Agentic Work Management de Asana: la nueva forma de trabajar con agentes de IA en tu equipo

Publicado: 13.08.2026

Agentic Work Management es el modelo de Asana donde personas y agentes de IA ejecutan los mismos proyectos sobre un plan común. Qué incluye y qué cambia.

Agentic Work Management de Asana, la nueva forma de trabajar con agentes de IA en tu equipo

Agentic Work Management de Asana: la nueva forma de trabajar con agentes de IA en tu equipo

Puntos clave

  • Qué es Agentic Work Management de Asana y en qué se separa de sumar otra herramienta de inteligencia artificial a las que tu empresa ya paga.
  • Los cuatro tipos de trabajo que tu operación atiende hoy con una sola respuesta, y cuál de ellos conviene poner en manos de un agente.
  • Por qué Asana construyó este modelo sobre su Work Graph y qué implica esa apuesta para quien compra.
  • En qué tres situaciones conviene esperar, y por qué posponer no es perder la inversión.
  • Qué puede ver un agente, quién lo supervisa y cómo se demuestra lo que hizo ante una auditoría.
  • Qué decide cada rol del comité: operaciones, finanzas y tecnología, con la pregunta que le toca a cada uno.
  • Qué flujo conviene poner primero a prueba y con qué criterio se decide expandir o cerrar.

Análisis elaborado por los consultores de Xmarts, mejor partner de Asana en Latinoamérica.

Agentic Work Management es el modelo con el que Asana reorganizó su plataforma: personas y agentes de inteligencia artificial ejecutando juntos los flujos críticos sobre un mismo plan, con el mismo contexto y las mismas reglas de gobierno.

Descrito así puede sonar a una función más del catálogo. Lo que cambia para un comité de dirección está un nivel más abajo: la inteligencia artificial deja de ser una herramienta que cada área compra por su cuenta y pasa a ser capacidad de la empresa, con todo lo que eso arrastra. Se presupuesta, se gobierna y se audita como el resto de la operación.

Ese cambio de categoría trae consigo una pregunta que hasta ahora se podía posponer: por qué dos ciclos de inversión produjeron mejoras visibles en tareas individuales sin efecto equivalente en la velocidad con que la organización termina proyectos.

El gasto creció más rápido que la capacidad de medirlo

En la mayoría de las empresas medianas y grandes de la región, la inteligencia artificial no entró por decisión de dirección. Entró por áreas, con presupuestos y criterios distintos, sobre una dispersión de herramientas que ya tenía su propio costo. El resultado es una cartera de iniciativas sin línea base común, donde no existe una pregunta que pueda hacerse a todas a la vez.

PwC lo midió y el número es incómodo. En su encuesta global a directores generales, uno de cada ocho reporta beneficio de costo y de ingreso a la vez. El 56 por ciento no identifica todavía ningún beneficio financiero significativo. En más de la mitad de las organizaciones que ya invirtieron, la adopción llegó antes que el método.

56%

Más de la mitad no reporta beneficio financiero de su IA

Sin línea base previa no hay con qué comparar después. El dato no acusa a la tecnología, acusa a la medición.

Una cartera sin línea base no se evalúa, se defiende.

Fuente: PwC, encuesta global a directores generales

La unidad de mejora fue la tarea, no el flujo de trabajo

La generación anterior de herramientas optimizó el trabajo de una persona frente a una pantalla, bajo el supuesto de que la suma de tareas aceleradas produciría procesos acelerados.

Ese supuesto se cae ante una realidad simple: el tiempo total de un proceso lo fijan sus esperas. El traspaso entre áreas. La decisión que aguarda agenda. La información en un sistema que no habla con el siguiente. Acelerar una etapa dentro de un proceso que se detiene en otra no cambia el total, solo mueve la fila de lugar. Por eso conviene ver dónde se detiene el trabajo antes de elegir qué automatizar.

La variable que predice el resultado, y no es el proveedor

Dos empresas contratan la misma plataforma el mismo mes. Una consigue que su equipo entregue más con la misma estructura; la otra concluye que la tecnología no sirvió. La diferencia casi nunca está en la configuración ni en el proveedor elegido.

