La carrera por la inteligencia artificial que opera los ordenadores por nosotros tiene un nuevo hito, y llega desde China. El 27 de julio, el agente Z-Agent (también conocido como InAgent en algunas fuentes), desarrollado por la empresa Intelligence Indeed, alcanzó una tasa de éxito del 90,2% en OSWorld, el benchmark de referencia para medir la capacidad de un modelo para "usar un ordenador como lo haría una persona". Es la primera vez, desde que existe esta evaluación, que un agente supera el listón psicológico e industrial del 90%. El anterior mejor registro público lo ostentaban compañías estadounidenses como Meta, Anthropic u OpenAI. El resultado no solo es un dato llamativo: muchos analistas lo interpretan como la prueba de que la competencia global en IA está dejando de ser una cuestión de "cuál es el modelo más grande" para convertirse en una batalla de ingeniería, estabilidad y entorno.

Qué es OSWorld y por qué importa tanto

OSWorld no es un test de chat ni de preguntas y respuestas. Fue publicado en 2024 por investigadores de la Universidad de Hong Kong, la Carnegie Mellon University y la Universidad de Waterloo, y se presentó en NeurIPS, una de las conferencias de inteligencia artificial más prestigiosas del mundo.

La clave es que, en lugar de evaluar a los modelos mediante diálogos o llamadas a API, OSWorld lanza al agente dentro de sistemas operativos reales —Ubuntu, Windows y macOS— y le pide que complete 361 tareas prácticas por su cuenta. Para resolverlas, el agente tiene que comportarse como una persona: observar la pantalla, mover el ratón, hacer clic y escribir con el teclado. Y, quizá lo más importante, su ejecución se puntúa de forma completamente automática mediante scripts de máquina, sin intervención humana, lo que elimina el sesgo de la corrección manual.

Por eso OSWorld se ha convertido en el baremo que las grandes compañías citan como aval cuando lanzan sus modelos estrella con capacidades de "uso de ordenador". Si se supera, deja de ser una promesa de laboratorio.

La evolución: de un 12% a ser mejor que un humano

Para dimensionar el hito de Z-Agent conviene mirar la curva completa de OSWorld. Cuando el benchmark apareció en 2024, los mejores modelos —incluidos GPT-4o y Claude— apenas rondaban el 12,2% de éxito. Nadie hablaba de agentes capaces de trabajar de verdad en un escritorio.

En 2025 se produjo la primera gran aceleración: el rendimiento pasó primero al 22% y después al 72,6%, superando por primera vez la media humana de 72,36%. Es el momento en que estos sistemas empezaron a considerarse algo más que una curiosidad académica.

En mayo de 2026 el récord subió hasta el 83,6%. Y solo dos meses después, Z-Agent dio el salto definitivo hasta el 90,2%, con 325,59 puntos sobre las 361 tareas posibles.

El desglose del resultado: dónde gana y dónde falla

El dato agregado es impresionante, pero lo más interesante es a costa de qué tareas consigue esa ventaja. En los tres escenarios considerados los más difíciles de OSWorld, el agente de Intelligence Indeed se desmarcó de la competencia:

  • Colaboración entre aplicaciones: un 84,7% de éxito en 93 tareas que obligan a cruzar datos entre distintos programas, casi diez puntos por encima del segundo clasificado.
  • Procesamiento de interfaces complejas: ganó 24 de las 26 tareas que implican manejar el editor de imagen GIMP, logrando un 92,3%.
  • Operaciones a nivel de sistema: un 100% de aciertos, sin un solo error, en 24 tareas que cubren gestión de procesos, permisos y línea de comandos.

Ese último dato es el que más llama la atención de los analistas: cero fallos justo donde antes se acumulaban los errores más graves de estos sistemas.

La empresa tras Z-Agent: Intelligence Indeed

Detrás del hito está Intelligence Indeed, una compañía fundada en 2018 y con sede en Hangzhou (Zhejiang), especializada en automatización empresarial basada en IA. Según sus propias cifras, ha trabajado con más de 6.000 clientes corporativos —en buena parte compañías Fortune 500, empresas estatales y líderes de sector— en ámbitos como la manufactura, el comercio electrónico, la energía, el comercio transfronterizo, la farmacología y la logística. Su consejero delegado, Sun Linjun, defiende una idea que explica muy bien el enfoque de la empresa: depender únicamente de integraciones por API tiene un coste de mantenimiento insostenible.

