Los agentes no ganaron una sola competencia. Los equipos con agentes, todas.
29 equipos. 80 participantes. 17 retos de data science en industrias reales: banca, seguros, manufactura, salud, retail, producción de alimentos.
AgentDS es el primer benchmark que pone a competir a agentes de IA autónomos contra equipos humanos en las mismas condiciones. No un examen de opción múltiple. Una competencia real donde los participantes podían usar cualquier herramienta de IA a su disposición.
Los agentes autónomos, sin humano, rindieron cerca o por debajo de la mediana. No mal. Pero tampoco bien. Pasables, sin más.
Los ganadores en todos los casos fueron equipos donde un humano decidía cuándo y cómo usar al agente. Los dos juntos, con el humano al volante.
Me ha tocado dar sesiones donde eventualmente sale la pregunta: “¿Cuántas personas puedo reemplazar con agentes?” Y cada vez me quedo pensando lo mismo. Porque este estudio pone datos en algo que hemos vivido todos: la ejecución se puede automatizar. El juicio de qué automatizar, cuándo hacerlo y cómo interpretar lo que sale sigue siendo de alguien con contexto, con experiencia, con criterio. Sigue siendo humano.
Yo lo llamo el fallo en delegar. Delegar está bien. Delegar el criterio es donde se rompe todo. Decidir qué problema estás resolviendo y si la respuesta que te dieron tiene sentido, eso sigue siendo tuyo.
Ahora, también hay que decirlo: los equipos que mejor usaron IA fueron los que más ganaron. Esto no es un argumento para frenar nada. Es un argumento para dejar de pensar en agentes como reemplazos y empezar a pensar en ellos como lo que este estudio demuestra que son: amplificadores del equipo que ya tienes.
La próxima vez que evalúes un agente para tu equipo, pregúntate cuánto más puede lograr tu gente con él. Esa respuesta cambia toda la conversación.
🔗 https://arxiv.org/abs/2603.19005
#LaPiezaPendiente #TheTranslationGap #IAparaLíderes