Está en cuánto sabe el sistema sobre cómo trabaja la empresa. Un asistente responde a quien le escribe y desconoce el entorno: produce texto. Un agente que opera dentro del plan de trabajo lee la estructura completa (qué proyecto es, de qué depende, contra qué objetivo corre, quién aprueba) y por eso puede continuar el trabajo de alguien más en lugar de devolver una respuesta aislada.

Ese es el punto que conviene llevarse: la inversión rinde en proporción a la estructura que encuentra al entrar. Donde el trabajo de las áreas críticas está conectado, hay algo que leer. Donde vive en archivos personales y cadenas de correo, no lo hay, y ninguna plataforma lo compensa.

Para una dirección eso reordena la secuencia de la decisión. La pregunta de qué proveedor elegir viene después de la pregunta de qué tan legible es la propia operación.

Y esa segunda pregunta tiene una respuesta más concreta de lo que parece.

Cuatro tipos de trabajo atendidos con una sola respuesta

Dentro de cualquier operación conviven categorías de trabajo con economías muy distintas, y casi todas las organizaciones las atienden con la misma decisión de compra.

Una es el trabajo que exige criterio: informes que integran varias áreas, material de decisión, el análisis de por qué un frente se atrasó. Otra es el trabajo repetible de alto volumen, donde el valor está en la consistencia y no en el juicio, como recibir solicitudes, clasificarlas y enrutarlas. Hay una tercera que rara vez se nombra, la de recuperar lo que se decidió en una reunión y nunca llegó al plan. Queda una cuarta, la más invisible en la conversación de comité: el trabajo que los equipos ya producen con herramientas de inteligencia artificial externas, por fuera de todo registro.

En el modelo de Asana cada una tiene su pieza. Los Compañeros de IA ejecutan el trabajo de criterio, y hay más de 30 preconfigurados, varios apuntando directamente a dirección y operaciones: Generador de informes ejecutivos, Asesor de portafolio, Planificador de capacidad productiva. AI Studio cubre lo repetible. Asana Dash recoge lo disperso. Los conectores de IA y MCP permiten que ChatGPT, Claude o Gemini operen contra el plan sin salir de la conversación, de modo que lo que producen queda ligado a un proyecto en lugar de perderse con la sesión.

Lo que importa de esa separación es el costo de no hacerla. Confundir criterio con regla se paga en las dos direcciones: se compra capacidad de juicio para tareas que una regla resolvía, o se automatiza por regla una decisión que dependía del contexto. El caso más reconocible es el reporte de estado, donde armarlo a mano cuesta más de lo que parece y automatizarlo es trivial.

En los diagnósticos que realiza Xmarts con empresas de servicios y manufactura de la región, el patrón más frecuente es justamente ese: las cuatro categorías resueltas con una sola respuesta.

Cada categoría se paga distinto cuando se clasifica mal

Tipo de trabajoCómo se reconoceLo que cuesta confundirlo
Exige criterioDos personas competentes llegarían a conclusiones distintas con el mismo materialSe automatiza por regla y el resultado deja de considerar el contexto que lo justificaba
Repetible de alto volumenEl procedimiento cabe escrito y nadie discute el resultado cuando se sigueSe compra capacidad de juicio para algo que una regla resolvía más barato
Recuperar lo acordadoLa decisión existe en la memoria de quien asistió y en ningún registroSe rehace trabajo ya decidido, y nadie lo contabiliza porque no tiene dueño
Producido con herramientas externasAparece terminado sin que el plan registre cuándo ni con qué se hizoLa operación queda sin trazabilidad justo donde más volumen está creciendo

El inventario se levanta preguntando por la señal, no por el área.

Una operación con las cuatro categorías vivas necesita cuatro respuestas, no una.

Qué puede hacer un agente y qué sigue fuera de su alcance

Clasificar los procesos resuelve la mitad de la decisión. La otra mitad aparece cuando alguien del comité pregunta qué hace exactamente un agente dentro de un proyecto.

La objeción casi nunca es sobre su capacidad. Es sobre qué deja de pasar por una persona, y con qué registro queda.

El control de acceso lo resuelve tratando al agente como se trata a alguien que acaba de entrar. Recién creado solo alcanza lo público de la instancia. Hay que invitarlo a cada equipo o proyecto, hereda el nivel de acceso de ese espacio y no puede ampliárselo por su cuenta. Cuando responde a alguien, además, solo usa información a la que esa persona también llega, así que tampoco sirve de atajo para ver lo que no corresponde. Con herramientas externas actúa con las credenciales de quien lo activó, y ciertas operaciones exigen aprobación humana sin excepción.