El argumento es muy concreto. Un sistema industrial como Siemens puede cobrar hasta 200.000 yuanes por cada interfaz que quieras conectar; otras aplicaciones con décadas de antigüedad simplemente no exponen interfaces; y las APIs del comercio electrónico cambian con una frecuencia alarmante. La apuesta de Intelligence Indeed es que el agente no se case con ninguna vía: si un sistema tiene interfaz, la usa; si no la tiene, pasa al "modo humano" y trabaja directamente sobre la pantalla, mirando y moviendo el ratón. Un cliente del sector manufacturero cuenta que conectar un sistema nuevo les llevaba medio año; ahora, pedirle al agente que compile los datos de producción en un informe devuelve el resultado en diez minutos.

Harness Engineering: el nuevo campo de batalla

La conclusión que extrae la industria es que Z-Agent no gana solo por la "inteligencia" del modelo subyacente, sino por un sistema de ingeniería completo que evita que el agente "se caiga" a mitad de tarea. Se está consolidando una fórmula que resume el nuevo paradigma:

Agente = Modelo + Harness

El modelo es el "cerebro": razona y decide. El harness es el andamiaje de ingeniería que lo rodea: cómo se descomponen las tareas, cómo se invocan las herramientas, cómo se corrige un error y cómo se garantiza la seguridad. Todo lo que permite que el agente opere de forma estable cae en esa categoría.

La analogía que circula por el sector es muy ilustrativa: si el modelo es la CPU, el harness es el sistema operativo. Da igual lo potente que sea la CPU si el sistema operativo se cuelga constantemente: el ordenador sigue siendo inutilizable. Un modelo desnudo no es un agente; solo cuando el harness le aporta gestión de estado, ejecución de herramientas, bucles de retroalimentación y restricciones ejecutables se convierte en algo capaz de "hacer el trabajo" de verdad.

Por eso, en 2026, la ingeniería de harness se ha convertido en el nuevo paradigma dominante. El consenso del sector es que, si 2025 fue el año en que la IA demostró que sabía escribir código, 2026 es el año en que el mundo ha descubierto que el entorno importa más que el modelo.

Del laboratorio a la fábrica: el escepticismo sano

No todo son titulares de triunfo. El Índice de Inteligencia Artificial 2026 del Stanford Institute for Human-Centered Artificial Intelligence (HAI) ya destacó que la tasa de éxito en OSWorld saltó de aproximadamente un 12% a más de un 66% en doce meses —el mayor avance anual registrado en el campo de los agentes— y usó una expresión deliberadamente prudente: este progreso "reclasifica a los agentes que usan el ordenador de la fase experimental a la fase lista para producción".

Pero, como recuerdan plataformas de análisis como AgentMarketCap, hay una distancia considerable entre el laboratorio y la línea de producción. El 90,2% (o el 66% del que hablaba Stanford) se mide en entornos controlados. Si ese mismo agente se mete en la pila tecnológica real de una empresa —sistemas ERP heredados, herramientas internas a medida, VPNs inestables y monitorizaciones de seguridad que pueden cortar la sesión en cualquier momento— su rendimiento sería completamente distinto.

Es precisamente esa brecha entre laboratorio y producción la que la ingeniería de harness intenta resolver, y la que convierte a esta disciplina en el nuevo foco de la competencia global.

Qué significa para la industria

El hito de Z-Agent tiene varias lecturas. La primera es de capacidades: la barrera del 90% derriba por fin el argumento de que los agentes de uso de ordenador son un juguete. Cuando un sistema acierta el 90% de las tareas de escritorio de forma autónoma y automática, "el ordenador que se usa solo" deja de ser una promesa y pasa a ser una herramienta de trabajo plausible.

La segunda es geoestratégica. Durante años, la frontera de la IA se midió casi exclusivamente en el poderío de los modelos y la potencia de cómputo, dominada por Estados Unidos. El resultado de Z-Agent demuestra que las empresas chinas ya compiten en la misma liga cuando la partida se juega en el terreno de la ingeniería de estabilidad y del entorno. Y, como señala el propio comunicado, esa competición "acaba de empezar".

La tercera es más filosófica y casi previsible: la empresa apostó por el GUI como capacidad central porque cree que la AGI requiere un avance multimodal —que solo percibiendo y operando el mundo como un humano puede la IA terminar de entenderlo. Mientras eso se dirime, lo que ya es innegable es que, en 2026, un agente chino es el primero que supera el 90% a la hora de usar un ordenador por nosotros. El siguiente reto, mucho menos mediático pero mucho más difícil, es repetirlo en el caótico ecosistema de una empresa real.

Fuentes: comunicado oficial vía GlobeNewswire (The Manila Times), Pandaily y la web de Intelligence Indeed. Para más contexto sobre el ecosistema de agentes e IA, puedes consultar el resto del blog.