La apuesta de Microsoft por los agentes de IA pasa de la programación a las finanzas
Microsoft afirma que los agentes de IA están transformando primero el trabajo de ingeniería, pese a las dudas aún sin resolver sobre su fiabilidad, supervisión y efecto en el empleo.
La empresa ahora quiere que el mismo modelo se extienda a las ventas, las finanzas, las operaciones y otros puestos basados en el conocimiento. Los empleados dedicarían menos tiempo a ejecutar por sí mismos pasos rutinarios. En su lugar, definirían objetivos, delegarían trabajo, revisarían resultados e intervendrían cuando un agente alcance sus límites.
Charles Lamanna, vicepresidente ejecutivo de Copilot, Agents and Platform de Microsoft, expuso esa transición durante una entrevista del 10 de agosto en Bloomberg Technology. Su argumento va más allá de otra actualización de producto de Copilot. Microsoft está pidiendo a las empresas que reorganicen el trabajo en torno a personas que supervisan software capaz de ejecutar acciones.
Esa propuesta ha adquirido peso comercial. Microsoft informó de más de 30 millones de licencias de pago de Microsoft 365 Copilot en sus últimos resultados fiscales. Tres meses antes, la compañía había comunicado más de 20 millones, junto con un aumento interanual del 250% en las nuevas licencias.
La cuestión abierta es si esas licencias se convierten en un uso productivo de agentes. Vender acceso es distinto de cambiar flujos de trabajo, medir el trabajo completado y hacer que los empleados rindan cuentas por decisiones automatizadas.
El conflicto central de Microsoft es, por tanto, productividad frente a sustitución. La empresa describe a los agentes como multiplicadores de capacidad que permiten a los empleados dedicarse a trabajos de mayor valor. Los empleadores también pueden usar esa misma eficiencia para ralentizar las contrataciones, consolidar funciones o reducir plantilla.
Microsoft está convirtiendo Copilot en un trabajador
El cambio importante de Microsoft consiste en pasar de responder preguntas de los empleados a completar por ellos partes delimitadas del trabajo.
Un asistente convencional espera una instrucción y devuelve texto. Un agente puede planificar varios pasos, utilizar herramientas autorizadas, examinar datos empresariales y realizar acciones hacia un resultado definido. También puede seguir trabajando mientras el empleado pasa a otra tarea.
Lamanna presentó la ingeniería de software como el ejemplo temprano más claro. Los agentes de programación pueden inspeccionar un repositorio, redactar cambios, ejecutar pruebas, responder a comentarios de revisión y preparar una pull request. El ingeniero pasa a ser responsable de la dirección, el criterio técnico y la aprobación final.
GitHub ha estado adaptando su sistema de medición a este modelo operativo. En julio, añadió métricas a nivel de repositorio para las pull requests creadas, fusionadas y revisadas por agentes de Copilot. Esto ofrece a las organizaciones algo más que un recuento de licencias o de instrucciones.
La métrica importa porque la adopción de agentes debe vincularse al trabajo completado. Una empresa ahora puede analizar dónde un agente crea pull requests, con qué frecuencia se fusionan esos cambios y dónde la revisión humana introduce correcciones.
Microsoft quiere trasladar este patrón a departamentos menos estructurados. Un agente de ventas podría cualificar clientes potenciales, reunir contexto sobre cuentas o preparar materiales de seguimiento. Un agente financiero podría conciliar registros, investigar desviaciones o redactar una explicación para un revisor.
El empleado sigue siendo responsable de la decisión empresarial. Sin embargo, la secuencia que conduce a esa decisión incluye más ejecución por parte de máquinas. Eso modifica qué habilidades consumen tiempo y qué fallos deben anticipar los directivos.
Microsoft ha seguido esta vía durante varios años. Introdujo Copilots basados en roles para ventas y servicios antes de anunciar Copilot for Finance en 2024. El impulso actual une esas experiencias especializadas con agentes que pueden operar entre aplicaciones y fuentes de datos.
No se trata simplemente de una mejor interfaz de chat. El límite del producto pasa de generar sugerencias a participar en un proceso empresarial. Cada acción adicional eleva tanto la posible ganancia de productividad como el coste de un resultado incorrecto.
