Qué es un LMS agéntico, y la pregunta que los separa
Las plataformas agénticas dejan que agentes de IA trabajen solos. La diferencia que decide la compra: ¿el agente aplica ese trabajo o se lo entrega a una persona?
Todas las plataformas de aprendizaje se llamarán agénticas antes de que acabe el año, así que la palabra por sí sola ya casi no dice nada. Una pregunta devuelve la señal, y no es sobre lo capaces que son los agentes. Es esta: cuando un agente termina un trabajo, ¿lo aplica él mismo o se lo entrega a una persona? Todo lo que una institución tiene que aprobar se deriva de la respuesta.
LMS agéntico
Una plataforma de aprendizaje en la que agentes de IA llevan a cabo por su cuenta trabajos de varios pasos —redactar un curso a partir de material de origen, corregir una entrega según una rúbrica, montar un informe— en lugar de responder a una indicación cada vez. El término describe cuánto de una tarea asume el sistema sin que se lo vuelvan a pedir. No dice nada, por sí mismo, sobre quién responde del resultado.
La categoría llegó deprisa y desde arriba del mercado. Docebo anunció AgentHub en su evento Inspire el 21 de abril de 2026, describiendo agentes que «razonan, deciden y actúan» sobre el conocimiento y las competencias de la empresa, con disponibilidad completa prevista para el otoño. Absorb publicó el 5 de junio de 2026 una definición de sistema de aprendizaje agéntico —agentes que «actúan dentro de los flujos de formación»— y señaló que en la beta de Aura la arquitectura resolvió entre el 40 y el 60 % de los tickets de soporte administrativo rutinarios «sin que ningún humano abriera una cola». Una serie de guías de compra de 2026 ya clasifica las plataformas agénticas como categoría propia.
¿Cuál es la diferencia entre un LMS con IA y uno agéntico?
«Con IA» describe funciones añadidas a un producto existente: un botón de resumen, un generador de preguntas, un panel de chat. Cada una hace una cosa cuando se la pide. «Agéntico» describe el alcance: el sistema asume una tarea entera a lo largo de varios pasos, decide qué hacer a continuación dentro de esa tarea y sigue sin que se lo pidan en cada vuelta. El salto de uno a otro es real. Y es también el punto en el que la pregunta de quién aplica el resultado deja de ser teórica.
La división dentro de la categoría
Esa cifra de Absorb merece detenerse, porque desmiente una versión perezosa de este artículo. Absorber las preguntas repetidas sobre matrículas y certificados es exactamente donde la autonomía sale rentable: las preguntas se repiten, las respuestas salen de contenido aprobado y equivocarse en una le cuesta a alguien un segundo correo. Ahí nadie necesita a una persona delante. Lo que está en juego no se reparte por igual dentro de una plataforma, y una regla de «una persona aprueba todo» aplicada en todas partes solo produce un producto más lento. El argumento es más estrecho: va de las pocas superficies en las que equivocarse sale caro.
Se venden dos diseños bajo la misma palabra, y se comportan de forma muy distinta la primera vez que algo sale mal.
- Agentes que actúan. El agente termina la tarea y aplica el resultado. Se publica un curso, se asigna una matrícula, se presenta un informe. Usted se entera después, normalmente por una notificación. Es lo que la mayor parte de la categoría entiende por agéntico, y es lo que las demos están hechas para enseñar.
- Agentes que proponen. El agente termina la misma tarea y se detiene. Lo que ha producido llega como borrador, elemento en cola o nota sugerida, y una persona con nombre lo aplica o no. El trabajo es idéntico; el último paso pertenece a alguien a quien se le puede preguntar por qué.
El segundo es más lento. Es un coste real y conviene decirlo con claridad: si lo que quiere es un asistente que simplemente haga la cosa, un paso de aprobación le va a irritar. Lo que compra con ese retraso es que un error del modelo sea un borrador rechazado en vez de un incidente, una distinción que solo importa de vez en cuando y que importa muchísimo cuando importa.
El agente produce el trabajo y lo entrega. Una persona lo aplica, y el registro guarda lo que se propuso junto a lo que se aceptó, incluido lo que se rechazó, que es la entrada que demuestra que el control servía para algo.
Al agente se le indica que pida confirmación antes de las acciones importantes, con la importancia juzgada por el modelo, en la misma ventana de contexto que el material que se le pidió leer.
Vale la pena nombrar ese segundo patrón porque es común y se parece al primero. Un sistema en el que al modelo se le dice que pida permiso no es un sistema en el que el modelo no tiene forma de seguir sin él. El primero es una norma que el modelo puede cumplir. El segundo es un muro. Pregunte cuál le están enseñando, y pida ver el muro.
Por qué esto es una cuestión de compra y no de preferencia
Para una empresa que automatiza recordatorios internos de cumplimiento, la autonomía es sobre todo una decisión de eficiencia. Para un colegio, una universidad o un empleador regulado es una cuestión de gobernanza, y cada vez más de derecho. Los legisladores han empezado a escribir normas sobre dónde puede situarse la IA en la evaluación: varios estados de EE. UU. se han movido sobre si la IA puede ser la base principal de una nota, y la situación sigue cambiando. El rastreador legislativo de FutureEd es el sitio práctico para comprobar qué le aplica este curso y no el anterior.
