamentales: ¿Quiénes están adoptando los agentes de IA? ¿Con qué intensidad los utilizan? ¿Y qué tareas están delegando en sus asistentes de IA? Al analizar cientos de millones de interacciones anonimizadas de los usuarios de Comet y Comet Assistant, hemos descubierto patrones fundamentales sobre la adopción y el uso de los agentes.

Los hallazgos desafían algunas narrativas comunes. Por ejemplo, los agentes son buenos para reservar hoteles o realizar tareas rutinarias, pero también sirven como socios en el trabajo cognitivo profundo. Están transformando la forma en que aprendemos, trabajamos y resolvemos problemas.

Más que un mayordomo, un socio de razonamiento

Una visión popular de los agentes de IA es el caso de uso del "conserje digital", en el que los humanos descargan tareas sencillas para ahorrar tiempo. Sin embargo, al clasificar millones de interacciones de los usuarios, descubrimos que el 57 % de toda la actividad de los agentes se centra en el trabajo cognitivo. El treinta y seis por ciento de las tareas más comunes se clasifican como tareas de productividad y flujo de trabajo, y otro 21 % se clasifica como aprendizaje e investigación.

Estas son tareas que amplían la capacidad humana. Un profesional de compras utilizó Comet Assistant para analizar casos de estudio de clientes e identificar casos de uso relevantes antes de trabajar con un proveedor. Un estudiante le pidió al agente que navegara a través de los materiales del curso y analizara lo que estaba aprendiendo. Un trabajador financiero delegó las tareas de filtrar opciones de acciones y analizar información de inversión. En cada caso, el agente se encargó de la recopilación de información y la síntesis inicial de forma autónoma, proporcionando al usuario la información que necesitaba para tomar juicios y decisiones finales, y ejecutando esas decisiones a petición suya.

El caso de uso del "socio de razonamiento" respaldado por nuestros datos muestra que los usuarios quieren ampliar su capacidad para hacer cosas difíciles. La gente no utiliza Comet Assistant para evitar el trabajo, sino para hacer un mejor trabajo.

La evolución de las tendencias de uso hacia la utilidad

Uno de los patrones más reveladores del estudio es el recorrido del usuario. La forma en que utilizas un agente el Día 1 rara vez es la forma en que lo utilizas el Día 100.

Los nuevos usuarios suelen probar suerte con consultas de bajo riesgo. Preguntan sobre planes de viaje, recomendaciones de películas o datos curiosos generales. Gradualmente, se produce un cambio. Nuestro análisis de las transiciones de consultas muestra una fuerte atracción hacia la productividad. Un usuario puede empezar preguntando por un lugar de vacaciones, pero una vez que utiliza el agente para depurar un script de Python o resumir un informe financiero, rara vez vuelve atrás. Las categorías de productividad y flujo de trabajo tienen las tasas de retención más altas, y los usuarios que participan en tareas de aprendizaje o investigación desde el principio tienen muchas más probabilidades de convertirse en usuarios activos a largo plazo.

Esto refleja los primeros días de la computadora personal. A menudo se vendía como una herramienta para la gestión de recetas o juegos, pero se volvió indispensable debido a las hojas de cálculo y el procesamiento de textos. Los agentes de IA están siguiendo la misma trayectoria.

¿Quién utiliza los agentes? Adopción frente a intensidad

La métrica más reveladora no es quién adopta los agentes de IA, sino quién depende de ellos. La brecha entre las tasas de adopción y la intensidad de uso revela dónde la tecnología ha pasado de ser una novedad a una necesidad. Unas brechas estrechas indican un cambio de comportamiento genuino, y seis ocupaciones principales impulsan ahora el 70 % de toda la actividad de los agentes.

Ciertos sectores destacan por encima de su peso. Si bien los tecnólogos digitales lideran naturalmente el volumen (30 % de las consultas), los campos con gran densidad de conocimientos, como Marketing, Ventas, Gestión y Emprendimiento, demuestran la mayor "fidelidad". Una vez que estos profesionales adoptan un agente, su intensidad de uso supera sus cifras de adopción a medida que integran el asistente en su flujo de trabajo diario.

El contexto también importa. Los usuarios despliegan Comet Assistant para resolver los puntos de fricción específicos de su industria. Los profesionales de las finanzas se centran en gran medida en la eficiencia, dedicando el 47 % de las consultas a tareas de productividad. Los estudiantes se centran en la utilidad, con un 43 % de las tareas asignadas al aprendizaje y la investigación. En el diseño y la hostelería, es aún más fácil ver cómo domina el uso específico del contexto, desde el trabajo multimedia para los diseñadores hasta la planificación de viajes para el personal de hostelería.

En última instancia, los datos demuestran que Comet Assistant es altamente versátil y refleja las necesidades específicas de su usuario. En un contexto educativo, es un motor de investigación especializado, mientras que en un contexto profesional, se convierte en un asistente multipropósito. Los contextos personales representan más de la mitad de todo el volumen de consultas.

El nuevo trabajo del conocimiento es el trabajo de preguntas

Este estudio proporciona la primera prueba empírica de que nos estamos moviendo hacia una economía de inteligencia híbrida. El dominio de las tareas cognitivas en nuestros datos sugiere que los agentes de IA están ampliando el trabajo cognitivo humano. A medida que estas herramientas maduren, esperamos que la "fidelidad" de las tareas de productividad se profundice.

A medida que 2025 llega a su fin, ya no nos preguntamos si la gente utilizará agentes de IA. Sabemos que lo hacen. La pregunta ahora es qué tan rápido se adaptará el resto de la economía a una fuerza laboral que piensa, aprende y construye con un socio inteligente siempre presente en el ciclo. Para leer más sobre nuestra metodología, especificaciones de taxonomía y análisis estadístico, consulta el artículo de investigación completo aquí.