Los agentes de IA autónomos trabajan unas 50 veces más tiempo que los asistentes de búsqueda, según Harvard y Perplexity

Investigadores de la Universidad de Harvard y de la empresa Perplexity publicaron el 8 de junio de 2026 un trabajo conjunto que compara de forma directa el comportamiento de los usuarios con un agente de IA autónomo y con un asistente de búsqueda de IA clásico. La conclusión principal: una sesión media con un agente autónomo supone 26 minutos de trabajo independiente del sistema, mientras que una sesión con un asistente de búsqueda dura solo 33 segundos. La diferencia es de casi 50 veces a favor del agente autónomo.

Cómo se diseñó el estudio

Los autores aplicaron el método de sesiones por pares (matched-pair sessions): emparejaron tareas de naturaleza similar que los usuarios resolvían unas veces con un agente autónomo y otras con un servicio de búsqueda, para comparar con rigor el comportamiento de las personas en dos modos distintos de trabajar con IA. Este diseño permite separar el efecto de la herramienta del efecto del tipo de tarea que resuelve el usuario. Por tanto, la comparación es justa y no favorece a un sistema por la diferencia de complejidad de las consultas.

El trabajo continúa una línea más amplia de investigación de 2026 sobre cómo medir el «horizonte de tareas»: cuántos pasos consecutivos puede completar un sistema por sí solo antes de necesitar la intervención de una persona. Cada vez más analistas señalan el crecimiento de este indicador, y no solo la mejora de la respuesta individual, como el principal termómetro del avance de los agentes de IA.

Cifras clave del estudio:

• 26 minutos: tiempo medio de trabajo autónomo del agente por sesión
• 33 segundos: tiempo medio de trabajo del asistente de búsqueda de IA por sesión
• Diferencia: casi 50 veces a favor del modo autónomo
• Autores: un equipo conjunto de la Universidad de Harvard y Perplexity
• Fecha de publicación: 8 de junio de 2026

Qué muestran las cifras además del tiempo

La diferencia en la duración de la sesión no es el único resultado. Los investigadores registran mejoras más amplias en tres frentes: el grado de autonomía (el agente ejecuta más pasos consecutivos sin confirmación intermedia del usuario), el tiempo total que ahorra la persona al delegar la tarea por completo y el coste de ejecutar la tarea en relación con el resultado logrado. Además, los autores señalan que con un agente autónomo los usuarios abordan, en general, una gama de tareas más amplia que con la búsqueda.

El agente no se limita a acelerar los escenarios habituales de búsqueda de información: amplía la lista de cosas que la gente intenta hacer con IA, y le confía cadenas de acciones más complejas y largas.

Qué significa para el futuro de los agentes de IA

La relación de 26 minutos frente a 33 segundos explica con claridad por qué la industria desplaza en 2026 su foco con tanta rapidez de los chatbots y los asistentes de búsqueda hacia agentes completos, capaces de llevar tareas de varios pasos hasta el final por sí solos. Para Perplexity, que desarrolla a la vez un producto de búsqueda y funciones de agente, estos datos son un argumento de peso para seguir invirtiendo en autonomía, y no solo en la calidad de una respuesta individual.

Para el mercado de la IA en general, el resultado respalda una tesis que la industria lleva meses debatiendo: el valor de la IA pasa de la «respuesta rápida» al «trabajo hecho». Si un agente realmente mantiene ocupada una tarea del usuario casi 50 veces más tiempo con trabajo autónomo y sin intervención humana, eso implica un potencial de crecimiento múltiple en el volumen de tareas que empresas y particulares están dispuestos a delegar en el sistema. Para inversores y equipos de producto, estas cifras también sirven de referencia a la hora de decidir dónde destinar recursos: a mejorar la búsqueda o a desarrollar una autonomía agéntica completa.

Sigue abierta la cuestión de la calidad y la fiabilidad de este trabajo en horizontes largos, y todo indica que será el próximo foco de investigación de Harvard y Perplexity en este ámbito.

También importa que la comparación se base en sesiones reales de usuarios y no en los benchmarks sintéticos que la industria suele usar para medir las capacidades de los modelos. Este enfoque responde a parte de las críticas que suelen dirigirse a las pruebas de laboratorio de agentes: los usuarios reales plantean al sistema tareas más heterogéneas y menos predecibles que los conjuntos de prueba estandarizados. Por eso, la brecha de 26 minutos frente a 33 segundos se acerca más a lo que ocurre en la práctica que al máximo de laboratorio de las capacidades de un modelo.