Incluso donde todavía no hay nada escrito, la pregunta llega al mismo punto en cada compra institucional. Alguien firma un papel que dice qué puede hacer el sistema sin vigilancia. Esa persona necesita una respuesta más corta que una descripción de las instrucciones del modelo.
¿Puede la IA corregir el trabajo de los estudiantes?
Depende de qué entienda por corregir. Producir una nota sugerida según una rúbrica, con el razonamiento escrito, está perfectamente al alcance y ahorra tiempo real. Publicar esa nota a un estudiante como su resultado es otro acto, con otras consecuencias, y es el que está siendo regulado. Pídale a un proveedor que separe las dos cosas en la llamada. Si la respuesta las trata como una sola, esa es la respuesta.
¿Los sistemas de IA agéntica sustituyen a los docentes?
En ninguno de los dos diseños, aunque fallan de forma distinta en esta pregunta. Un agente que actúa sigue necesitando a alguien que responda de lo que hizo: el trabajo se mueve, la responsabilidad no, y la persona se entera después. Un agente que propone mantiene a esa persona delante de la decisión en vez de detrás. Lo que desaparece en ambos casos es la parte del oficio que nadie defiende: producir un primer borrador, corregir la cuadragésima entrega con la misma rúbrica, rehacer el mismo informe cada mes. El juicio sobre si un borrador es correcto, una nota justa o un número significa lo que parece significar es la parte protegida, y es la que las instituciones pagan.
Seis preguntas para un proveedor agéntico
Están ordenadas por lo que suelen revelar, y la primera vale por toda la llamada.
- Enumere cada acción que un agente puede realizar sin una persona. Pídalo por escrito, no en una diapositiva. La longitud de la pausa antes de responder es un dato.
- ¿La confirmación es una instrucción o un control? Si el modelo decide cuándo pedir permiso, el permiso es orientativo. Si el agente no tiene ninguna vía hacia el objeto real, es un control.
- ¿Quién publica una nota? No quién puede corregirla después: quién la publica. Son sistemas distintos.
- ¿Qué muestra el registro? Un log de lo que hizo el agente vale menos que un registro que guarde qué se propuso, qué se aplicó, quién lo aplicó y qué se rechazó.
- ¿Podemos apagar los agentes? Por organización, no por cliente. Un grupo suele necesitar que un centro los use y otro no.
- ¿Qué pasa en un mal día? Pregunte cuánto cuesta una respuesta equivocada y quién se entera. «Lo corrige después» y «no llegó a nadie» son productos distintos.
Dónde está Lurno, y lo que nos cuesta
Lurno es la segunda columna. Sus agentes redactan lecciones y preguntas a partir de los documentos que sube, con la fuente al lado de cada punto; proponen notas según su rúbrica sobre una entrega anonimizada; acompañan a los estudiantes por modos crecientes; y convierten una pregunta en lenguaje normal en un informe. Ninguno puede aplicar su propio trabajo, y no es un ajuste: no existe ninguna vía de un agente a una nota publicada ni a un curso publicado. Las acciones de más peso requieren dos personas distintas, y ninguna puede ser la que propuso el cambio.
El agente de informes es el caso más claro. Escribe la definición del informe y nunca lee sus datos. Lo que propone vuelve a pasar por las mismas comprobaciones de permisos que un informe construido a mano, así que no puede inventarse un número ni mostrar una organización que quien pregunta no tuviera ya derecho a ver.
- El retraso es real. No existe ningún modo en el que nuestros agentes escriban en un programa en producción o publiquen una nota por su cuenta. Si quiere autonomía, somos la entrada equivocada de su lista y es mejor saberlo ahora.
- SCORM, xAPI y LTI están en desarrollo. Modelados en el producto, el motor de ejecución aún se está construyendo. El material encerrado en paquetes SCORM no es una fuente en la que hoy podamos anclar un agente.
- Los agentes se pueden apagar del todo, por organización. Todo lo demás sigue funcionando: suman, no sostienen la estructura.
¿Es lo mismo que la IA con humano en el bucle?
Casi, aunque la expresión se queda corta. «Humano en el bucle» suele describir un paso de revisión añadido sobre un sistema que podría funcionar solo: la autonomía existe y se le pone un punto de control delante. Aquí la aprobación es la arquitectura: nada de lo que produce un agente llega a un estudiante, una nota o un informe sin que alguien lo acepte, así que no hay debajo ninguna vía autónoma que revisar. La diferencia práctica aparece cuando el paso de revisión está bajo presión. Un punto de control se puede saltar. Una vía que no existe, no.
¿Un paso de aprobación no anula el sentido de la IA agéntica?
Solo si el sentido era quitar a las personas. La parte cara del trabajo no es el clic que acepta un borrador: es producir el borrador, corregir según la rúbrica, montar el informe. Un agente que hace eso y se detiene se ha llevado las horas y ha dejado el criterio. Para la mayoría de las instituciones es el trato que querían, y varias solo tienen permiso para hacer ese.
Si está evaluando plataformas agénticas, lleve la primera pregunta a todas y compare las respuestas escritas. La nuestra se la damos antes de la llamada en vez de durante, y si nos descarta, es una hora bien ahorrada. Solicite una demo, o lea lo que puede hacer por su cuenta cada uno de nuestros agentes en la página de IA.