Qué es un agente de IA y cuándo tiene sentido en tu empresa

Un agente de inteligencia artificial es un sistema que usa un modelo de lenguaje para decidir qué pasos dar y qué herramientas usar hasta cumplir un objetivo. A diferencia de un chatbot, que responde, o de una automatización clásica, que sigue reglas fijas, el agente observa la situación, elige una acción, comprueba el resultado y repite hasta terminar o hasta pedir ayuda a una persona. Tiene sentido cuando las entradas son variables y exigen criterio; no lo tiene cuando el proceso es siempre igual.

Chatbot, automatización y agente: tres cosas distintas

Los tres términos se mezclan en las presentaciones comerciales y eso lleva a comprar la herramienta equivocada. La diferencia no está en la tecnología que hay debajo, sino en quién decide el siguiente paso.

La automatización clásica sigue siendo la mejor opción cuando el proceso es predecible: es más barata, más rápida, determinista y fácil de auditar. Si puedes dibujar el proceso en un diagrama con tres o cuatro ramas y nunca se sale de ahí, no necesitas un agente. El agente aporta valor cuando hay variabilidad: solicitudes incompletas, mensajes en lenguaje natural, documentos con formatos distintos o decisiones que hoy toma una persona con experiencia.

Anthropic distingue entre flujos (el código fija el orden de los pasos y el modelo rellena cada uno) y agentes (el modelo decide el orden). Su recomendación, que comparto, es empezar siempre por la solución más simple que funcione y añadir autonomía solo cuando el problema la exija.

Cómo funciona un agente por dentro

Quitando el marketing, un agente es un bucle con cinco piezas:

1. Objetivo. Qué tiene que conseguir, escrito en lenguaje claro: «prepara un borrador de presupuesto a partir de este correo».
2. Contexto. Lo que necesita saber: la tarifa vigente, los plazos, ejemplos de presupuestos anteriores, las reglas de la empresa.
3. Herramientas. Acciones que puede ejecutar: buscar en el CRM, leer un PDF, consultar una hoja de precios, crear un borrador de correo. Cada herramienta tiene permisos propios y limitados.
4. Decisión y ejecución. El modelo elige una herramienta, la usa, lee el resultado y decide el siguiente paso.
5. Parada. Termina cuando cumple el objetivo, cuando detecta que le falta algo o cuando alcanza un límite de pasos o de coste. En ese punto entrega el resultado a una persona.

El punto 5 es el que más se descuida. Un agente sin condiciones de parada claras puede dar vueltas, gastar tokens y producir basura con mucha seguridad. En mis proyectos fijo siempre un máximo de pasos, un presupuesto por tarea y un criterio explícito para decir «no puedo, lo paso a una persona».

Un ejemplo concreto: presupuestos en una empresa industrial

Imagina una empresa que fabrica piezas a medida. Cada día entran entre diez y veinte solicitudes de presupuesto por correo. Unas traen un plano en PDF, otras una foto, otras un párrafo con medidas aproximadas. Hoy una persona dedica dos o tres horas al día a leerlas, pedir lo que falta, buscar precios y escribir la oferta.

Un agente para ese proceso haría esto:

• Lee el correo y los adjuntos y extrae material, medidas, cantidad y plazo deseado.
• Comprueba contra una lista de campos obligatorios. Si falta algo, redacta un correo de respuesta pidiendo exactamente ese dato y se detiene.
• Si está todo, consulta la tarifa y las reglas de descuento por volumen y calcula el precio mostrando la operación.
• Busca en el histórico si ese cliente ya pidió algo similar y lo indica.
• Deja un borrador de presupuesto en el sistema con un resumen de lo que ha asumido. Una persona revisa, corrige si hace falta y envía.

Lo que no hace, al menos en la primera fase: enviar nada al cliente sin revisión, cambiar precios de la tarifa ni comprometer plazos de fábrica. Esos límites se definen antes de escribir una línea de código.

Casos con sentido en una pyme

• Preparar presupuestos y ofertas. Lee la solicitud, ordena los datos, detecta lo que falta, propone un precio con su cálculo y deja un borrador para aprobar.
• Clasificar y responder consultas. Distingue entre ventas, soporte y facturación, prepara la respuesta con la información de tus documentos o la deriva a la persona adecuada.
• Extraer datos de documentos. Convierte facturas de proveedores, albaranes o contratos en registros ordenados y señala los que no cuadran.
• Buscar en el conocimiento interno. Responde preguntas con citas a los documentos de la empresa. Para esto suele bastar una búsqueda aumentada, como explico en qué es RAG y cuándo basta una búsqueda.
• Preparar informes repetitivos. Reúne datos de varias fuentes, detecta anomalías y redacta un borrador para que alguien lo valide.

Cuándo no tiene sentido

• Cuando un proceso simple se resuelve con reglas fijas. Un formulario bien diseñado y una automatización sin IA ganan casi siempre.
• Cuando no hay datos o documentos fiables de los que partir. El agente hereda el desorden de la empresa.
• Cuando un error tendría consecuencias graves y no hay forma de revisarlo antes de que ocurra: pagos, decisiones sobre personas, compromisos legales.
• Cuando el volumen es tan bajo que el coste de construir y mantener el agente no se recupera. Si el proceso lleva dos horas al mes, no compensa.

Cómo empezar sin arriesgar

1. Elige un proceso con volumen, un resultado claro y una persona que lo conozca bien y quiera mejorarlo.
2. Mide cómo funciona hoy. Horas, errores, tiempo de respuesta y coste por caso. Sin línea base no puedes demostrar la mejora. Tengo una plantilla en cómo medir la línea base antes de automatizar.
3. Construye la versión más pequeña que demuestre mejora, con una persona aprobando cada resultado. Un flujo con pasos fijos suele bastar al principio.
4. Evalúa con casos reales. Toma treinta o cincuenta casos pasados, pásalos por el sistema y compara con lo que hizo la persona en su día.
5. Amplía poco a poco, solo cuando los resultados sean estables durante varias semanas. Primero más volumen, después más autonomía.

Qué medir para saber si funciona

Un agente que deriva el 30 % de los casos y acierta el 70 % restante es mejor que uno que lo intenta todo y acierta el 85 %. El primero sabe cuándo callarse.

Riesgos que hay que controlar

Más allá del cumplimiento general, el Reglamento Europeo de Inteligencia Artificial clasifica los sistemas por nivel de riesgo y fija obligaciones distintas para cada uno. Los casos que describo aquí (presupuestos, clasificación de correos, extracción de datos de facturas) suelen quedar en riesgo limitado o mínimo, con obligaciones de transparencia. Para usos sensibles, como selección de personal, decisiones sobre crédito o acceso a servicios esenciales, el reglamento los considera de alto riesgo y conviene consultar a un asesor jurídico especializado antes de empezar.

Qué preguntar a quien te lo venda

• ¿Qué pasa cuando el agente no sabe qué hacer? Si la respuesta es «siempre sabe», desconfía.
• ¿Cómo se evalúa la calidad y con cuántos casos reales?
• ¿Qué datos salen de la empresa, a qué proveedor y con qué contrato?
• ¿Cuánto cuesta cada caso procesado, no solo la licencia mensual?
• ¿Quién puede cambiar las instrucciones y cómo se registran esos cambios?

Si quieres estudiar un caso concreto, el servicio de implantación de IA empieza con un descubrimiento de una semana y un piloto medible. Y si tu proceso es predecible, probablemente te encaje mejor una automatización sin IA, que cuesta menos y falla menos.