¿Qué es un agente de IA?

Un agente de IA es un sistema basado en un modelo de lenguaje que elige los siguientes pasos y herramientas necesarios para lograr un objetivo dado. Un chatbot se centra principalmente en conversar; un agente trabaja en un ciclo: planifica, ejecuta, observa el resultado y decide qué hacer después o cuándo pedir autorización a una persona. Esta división concuerda con la definición de agentes utilizada por Anthropic (2026).

La diferencia afecta al coste, el riesgo y la forma de probarlo: cuantas más decisiones toma el sistema durante la operación, más importantes son los límites, la observabilidad y la posibilidad de intervención manual.

¿En qué se diferencia un agente de un chatbot y de una automatización?

Tres cosas que en conversaciones comerciales se llaman «IA», aunque son herramientas muy distintas:

	Automatización	Chatbot	Agente de IA
Quién decide el orden de los pasos	tú, por adelantado	no hay pasos	el modelo, durante la ejecución
Respuesta a una excepción	según una regla o escalado	responde sin ejecutar	puede elegir otro paso o escalar
Resultado	datos en otro lugar	una respuesta	una tarea realizada
Coste de mantenimiento	normalmente menor en un alcance estrecho comparable	depende del modelo y de los canales	crece con el número de herramientas, decisiones y protecciones
Previsibilidad	alta dentro del alcance descrito por reglas	depende del modelo y del contexto	exige medición, límites y supervisión

La conclusión para la primera conversación es sencilla: si un proceso puede describirse de forma fiable con reglas «si A, entonces B», empieza por una automatización normal. Suele ser más fácil de probar y mantener. Considera un agente cuando los pasos siguientes dependan de información encontrada durante el recorrido y las pruebas demuestren una ventaja sobre un flujo fijo.

¿Cómo funciona un agente de IA en la práctica?

Cuatro elementos que incluimos en un proyecto típico de agente para producción:

1. Objetivo: expresado como resultado, no como instrucción. «Responde la solicitud del cliente y ciérrala si está resuelta», no «escribe un correo».
2. Herramientas: funciones que el agente puede invocar: leer una base de datos, enviar un correo, crear una tarea en CRM o buscar documentación. Un agente sin herramientas no puede hacer nada.
3. Contexto y acceso al conocimiento: información necesaria para la tarea actual y, cuando el proceso lo exige, estado conservado entre pasos. Aquí puede entrar RAG: recuperar materiales para que el modelo tenga una base actual para responder.
4. Protecciones y supervisión: lista de acciones que requieren aprobación humana, registro de llamadas y resultados, límites de coste y un panel que muestra la ejecución de la tarea.

Sin el cuarto punto no es posible reconstruir un error de manera fiable ni determinar si el agente se salió de su alcance. Cuanto mayor sea el efecto de la acción —por ejemplo, enviar un mensaje o modificar un registro de cliente—, más estrechos deben ser los permisos y más clara la puerta de aprobación.

Tres escenarios en los que merece la pena evaluar un agente

Gestión completa de una solicitud. Una solicitud llega por correo. El agente puede identificar su categoría, consultar la base de conocimiento y el historial de cliente, preparar una respuesta y, en casos rutinarios ya probados, enviarla y cerrar la solicitud. Los casos no estándar pasan a una persona con un resumen. El beneficio debe medirse como cambio en tiempo de gestión, calidad y número de escalados; no debe suponerse de antemano.

Tratamiento de documentos con verificación. Una factura, contrato o acta. El agente extrae datos, los comprueba frente al pedido, detecta una discrepancia y la señala, en lugar de introducir un importe erróneo y continuar. La segunda parte es crucial: extraer sin verificar solo acelera la introducción de errores.

Análisis de fuentes y preparación de una decisión. El agente reúne datos de varias fuentes, los ordena, prepara una comparación e indica qué no ha podido determinar. No toma la decisión: reduce el tiempo para llegar a ella.

En estos escenarios conviene comenzar en un papel de apoyo: el agente prepara o ejecuta pasos reversibles y una persona resuelve las excepciones y acciones de alto impacto. La autonomía solo puede aumentarse después de medir la calidad.

Qué suele fallar al implantar agentes

Cuatro patrones de riesgo que merece la pena comprobar; también los observamos en nuestros flujos de investigación con IA:

• Un objetivo demasiado amplio. Un agente que debe «atender clientes» no tiene una tarea ejecutable. Uno que debe «responder preguntas sobre el estado de un pedido», sí. El primer proceso debe ser estrecho.
• Faltan datos con los que el agente pueda trabajar. Si el conocimiento está en las cabezas de las personas, el agente no tiene de dónde obtenerlo. El primer paso no es un agente, sino ordenar las fuentes: un second brain.
• Un piloto sin camino a producción. Un prototipo puede no incluir observabilidad, límites de coste, permisos ni gestión de fallos. El paso a producción debe presupuestarse como un alcance distinto.
• Falta de medición. Sin punto de referencia («cuánto tardaba antes») no se puede decir si el agente ayudó. Se mide antes, no después.

Cuándo un agente de IA no funcionará

Lo decimos claramente, porque es mejor perder un encargo que vender algo que no se recuperará:

• Un proceso raro y de bajo coste manual. El ahorro de tiempo puede no recuperar la construcción y el mantenimiento; errores caros, cumplimiento o valor estratégico pueden cambiar la decisión. Calcúlalo como una inversión, no como un juguete.
• Un proceso que requiere certeza por principio. El modelo puede preparar datos para calcular un impuesto, una transferencia o una decisión de personal, pero la regla final debe ejecutarla código determinista o aprobarla una persona autorizada.
• Un proceso sin acceso a datos. Si el agente no tiene la información requerida, debe rechazar, pedir datos o escalar. Un sistema que genera una respuesta sin base no está listo para producción.
• Una empresa sin responsable del proceso. Un agente de producción necesita una persona responsable de alertas, excepciones, revisión de calidad y decisiones de cambio; eso no significa leer manualmente todos los registros.

¿Cuánto cuesta?

Nuestras horquillas para agosto de 2026: asistente sencillo en la web, 3 000–8 000 PLN netos, más coste de modelo y mantenimiento; agente que atiende un proceso de negocio real, 8 000–30 000 PLN netos; agente individual avanzado, 30 000–120 000 PLN netos. Un sistema multiagente es un alcance separado. El precio cambia con los datos, integraciones, permisos, evaluación y requisitos de producción.

Preguntas frecuentes

¿En qué se diferencia un agente de un sistema multiagente?

Un agente es un ejecutor. Un sistema multiagente divide roles entre varios agentes y puede añadir etapas de verificación. Solo merece considerarse cuando una prueba demuestra que esa división supera a un agente único o a un flujo más simple. Más información: sistemas multiagente.

¿Puede un agente trabajar con nuestros datos sin enviarlos al exterior?

Puede, pero depende de la arquitectura, los proveedores y los contratos. El alcance de los datos, el lugar de tratamiento, la retención y los registros deben definirse antes de implantarlo y someterse a la evaluación legal y de seguridad apropiada.

¿Por dónde empezar si no sabemos dónde ayudaría un agente?

Por revisar procesos, no por la tecnología. Lo hacemos en una auditoría de IA: el resultado es una lista de oportunidades ordenada por rentabilidad, no una lista de palabras de moda.

---

Construimos agentes con registros de eventos, límites y observabilidad. Mostramos nuestra experiencia propia en el laboratorio de flujos de investigación con IA, sin presentarla como resultado de una implantación de cliente. Si tienes un proceso que te agota, descríbenoslo o consulta qué cubre el servicio de agentes de IA.