Agentes de IA para empresas: qué cambia con ChatGPT Work y cuándo conviene uno a medida

El 9 de julio OpenAI presentó ChatGPT Work, un agente de IA que promete ejecutar tareas de oficina completas: armar informes, trabajar sobre planillas y documentos, y sostener proyectos de varios pasos durante horas sin supervisión constante. Llegó junto a la familia de modelos GPT-5.6 y como respuesta directa a Claude Cowork, el agente que Anthropic lanzó en enero. En 72 horas, los dos jugadores más grandes del mercado redoblaron su apuesta por el mismo concepto: la IA ya no responde preguntas, hace trabajo.

Si dirigís una PyME o gerenciás operaciones en una empresa mediana, la pregunta dejó de ser "¿sirve la IA?" y pasó a ser otra más incómoda: ¿alcanza con suscribirse a un agente genérico, o mi operación necesita algo construido sobre mis sistemas? La respuesta corta: depende de dónde vive tu información y qué tan repetitivo (y crítico) es el proceso. Veamos cómo decidirlo.

Qué hacen bien los agentes genéricos como ChatGPT Work

Los agentes de propósito general son muy buenos en tareas que empiezan y terminan en documentos: redactar propuestas, resumir reuniones, armar presentaciones, analizar una planilla que les subís, investigar un tema y devolver un informe. ChatGPT Work, según lo anunciado, puede descomponer un objetivo en pasos, consultar distintas fuentes autorizadas por el usuario y producir entregables completos, con conectores hacia plataformas como Slack o Microsoft Teams.

Para un equipo administrativo, eso ya es valor real: menos horas en tareas de redacción y consolidación de información. Y el costo de entrada es bajo — una suscripción por usuario, sin proyecto de implementación. Si tu empresa todavía no usa IA más allá de consultas sueltas en el chat, probar un agente genérico en tareas de bajo riesgo es un primer paso razonable y barato. El error sería creer que ahí termina la historia.

Dónde se quedan cortos: tus sistemas, tus reglas, tus datos

El límite aparece cuando el proceso no vive en documentos sino en sistemas: el ERP, el sistema de facturación, la banca empresa, el CRM, la base de clientes. Un agente genérico no conoce tu circuito de aprobaciones, no sabe que ese cliente tiene condiciones especiales de pago, ni puede registrar una operación en tu sistema contable respetando tus validaciones. Puede leer lo que le muestres, pero no opera tu negocio.

Hay además una dimensión de control que en procesos críticos no es negociable: trazabilidad de cada acción, permisos por rol, datos que no pueden salir de tu infraestructura, y comportamiento predecible ante excepciones. En la encuesta de FUNDAR, la Universidad Torcuato Di Tella y el Observatorio PyME sobre adopción de IA en PyMEs argentinas, el 42% de las empresas ya usa IA en alguna etapa de su operación — pero cerca del 80% la concentra en generación de contenido. El grueso del valor operativo, el que está en administración, cobranzas, conciliación y atención, sigue sin capturarse.

El dolor real: procesos que cruzan sistemas y personas

Pensá en los procesos que más horas consumen en tu operación: conciliar cobranzas contra extractos bancarios, cargar facturas de proveedores al sistema, responder consultas de clientes que requieren mirar tres pantallas distintas, armar el reporte mensual juntando datos de ventas, stock y finanzas. Ninguno de esos procesos es "un documento": todos cruzan sistemas, reglas de negocio y decisiones con excepciones.

Ahí es donde un agente a medida cambia la ecuación. No hablamos de entrenar un modelo propio — eso casi nunca hace falta — sino de construir la capa que conecta un modelo de IA (el mismo tipo de tecnología detrás de ChatGPT Work o Claude) con tus sistemas, tus datos y tus reglas: lee el documento, valida contra el ERP, aplica tu lógica de negocio, registra el resultado y deja trazabilidad. La IA aporta la comprensión; la integración aporta el valor. Un proceso que hoy toma días de carga manual puede quedar en minutos, con menos errores y con cada paso auditado.

Cómo decidir: tres preguntas antes de invertir

Primera: ¿dónde vive la información del proceso? Si empieza y termina en documentos y correos, un agente genérico probablemente alcance. Si toca sistemas internos, vas a necesitar integración.

Segunda: ¿cuál es el costo del error? Redactar mal un borrador se corrige en segundos; registrar mal un pago o duplicar una factura cuesta plata y confianza. A mayor criticidad, más control necesitás sobre qué hace el agente y cómo.

Tercera: ¿el proceso es lo suficientemente repetitivo para justificar la inversión? Una automatización a medida tiene un costo inicial que un genérico no tiene. La cuenta se hace en horas-persona liberadas por mes: si un proceso consume 40 horas mensuales de tu equipo administrativo, los números suelen cerrar rápido. Si consume dos, empezá por el genérico.

La respuesta madura no es "genérico o a medida": es usar cada herramienta donde rinde. Genéricos para el trabajo documental del día a día; agentes integrados para los procesos que mueven la operación.

Cómo te acompañamos en Contarg

En Contarg trabajamos exactamente en esa segunda capa: la automatización de procesos con IA integrada a los sistemas que tu empresa ya usa. No vendemos "IA" en abstracto — relevamos el proceso, medimos cuántas horas consume, diseñamos la automatización con puntos de control humano donde hace falta y la conectamos a tu ERP, tu facturación o tu banca. El resultado se mide en horas liberadas y errores evitados, no en demos.

Si lo que necesitás es que tu equipo consulte información interna sin depender de "la persona que sabe", también implementamos asistentes corporativos que responden sobre tus propios documentos y datos, con permisos y trazabilidad.

Si después de leer esto identificaste un proceso que cruza sistemas y consume horas de tu equipo todos los meses, contanos cuál es: lo evaluamos juntos y te decimos con honestidad si conviene automatizarlo a medida o si un genérico te alcanza.

Preguntas frecuentes

¿Qué es un agente de IA para empresas?

Es un sistema de inteligencia artificial que ejecuta tareas de varios pasos de forma autónoma: no solo responde preguntas, sino que planifica, consulta fuentes y produce un resultado completo. Pueden ser genéricos (como ChatGPT Work o Claude Cowork) o construidos a medida sobre los sistemas de una empresa.

¿ChatGPT Work sirve para una PyME argentina?

Sí, para tareas documentales: informes, propuestas, análisis de planillas, resúmenes. Su límite está en los procesos que requieren operar sistemas internos (ERP, facturación, banca) con reglas de negocio propias, donde no tiene acceso ni control suficiente.

¿Cuándo conviene un agente de IA a medida en lugar de uno genérico?

Cuando el proceso cruza sistemas internos, el costo del error es alto y el volumen es repetitivo. La regla práctica: si el proceso consume decenas de horas mensuales del equipo y toca datos críticos, la inversión en una automatización integrada suele recuperarse rápido.

¿Hace falta entrenar un modelo de IA propio?

Casi nunca. Lo habitual es usar modelos existentes (los mismos detrás de ChatGPT o Claude) y construir la capa de integración con los sistemas y reglas de la empresa. Eso reduce costo y tiempo de implementación de forma drástica.

¿Cómo se controla lo que hace un agente de IA en procesos críticos?

Con diseño: puntos de aprobación humana en pasos irreversibles, permisos por rol, registro auditable de cada acción y validaciones contra los sistemas de la empresa antes de ejecutar. Un agente bien implementado es más trazable que el mismo proceso hecho a mano.