Nada de eso funciona si los permisos del sistema no reflejan la operación real. Un agente hereda el desorden que encuentra igual que hereda el orden, y ahí está la diferencia entre una implantación que se adopta y una que se abandona.

El valor se materializa en tiempo de ciclo, no en tamaño de plantilla

Leer el retorno como reducción de personal explica buena parte de las decepciones documentadas. Lo que sí se mide es otra cosa: cuánto se acorta el intervalo entre que algo se decide y algo se ejecuta.

El tiempo de dirección no se ahorra, cambia de destino

Trabajo que hoy ocupa la agenda directiva

  • Averiguar en qué punto está cada frente
  • Perseguir lo que se detuvo sin aviso
  • Rehacer el mismo resumen para cada revisión
  • Reconciliar versiones que no coinciden

Trabajo que nadie más puede hacer

  • Decidir qué se deja de hacer este trimestre
  • Fijar el criterio con el que se aprueba o se rechaza
  • Arbitrar entre dos áreas que piden el mismo recurso
  • Elegir qué riesgo se acepta y cuál no
  • Explicar la decisión al consejo y sostenerla

Si la derecha no crece cuando la izquierda baja, el tiempo se dispersó.

Buena parte del tiempo directivo se va en determinar el estado de cada frente, impulsar lo detenido y rehacer el resumen para la siguiente revisión. Cuando ese estado reside en el plan y no en la cabeza de cinco personas, el tiempo no desaparece: se desplaza hacia definir criterios, que es la parte que nadie más puede hacer.

Los casos que Asana publica apuntan en esa dirección. Palo Alto Networks reporta reportes de estado que pasaron de horas a minutos, con cumplimiento total de plazos en sus equipos de investigación y desarrollo. Spotify reporta el doble de campañas gestionadas por cada gerente de proyecto. Morningstar describe revisiones que tomaban dos semanas resueltas en una fracción de ese tiempo. Son cifras del proveedor sobre clientes propios: sirven como orden de magnitud, no como promesa.

Un buen primer piloto se puede medir antes de tocarlo

  • Tiene un dueño que puede aprobar cambios sin escalar a otra dirección
  • Ocurre con frecuencia suficiente para que el resultado no dependa de un mes atípico
  • Su duración se puede reconstruir con registros que ya existen, sin montar medición nueva
  • Cruza al menos dos áreas, que es donde aparecen las esperas que importan
  • Nadie discute cómo se ve terminado, así que el éxito no se negocia al final
  • Sobrevive a que alguien salga de vacaciones, porque si no, se está midiendo a una persona

La tercera condición es la que más pilotos descarta.

Seis condiciones. Un flujo que falla dos ya no es el mejor candidato para empezar.

Ese intervalo se observa dos veces, antes de intervenir y después. Sin la primera observación no hay con qué comparar, y la evaluación termina apoyándose en impresiones.

El alcance de ese trabajo no admite empaquetado. Una empresa de servicios con un proceso crítico y una industrial con varias áreas en disputa por prioridades no reciben el mismo calendario, aunque el método sea el mismo.

Cuándo conviene esperar

Nada de lo anterior significa que el momento sea ahora para toda empresa.

Hay procesos que todavía se están diseñando, con reglas que cambian de un trimestre a otro. Esos no se automatizan ni se delegan: se terminan de diseñar primero, porque automatizar sobre reglas en movimiento multiplica el retrabajo a velocidad de máquina. Donde el momento sí llegó, queda decidir cómo probarlo sin comprometer el presupuesto del año.

Hay sistemas donde los permisos son arqueología. Accesos heredados de puestos que ya no existen, proyectos donde figura media empresa. Ordenar eso es trabajo de semanas y no se compra con una licencia.

Y hay organizaciones donde el dueño del proceso está en otra dirección y el tema no llega a comité, así que la medición previa no puede aprobarse. Ahí el piloto terminará sin término de comparación, y el problema es de gobierno.

En cualquiera de los tres casos la inversión no se pierde. Se pospone hasta que rinda, que es una recomendación distinta a la de no hacerlo.

Qué decide cada rol

El tema llega al comité como uno solo. En realidad son decisiones distintas y conviene no mezclarlas.

