Segun MarkTechPost (AI/ML News), un estudio conjunto de Harvard y Perplexity ha revelado que los agentes de inteligencia artificial ejecutan promedios de 26 minutos de trabajo autónomo por sesión, frente a apenas 33 segundos en búsquedas convencionales. La investigación, publicada en junio de 2026, analiza datos reales de dos productos de Perplexity: una herramienta de búsqueda conversacional y una plataforma de agente que planifica y ejecuta tareas de forma end-to-end. Los investigadores seleccionaron un periodo de 90 días, desde el 27 de febrero hasta el 27 de mayo de 2026, con el lanzamiento del producto de agente dos días antes del inicio del periodo. Para asegurar comparabilidad, se identificaron 10.000 pares de sesiones con una similitud coseno superior a 0,99, lo que indica que se trataba de tareas idénticas intentadas en ambos sistemas.
Las sesiones del agente se filtraron para incluir únicamente aquellos casos en los que se activaron herramientas de ejecución, como la ejecución de código, acciones en el navegador, escritura de archivos o llamadas a conectores. Este criterio garantiza que cada interacción con el agente no solo se limite a responder, sino que realmente realice acciones autónomas. Durante el periodo estudiado, el número total de consultas al agente creció 84 veces respecto a su primera semana. Además, el análisis mostró que el aumento en el uso del agente provocó un incremento de 1,05 en las búsquedas diarias por parte de los usuarios. Este dato sugiere que el agente no reemplaza a la búsqueda, sino que se complementa con ella, mejorando la productividad sin eliminar la necesidad de consulta tradicional.
El modelo teórico que subyace al estudio se basa en una estructura de costos por tareas. Cada tarea se divide en pasos, y los trabajos más largos tienen un valor intrínseco mayor. Los agentes introducen un costo fijo elevado por delegar tareas y revisar resultados, pero reducen el costo marginal por paso porque el sistema ejecuta los pasos automáticamente. Esto genera un umbral de equilibrio: si una tarea es corta, el enfoque tradicional es más eficiente; si es compleja, el agente se vuelve la opción más viable.
Para los usuarios peruanos, este hallazgo implica una transformación en cómo se gestionan tareas cotidianas. Desde el diseño de presupuestos hasta la gestión de documentos o la búsqueda de información en plataformas oficiales, las tareas que requieren múltiples pasos —como la verificación de datos en distintos sitios o la redacción de informes— podrían verse profundamente optimizadas por agentes de IA. Aunque el costo inicial de integrar estas herramientas puede parecer elevado, su eficiencia en procesos largos y repetitivos podría justificar su uso en entornos como pequeñas empresas, centros educativos o incluso familias que gestionan finanzas personales. La clave no está en sustituir el conocimiento humano, sino en ampliar su alcance, permitiendo que el tiempo se use más eficientemente en decisiones estratégicas.