La ingeniería ofreció a Microsoft un punto de partida favorable. El código puede compilarse, probarse, compararse, revisarse y revertirse. Esos controles hacen visibles los errores antes del despliegue cuando los equipos los utilizan correctamente.
Las ventas y las finanzas contienen menos comprobaciones universales. Un resumen de cuenta plausible puede omitir una relación que cambie la recomendación. Un asiento financiero técnicamente válido aún puede infringir una política interna o llevar a una interpretación empresarial equivocada.
Por tanto, la siguiente etapa del impulso de Microsoft depende de los controles, no solo de la capacidad del modelo. Las empresas necesitan permisos, registros, reglas de evaluación, vías de escalado y responsables humanos claros antes de que los agentes puedan gestionar trabajo con consecuencias relevantes.
Treinta millones de licencias elevan lo que está en juego
Microsoft 365 Copilot ha dejado atrás el experimento empresarial limitado, pero las licencias de pago no demuestran un valor empresarial consistente.
Microsoft afirmó en sus resultados del tercer trimestre fiscal de 2026 que Copilot había superado los 20 millones de licencias de pago. El número de clientes con más de 50.000 licencias se había cuadruplicado respecto al año anterior.
La empresa también mencionó despliegues excepcionalmente grandes. Accenture tenía más de 740.000 licencias, mientras que Bayer, Johnson & Johnson, Mercedes y Roche se habían comprometido con al menos 90.000 cada una. Estos despliegues dan a Microsoft acceso a numerosos departamentos en los que se pueden probar agentes.
En la última actualización fiscal, las licencias de pago habían superado los 30 millones. Ese aumento da al argumento de Lamanna una escala diferente. Microsoft ya no necesita demostrar que los grandes empleadores comprarán licencias de IA empresarial.
Debe demostrar que los trabajadores las utilizan en tareas valiosas. También debe mostrar que las organizaciones pueden pasar de la asistencia personal a procesos gestionados por agentes sin perder el control.
Las declaraciones del tercer trimestre de Microsoft describen el contexto organizativo como la ventaja de Copilot. Work IQ, la capa de contexto de Microsoft, conecta personas, roles, documentos, comunicaciones y permisos dentro del perímetro de seguridad de una empresa.
Microsoft afirmó que ese sistema abarcaba más de 17 exabytes de datos, con un crecimiento interanual del 35%. También recibe miles de millones de correos electrónicos, documentos y chats, además de cientos de millones de reuniones de Teams cada día.
Estas cifras describen el tamaño del contexto disponible, no su precisión o utilidad para cada tarea. Más información puede ayudar a un agente a comprender una organización. También puede hacer más importantes el diseño de permisos, la calidad de recuperación y la higiene de datos.
Ahí es donde Microsoft puede presionar a rivales como Google, Salesforce, ServiceNow y desarrolladores especializados de agentes. Los modelos compiten cada vez más por su acceso al contexto de trabajo, las herramientas y la distribución, y no solo por la generación de texto.
Google puede conectar Gemini con aplicaciones de Workspace y datos organizativos. Salesforce puede fundamentar Agentforce en registros de clientes y flujos de trabajo de ventas. ServiceNow puede situar agentes dentro de procesos estructurados de servicios y operaciones.
La posición de Microsoft es inusualmente amplia porque muchos empleadores ya utilizan sus productos de identidad, productividad, desarrollo, nube y seguridad. La empresa puede situar agentes donde los empleados leen mensajes, se unen a reuniones, crean documentos, analizan hojas de cálculo y escriben código.
La amplitud no garantiza la adopción. Sí reduce el número de sistemas independientes que un comprador empresarial debe conectar antes de probar un flujo de trabajo automatizado.
La cifra de 30 millones también genera presión interna para Microsoft. Los clientes esperarán pruebas de que el despliegue produce algo más que una redacción de documentos más rápida. Querrán resultados vinculados a ciclos de ventas, tiempos de cierre financiero, resolución de soporte, entrega de software u otro trabajo medible.
