"Necesitamos agentes de IA" se convirtió en la nueva versión de "necesitamos blockchain". Todo el mundo lo dice, pocos saben qué están pidiendo.
Voy a intentar aclarar el tema sin caer en la jerga de Silicon Valley.
Qué es un agente de IA (de verdad)
Un agente de IA es un sistema que puede ejecutar una secuencia de acciones para completar una tarea, tomando decisiones intermedias sin que un humano le diga cada paso.
La diferencia con un chatbot es que el chatbot responde preguntas. El agente hace cosas. Un chatbot te dice cuál es el estado de tu pedido. Un agente detecta que tu pedido está retrasado, contacta al proveedor, actualiza el sistema y te notifica. Sin que nadie se lo pida.
La diferencia con una automatización es que la automatización sigue pasos fijos. Si pasa X, haz Y. El agente puede decidir qué hacer basándose en contexto. Si el proveedor no responde en 2 horas, prueba otro canal. Si el retraso es menor a un día, no escala. Si es mayor, sí.
Qué no es un agente de IA
No es ChatGPT con un nombre bonito. Si tu "agente" solo responde preguntas y no ejecuta acciones, es un chatbot. Nada malo en eso, pero llamemos las cosas por su nombre.
No es un sistema autónomo que reemplaza a tu equipo. Los agentes de IA actuales necesitan supervisión, límites claros y la posibilidad de escalar a un humano cuando se salen de su rango.
No es algo que se configura una vez y se olvida. Un agente que interactúa con sistemas reales (tu CRM, tu email, tus bases de datos) necesita monitoreo, ajustes y mantenimiento.
Cuándo tiene sentido para tu empresa
Un agente de IA tiene sentido cuando tienes un proceso que cumple estas condiciones:
Es repetitivo pero requiere juicio. Si fuera completamente mecánico, una automatización simple lo resuelve. Si requiere criterio humano en cada paso, un agente todavía no lo puede hacer bien.
Tiene múltiples pasos que cruzan sistemas. El agente necesita consultar una base de datos, tomar una decisión, ejecutar una acción en otro sistema y notificar a alguien. Si todo pasa en un solo sistema, probablemente hay una forma más simple de resolverlo.
El volumen justifica la inversión. Un agente no es barato de implementar bien. Si el proceso ocurre 5 veces al mes, no vale la pena. Si ocurre 50 veces al día, la cuenta cierra rápido.
Ejemplos concretos
Agente de onboarding de clientes
Recibe la documentación del nuevo cliente, verifica que esté completa, la clasifica, crea la cuenta en el CRM, genera el contrato personalizado y lo envía para firma. Si falta un documento, le pide al cliente que lo envíe. Si hay inconsistencias, escala a un humano.
Agente de gestión de incidencias
Recibe un reporte de problema, lo clasifica por tipo y urgencia, busca soluciones anteriores en la base de conocimiento, sugiere una resolución o escala al equipo correcto con todo el contexto.
Agente de reportería
Recopila datos de 5 sistemas diferentes todos los lunes a las 7am, genera el reporte consolidado, detecta anomalías y las marca, y lo distribuye a los destinatarios correctos. Si algo no cuadra, alerta al responsable antes de enviar.
Lo que no recomiendo (todavía)
Agentes que toman decisiones financieras sin supervisión. Agentes que interactúan con clientes en temas sensibles sin posibilidad de escalar a humano. Agentes que modifican datos maestros en tu ERP.
La tecnología está avanzando rápido, pero la confiabilidad no está al nivel que necesitas para esos casos. Dale un año o dos.
Cómo empezar
Si estás pensando en agentes de IA, empieza por identificar un proceso que cumpla las tres condiciones que mencioné arriba. Después, implementa el agente con supervisión cercana las primeras semanas. Mide. Ajusta. Escala.
No empieces por el agente más ambicioso. Empieza por el más simple que genere un resultado visible. Es la misma lógica que recomendamos para cualquier proyecto de IA.
Si quieres entender qué procesos de tu empresa son candidatos para agentes, conversemos. O haz primero el diagnóstico de madurez IA para saber en qué punto estás.