Dirección de operaciones. Elige qué flujo entra primero. El mejor candidato rara vez es el más doloroso: es el más acotado, con principio y final claros, volumen suficiente para que medirlo signifique algo, y un dueño que pueda aprobar cambios sin escalar. La pregunta para el comité: ¿cuál de nuestros procesos cumple eso hoy?

Dirección financiera. Define contra qué se evaluará la inversión y cuándo. Lo que conviene exigir no es la proyección del proveedor sino una observación propia del flujo elegido, tomada antes de intervenir, con fecha de revisión puesta en el calendario desde el inicio. La pregunta para el comité: ¿qué vamos a mirar dentro de un año para saber si esto funcionó, y lo estamos mirando hoy?

Dirección de tecnología. Fija qué evidencia de control debe existir antes de autorizar el primer agente: identidad propia, permisos que no puedan ampliarse solos, registro consultable de qué ejecutó cada uno. La pregunta para el comité: si mañana llega una auditoría, ¿esa respuesta se consulta o se reconstruye?

Tomadas por separado, la conversación con cualquier proveedor se vuelve corta. Mezcladas, el proyecto avanza por entusiasmo de un área y se frena por objeción de otra.

Tres preguntas para llevar a tu comité de dirección:

  1. ¿Cuántas suscripciones de inteligencia artificial mantiene la empresa hoy, sumando todas las áreas? Si nadie puede responderlo en la reunión, el primer trabajo no es comprar sino inventariar.
  2. Si mañana se formula una pregunta de auditoría sobre qué ejecutó un agente y bajo qué autorización, ¿dónde reside esa respuesta? Si implica reconstruirla a mano, el control todavía no existe.
  3. ¿Contra qué cifra se comparará el resultado de la próxima inversión, y esa cifra está medida hoy? Sin medición previa no habrá término de comparación.

Si en tu empresa ya hay inversión en inteligencia artificial repartida entre áreas, la pregunta útil antes del siguiente presupuesto es si la operación tiene el modelo de trabajo y los controles que un agente necesita. Un diagnóstico con un consultor de Xmarts te da ese mapa. Agenda el tuyo.

Preguntas frecuentes

¿Cuál es la diferencia entre la IA agéntica y la IA generativa?

La IA generativa produce contenido cuando alguien se lo pide, y la IA agéntica ejecuta una secuencia de pasos hacia un objetivo sin que la dirijan en cada uno. En gestión del trabajo la diferencia se ve en el resultado. Una devuelve un borrador a quien preguntó. La otra deja una tarea creada, asignada y con fecha dentro del plan del equipo.

¿Cuál es la diferencia entre un agente de IA y un chatbot?

Un chatbot responde dentro de una conversación y ahí termina, mientras que un agente de IA actúa sobre el sistema donde vive el trabajo y deja un cambio registrado. La respuesta del chatbot depende de que alguien la copie a algún lado. El agente opera con identidad propia, permisos delimitados y rastro consultable, que es lo que permite auditarlo después.

¿Cuáles son las características principales de un agente de IA?

Un agente de IA tiene cuatro rasgos que lo separan de un asistente: identidad propia, permisos delimitados, capacidad de encadenar varios pasos y registro de lo que hizo. Los cuatro pesan al evaluarlo. Sin identidad no hay auditoría posible, sin permisos delimitados hereda todo el acceso de quien lo creó, y sin registro nadie puede reconstruir una decisión cuando la cuestionan.

¿Cuáles son los riesgos de la IA agéntica?

El riesgo principal de la IA agéntica no es técnico sino de gobierno: un agente con permisos amplios y sin registro produce cambios que después nadie sabe explicar. Los otros dos que aparecen en los diagnósticos son automatizar un trabajo que exige criterio, y evaluar el piloto por impresiones en lugar de por tiempo de ciclo.

¿Cuáles son los ejemplos de IA agéntica en la gestión del trabajo?

Los ejemplos frecuentes en gestión del trabajo son tres: clasificar y enrutar las solicitudes que entran por formulario, redactar el primer borrador de un entregable, resumir el estado de un portafolio. Los tres comparten una condición. El procedimiento cabe escrito y el resultado no se discute cuando se sigue. Donde hace falta criterio, el agente prepara el material. La decisión sigue siendo de una persona.

¿Conoce a alguien a quien le serviría esta lectura? Compártala.


Artículos Relacionados