Ese requisito explica el avance de GitHub hacia métricas de agentes a nivel de repositorio. Los compradores necesitan mediciones similares fuera de la ingeniería. Los recuentos de instrucciones y usuarios activos no pueden demostrar si un agente mejoró una decisión o simplemente generó más material para que los humanos lo revisen.
Por tanto, el auge comercial marca el inicio de un periodo de evaluación más difícil. Microsoft ha demostrado distribución. Ahora afronta el trabajo más lento de demostrar valor repetible en departamentos con distintas tolerancias al riesgo.
La productividad y la plantilla son los verdaderos adversarios
Microsoft presenta los agentes como una forma de ampliar la producción, mientras los empleadores conservan la opción de convertir esa producción en menores necesidades de personal.
El argumento de productividad de Lamanna sigue un patrón económico conocido. Cuando la tecnología reduce el esfuerzo necesario para una tarea, una empresa puede producir más, mejorar la calidad, reducir costes o combinar las tres cosas.
Eso no produce un único resultado fijo para el empleo. La demanda puede expandirse lo suficiente como para crear nuevo trabajo. Las empresas también pueden mantener constante la producción y utilizar menos personas.
Microsoft hace hincapié en la expansión. Según su modelo, un ingeniero supervisa varias tareas de programación en lugar de completar manualmente una secuencia. Un vendedor dedica más tiempo a los clientes porque un agente se encarga de la investigación y la preparación.
Un profesional financiero puede investigar excepciones en lugar de elaborar informes rutinarios. Un directivo puede probar más escenarios porque los agentes recopilan información y preparan un análisis inicial.
Estos ejemplos respaldan una historia de capacidad. No eliminan la cuestión de la sustitución. El mismo software que libera a un empleado del trabajo repetitivo puede permitir que un departamento absorba el crecimiento sin añadir otro puesto.
Salesforce ofrece un contrapunto visible. Sus directivos han vinculado la productividad de la IA con una contratación más lenta de ingenieros y una menor plantilla de atención al cliente. Eso hace más difícil desestimar la disyuntiva laboral como una preocupación teórica.
La propia Microsoft opera dentro de la misma tensión. La empresa ha promovido importantes ahorros impulsados por la IA mientras realizaba reducciones de plantilla durante su ciclo más amplio de inversión en infraestructura. Las afirmaciones de productividad y los recortes de empleo pueden coexistir incluso cuando la dirección afirma que uno no causó directamente el otro.
También importa la diferencia entre eliminar un puesto y evitar una contratación futura. El uso de agentes puede no generar un anuncio inmediato de despidos. Aun así, puede cambiar el empleo mediante la rotación natural, una contratación más limitada en puestos de nivel inicial o mayores expectativas de producción.
La ingeniería de software vuelve a ofrecer una señal temprana. Si ingenieros con experiencia supervisan agentes que realizan tareas de implementación, las empresas pueden necesitar menos desarrolladores junior para programación rutinaria. Al mismo tiempo, pueden necesitar más personas capaces de diseñar sistemas, revisar cambios complejos y gestionar el riesgo de producción.
Esa transición crea un problema de formación. Las tareas de nivel inicial ayudan tradicionalmente a los empleados a desarrollar el criterio necesario para el trabajo sénior. Automatizar en exceso esa práctica podría debilitar la futura cantera de talento.
Las finanzas afrontan una cuestión relacionada. Los analistas junior suelen aprender mediante conciliaciones, documentación y exposición repetida a registros empresariales. Delegar esos pasos puede ahorrar tiempo, pero solo si los empleadores crean otra forma de desarrollar el criterio analítico.
La propia investigación de Microsoft de 2026 refleja esta preocupación. Los usuarios avanzados informaron de que preservan deliberadamente parte del trabajo sin IA para mantener actualizadas sus habilidades. También hacen pausas con más frecuencia para decidir si una persona o un agente debe realizar una tarea.
Ese comportamiento sugiere que una supervisión eficaz requiere experiencia activa. Un trabajador no puede evaluar de forma fiable el resultado de un agente después de perder los conocimientos necesarios para reconocer un error.
