A medida que se desarrollaron los modelos y herramientas de inteligencia artificial, comenzaron a generalizarse nuevas áreas de negocio. Cada vez son más habituales diferentes líneas de negocio, desde dar soporte físico a agentes de inteligencia artificial hasta producir Influencers virtuales e incluso gestores de agentes de inteligencia artificial. Echemos un vistazo a las nuevas áreas de negocio que están surgiendo en la era de la inteligencia artificial.
rentahuman.ai, centrándose en la fuerza laboral híbrida
rentahuman.ai, que se ha convertido en una de las plataformas de las que más se habla en los últimos tiempos, permite a agentes de inteligencia artificial contratar personas para tareas como entrega de paquetes, asistencia a reuniones y toma de fotografías. Según los datos compartidos por rentahuman.ai, más de 500 mil personas de más de 100 países se han registrado en la plataforma, que ha recibido más de 4 millones de visitas. Gracias a la plataforma, los agentes pueden asignar diversas tareas a personas verificadas en función de sus habilidades, ubicación y salario. Rentahuman admite pagos en garantía. De esta manera, el pago se retiene de forma segura hasta que se complete la tarea. Los pagos criptográficos también están disponibles en la plataforma.
Influencers virtuales
De hecho, la tendencia de los Influencers virtuales, que comenzó con Lil Miquela y que ahora alcanza los 2,3 millones de seguidores, ha acelerado la producción de influencers virtuales apoyados en inteligencia artificial, con la popularidad de plataformas como Higsfield y Kling. Los Influencers virtuales apoyados por inteligencia artificial, que han comenzado a aparecer en redes sociales como Instagram y TikTok, desafían la velocidad de producción de los Influencers humanos junto con las plataformas que automatizan la producción de contenidos. También llaman la atención el realismo y la creatividad de los contenidos de inteligencia artificial producidos. Hay muchos ejemplos en este campo, como Emily Pellegrini con más de 500 mil seguidores y Mia Zelu con más de 200 mil seguidores.
Estudios de contenido de IA
Más allá de los AI Influencers, los estudios de contenido de inteligencia artificial también apoyan a las marcas en muchas áreas. Según datos de julio de 2025 de CreatorIQ y Sapio Research, el 48 por ciento de las agencias de marketing de influencers dicen que la orientación estratégica sobre inteligencia artificial, automatización o nuevas plataformas es el mayor cambio en las expectativas de los clientes este año. En definitiva, cada vez llaman más la atención los equipos que establecen “líneas de producción con inteligencia artificial” para las marcas. Este proceso se extiende desde el comando hasta la campaña; También incluye pasos como divulgación/etiquetado, derechos de autor y verificación del origen del contenido. El enfoque de WPP en flujos de trabajo de fabricación impulsados por IA a través de WPP Open es un ejemplo de esta transformación.
Editores humanos en el circuito
Los editores human-in-the-loop, que podemos definir como controladores de salida de inteligencia artificial, aparecen como el complemento natural de los estudios de contenido de inteligencia artificial. Estos editores realizan comprobaciones finales dando prioridad a la precisión, el tono, el riesgo de derechos de autor y la seguridad de la marca. Podemos decir que el papel del editor humano está evolucionando hacia el control de calidad previo a la publicación. También debemos señalar que la verificación de contenidos mediante inteligencia artificial y el seguimiento de fuentes también han ganado importancia. A medida que aumenta el contenido deepfake/sintético, tareas como la verificación del origen del contenido, el control de fuentes y la detección de manipulación comienzan a convertirse en un campo de especialización separado. Si bien se destacan redes como Outlier y OpenTrain, que reúnen tareas como evaluación de resultados de modelos, puntuación basada en rúbricas, comparación por pares y generación de conjuntos dorados, Toloka brinda contribución humana a este campo con su ecosistema más amplio de etiquetado/evaluación de datos. El lado de TELUS Digital AI es uno de los ejemplos donde se ven con frecuencia roles de “evaluador/calificador de calidad”.
Gestores de agentes de inteligencia artificial
A medida que los agentes pasan de producir una respuesta única a estructuras que llaman a vehículos, ejecutan flujos de trabajo de varios pasos y toman medidas en sistemas reales, se crea una nueva capa operativa dentro de la empresa: Operaciones del agente. El foco de esta capa es; Monitorear de un extremo a otro lo que hace el agente en cada paso, ver dónde se produce el error y mover de forma segura el sistema del nivel de «demostración» al de producción. Operaciones de agentes; Se describe como un marco que reúne la observabilidad específica de cada agente, registros auditables y operaciones de producción.
El trabajo diario de los equipos de Agent Ops a menudo comienza con el rastreo/registro/telemetría. Las llamadas a LLM, el uso de herramientas y los resultados intermedios se rastrean en un solo flujo; Métricas como la latencia y el costo del token se monitorean periódicamente. A esto se suma la gestión de la calidad: el rendimiento de los agentes se mide con conjuntos de evaluación online y fuera de línea, pruebas comparativas y, cuando sea necesario, revisión humana. Por lo tanto, el desempeño se gestiona no sólo a través de un “buen ejemplo” sino a través de un ciclo de evaluación sistemático. Por esta razón, los roles de Agent Ops a menudo se mencionan en las ofertas de trabajo. GenAI Ops, LLMOps, AI Platform Ops, Operaciones de agentes, Confiabilidad de AI Y Observabilidad del agente Aparece con títulos como.