Por lo tanto, el resultado laboral dependerá de las decisiones de gestión y no solo del software. Los líderes deciden si el tiempo ahorrado se traduce en más contacto con clientes, más análisis, plazos más cortos, menos contrataciones o recortes de personal.
Llamar productividad a la transición no resuelve esa decisión. Describe una capacidad. Los empleadores aún determinan cómo se distribuye el valor económico entre clientes, accionistas y trabajadores.
Por qué la ingeniería va antes que las finanzas y las ventas
Los agentes de programación avanzaron primero porque el trabajo de software ofrece ciclos de retroalimentación que muchos procesos empresariales aún no tienen.
Un agente de programación puede recibir una incidencia clara, inspeccionar un repositorio definido y proponer un cambio auditable. Las pruebas automatizadas comprueban entonces al menos una parte de su trabajo. El control de versiones registra lo que cambió, mientras que los revisores pueden rechazar o revertir el resultado.
Estos mecanismos no hacen que los agentes de programación sean fiables de forma predeterminada. Hacen que los errores sean más fáciles de contener. Una prueba fallida, un diff inesperado o un comentario de revisión generan una señal visible antes de que el código llegue a los usuarios.
La actualización de GitHub de abril añadió recuentos diarios, semanales y mensuales de usuarios de agentes a los informes empresariales. Combinadas con métricas de pull requests, esas medidas pueden vincular la adopción con un proceso de entrega observable.
Las finanzas y las ventas a menudo dependen de criterios que no pueden reducirse a una única prueba aprobada. La respuesta correcta cambia según las políticas contables, los términos contractuales, el historial del cliente, las condiciones del mercado y las excepciones conocidas por empleados experimentados.
Un agente que prepara una oportunidad de venta puede recuperar mensajes y notas de reuniones. Aun así, necesita reglas para distinguir un comentario casual de un compromiso de compra. Una inferencia incorrecta puede dañar una relación con el cliente sin desencadenar un error técnico.
Un agente financiero puede comparar transacciones y señalar anomalías. No debe realizar un asiento sin fundamento, exponer datos restringidos ni tratar un pago inusual pero legítimo como fraude.
Por eso es esencial delimitar el alcance. Las empresas pueden empezar con tareas en las que el agente prepara el trabajo y un empleado cualificado lo aprueba. Una autonomía más amplia debería seguir a una precisión demostrada, no precederla.
La posición de producto de Microsoft le proporciona varios componentes necesarios para este diseño. Entra puede gestionar identidades y accesos. Microsoft 365 aporta contexto de trabajo. Copilot Studio admite agentes personalizados, mientras que Agent 365 está destinado a ayudar a las organizaciones a registrarlos y gobernarlos.
La empresa también admite agentes ajenos a su propia cartera de modelos. Durante su llamada de resultados del segundo trimestre fiscal, Microsoft describió GitHub Agent HQ como una capa organizadora para agentes de programación de Anthropic, OpenAI, Google, Cognition, xAI y otros.
Este enfoque de plataforma reconoce que las empresas utilizarán múltiples agentes. Microsoft quiere controlar la superficie de trabajo, la identidad, el contexto y la gobernanza incluso cuando otra empresa proporciona el modelo subyacente.
Esto genera una segunda presión competitiva. Los desarrolladores de agentes necesitan acceso a sistemas empresariales, pero las empresas quieren controles centralizados. Microsoft puede beneficiarse tanto si los clientes eligen un agente propio como si conectan uno externo mediante su infraestructura.
El mecanismo sigue dependiendo de la calidad del conocimiento organizativo. Los agentes basados en documentos duplicados, procedimientos desactualizados y permisos poco claros reproducirán esas debilidades a mayor velocidad.
Por tanto, las empresas que se preparan para el trabajo basado en agentes quizá deban corregir primero la gestión de la información antes de buscar autonomía. Una base de conocimiento con capacidad de búsqueda puede respaldar tanto la revisión humana como la recuperación por máquinas.
Los mejores despliegues a corto plazo probablemente se parecerán a una delegación disciplinada. Un empleado define el objetivo, restringe los datos y las herramientas, revisa la evidencia intermedia y asume la responsabilidad del resultado.
Ese modelo es menos dramático que un empleado digital que trabaja solo. También es más compatible con los controles que ya hacen útiles a los agentes de programación.
Lo que las cifras de Microsoft no demuestran
La evidencia muestra una rápida distribución y un uso creciente, pero no establece que los agentes autónomos mejoren de forma consistente la productividad en toda la empresa.
El Work Trend Index 2026 de Microsoft ofrece detalles útiles sobre cómo los empleados usan la IA. La empresa analizó señales de Microsoft 365 y encuestó a 20.000 trabajadores del conocimiento que ya utilizaban IA en 10 mercados.
Un análisis que preserva la privacidad de más de 100.000 chats de Copilot encontró que el 49% respaldaba trabajo cognitivo. Otro 19% implicaba trabajar con personas, el 17% implicaba producir trabajo y el 15% implicaba buscar información.
Microsoft también informó que el 66% de los usuarios de IA encuestados afirmó que la tecnología les daba más tiempo para trabajo valioso. El cincuenta y ocho por ciento dijo que producía trabajo que no habría podido completar un año antes.
Estos hallazgos respaldan la afirmación de que el uso de la IA va más allá de la redacción. Sin embargo, la encuesta se centró en personas que ya utilizaban IA generativa en el trabajo. Muchos resultados fueron autodeclarados en lugar de mediciones independientes de la producción organizativa.
Microsoft explica claramente esas limitaciones en el Work Trend Index. Sus categorías de preparación se basan en el comportamiento declarado, la confianza, la cultura, el apoyo de la dirección y la creación de valor.
El informe concluyó que solo el 19% de los usuarios de IA combinaba una alta capacidad individual con una sólida preparación organizativa. Otro 10% tenía competencias, pero carecía de sistemas empresariales de apoyo. La mitad permanecía en una categoría intermedia emergente.
Solo el 26% afirmó que su liderazgo estaba alineado con claridad y de forma coherente en torno a la IA. Ese hallazgo complica la idea de que comprar licencias de Copilot produzca naturalmente una empresa preparada para los agentes.
Una licencia concede acceso a la tecnología. No define qué tareas deben gestionar los agentes, resuelve políticas en conflicto ni crea un proceso de escalamiento. Tampoco capacita a los directivos para evaluar de forma justa las contribuciones humanas y de los agentes.
La seguridad sigue siendo otra limitación. Un agente con acceso a herramientas puede hacer más que generar un párrafo inexacto. Puede recuperar datos confidenciales, enviar un mensaje incorrecto, modificar un registro o activar otro proceso automatizado.
La guía de diseño de agentes de Microsoft hace hincapié en la fiabilidad, la privacidad, la seguridad, la transparencia y la rendición de cuentas. Aconseja a los equipos explicar las limitaciones de los agentes, supervisar su comportamiento y mantener mitigaciones después del despliegue.
Esa guía muestra por qué la autonomía no puede tratarse como una instalación de software puntual. Los agentes cambian a medida que cambian los modelos, los prompts, las herramientas, los permisos y los datos subyacentes. Las organizaciones necesitan una evaluación continua en lugar de una única aprobación de lanzamiento.
El coste de la revisión humana también merece atención. Un agente puede producir material más rápido de lo que un empleado puede verificarlo. Si la revisión se convierte en un cuello de botella, las aparentes ganancias de automatización pueden desplazar el trabajo en vez de eliminarlo.
La supervisión también puede generar sesgo de automatización. Los empleados pueden aceptar resultados plausibles porque el sistema funciona la mayor parte del tiempo, especialmente bajo presión de plazos. Un error poco frecuente puede entonces atravesar el control diseñado para detectarlo.
Por el contrario, los empleados pueden desconfiar del agente y rehacer cada tarea. Eso produce trabajo duplicado y debilita el retorno esperado. Un despliegue útil se sitúa entre la aceptación ciega y la repetición completa.
El crecimiento de licencias de Microsoft no puede resolver esas cuestiones. La evidencia más sólida procederá de resultados a nivel de tarea, incluidos el tiempo de ciclo, las tasas de corrección, la frecuencia de excepciones, los resultados para clientes y el impacto financiero verificado.
El argumento de productividad de la empresa sigue siendo creíble como dirección, pero incompleto como conclusión general. La ingeniería ofrece mecanismos alentadores. Las finanzas y las ventas aún necesitan evidencia en sus propias condiciones operativas.
Tres señales pondrán a prueba el impulso de Microsoft hacia los agentes de IA
La próxima prueba consiste en determinar si Microsoft y sus clientes pueden vincular la actividad de los agentes con resultados empresariales fiables.
La primera señal es la medición a nivel de tarea más allá de la ingeniería. GitHub ya informa de la actividad de pull requests creados y revisados por agentes según repositorio. Microsoft necesita medidas de resultados comparables para los flujos de trabajo de ventas, finanzas y servicios.
En ventas, una evidencia útil vincularía el trabajo de los agentes con oportunidades cualificadas, tiempos de respuesta, conversión y tasas de corrección. En finanzas, mediría la duración del cierre, la resolución de excepciones, las recomendaciones rechazadas y los hallazgos de auditoría.
Si Microsoft expone medidas operativas creíbles, su argumento de productividad se reforzará. Si los informes siguen centrados en licencias, prompts y usuarios activos, a los compradores les costará separar la adopción del valor empresarial.
La segunda señal es la relación entre el crecimiento de Copilot y la planificación de la plantilla. Inversores y empleados observarán las contrataciones, la rotación, las reorganizaciones y las expectativas de producción en los departamentos que adopten agentes.
Un patrón de expansión de la producción junto con empleo estable respaldaría el argumento de capacidad de Microsoft. Reducciones repetidas de personal vinculadas a la automatización reforzarían la interpretación de sustitución, independientemente de cómo los proveedores describan la tecnología.
La distinción puede seguir siendo difícil de demostrar. Las empresas rara vez aíslan una sola causa al ajustar la plantilla. Aun así, los compradores pueden divulgar si el tiempo ahorrado financia trabajo nuevo, absorbe crecimiento o reduce las necesidades de mano de obra.
La tercera señal es la gobernanza bajo autonomía real. Los registros de agentes, los límites de permisos, los registros de auditoría y las aprobaciones humanas deben funcionar tanto con agentes propios como externos. Un fallo grave de acceso o acción ralentizaría el despliegue en funciones reguladas.
La estrategia de Microsoft se fortalece si las empresas amplían los permisos de los agentes mientras mantienen bajas tasas de errores e incidentes. Se debilita si la mayoría de los despliegues siguen limitados a la redacción porque las organizaciones no pueden confiar en acciones autónomas.
Los compradores también deberían observar cómo responden los competidores. Google puede aprovechar la distribución de Workspace, Salesforce puede utilizar los datos de clientes y ServiceNow puede aprovechar procesos operativos estructurados. Cada uno tiene una ruta diferente hacia el trabajo empresarial con agentes.
Microsoft no necesita proporcionar todos los modelos ganadores. Su objetivo más amplio es convertirse en la capa operativa que conecta a los agentes con identidades, conocimiento empresarial, aplicaciones y controles.
Esa ambición explica el camino de la programación a las finanzas. La ingeniería ofrecía tareas medibles y sistemas de revisión consolidados. Microsoft ahora quiere demostrar que la supervisión humana puede hacer que los agentes sean fiables en trabajos menos deterministas.
Los 30 millones de licencias de pago proporcionan un amplio campo de pruebas, no un veredicto final. La cifra decisiva no será cuántos empleados reciben Copilot. Será cuántos flujos de trabajo de confianza producen mejores resultados sin ocultar revisión adicional, riesgo o mano de obra desplazada.
Para desarrolladores, equipos financieros, líderes de ventas y compradores empresariales, la acción inmediata es elegir un proceso medible antes de ampliar el acceso. Defina el resultado esperado, los datos autorizados, el responsable de revisión, el umbral de fallo y la ruta de escalamiento. Luego compare el proceso asistido por agentes con el flujo de trabajo existente. El impulso de Microsoft hacia los agentes de IA tendrá éxito cuando esa comparación respalde una delegación más amplia, no cuando aparezca otra licencia en el panel de un administrador.
