Qué es realmente un agente de IA y cuándo conviene

En los últimos doce meses, "agente de IA" se ha convertido en la frase que los proveedores ponen al final de cualquier propuesta para subir el precio un 30%. Hay agentes en presentaciones de marketing, agentes en RFPs, agentes en LinkedIn, agentes en cualquier sitio donde antes había un chatbot o un script. Y, francamente, la mayoría no son agentes en sentido estricto.

Como en cualquier moda, separar la señal del ruido empieza por una definición útil y unos criterios de cuándo conviene. Eso es lo que pretendo aquí.

Una definición práctica de agente

Un agente de IA es un sistema que, dado un objetivo, decide por sí mismo qué pasos dar, en qué orden, y con qué herramientas, y va ajustando el plan en función de lo que va observando. Cuatro elementos clave: objetivo, decisión autónoma, uso de herramientas externas y bucle de observación-acción.

Para que se entienda con un ejemplo: un chatbot responde preguntas. Un copiloto te ayuda mientras tú diriges. Un agente recibe "encuentra a los 20 leads más prometedores en mi pipeline y prepárame un email personalizado para cada uno", abre el CRM, lee, busca en LinkedIn, escribe los borradores y te los deja en un drafts. Tú no le has dicho los pasos. Él los ha encontrado.

Lo que diferencia a un agente real de un script disfrazado

Un script con IA mete un modelo de lenguaje en un paso fijo. Un agente decide la secuencia. Si tu "agente" siempre hace los mismos pasos en el mismo orden, no es agente: es un workflow con LLM dentro. Esto no es malo per se, pero pagar precio de agente por eso es un mal negocio.

El test mental: si quitas la palabra "agente" y describes lo que hace, ¿sigue justificando el precio? Si no, te están vendiendo etiqueta.

El espectro: chatbot, copiloto, agente

Hay un continuo, no una línea binaria. Conviene situarse:

• Chatbot: responde con reglas o IA dentro de un dominio cerrado.
• Copiloto: trabaja a tu lado en una tarea, tú diriges, él propone.
• Agente: ejecuta tareas con cierta autonomía, decide pasos, usa herramientas.
• Multi-agente: varios agentes coordinándose entre sí. Esto es donde el riesgo se dispara.

La elección entre uno y otro no es de potencia: es de control. Cuanto más a la derecha del espectro, más capacidad de hacer y más capacidad de meter la pata sin que te enteres a tiempo.

Cuándo conviene un agente

Un agente tiene sentido cuando se cumplen al menos tres de estas cinco condiciones:

1. La tarea tiene pasos variables

Si los pasos son siempre los mismos, un workflow tradicional con IA en algunos pasos es más barato y más fiable. Los agentes brillan cuando la decisión sobre qué hacer a continuación depende del contexto.

2. El coste de equivocarse es bajo o reversible

Un agente que organiza tu bandeja de entrada puede cometer errores que se arreglan en 30 segundos. Un agente que aprueba pagos a proveedores comete errores que pueden costar mucho dinero o reputación. La capacidad de la herramienta importa menos que el coste del fallo.

3. Hay un humano en el bucle en los puntos críticos

Los agentes serios incluyen checkpoints donde un humano valida antes de seguir. No "humano al final por si acaso". Humano en los puntos donde la decisión cambia el rumbo.

4. El volumen justifica la complejidad

Un agente cuesta más diseñar, más mantener y más vigilar que un script. Si vas a usarlo cinco veces al mes, no compensa. Si va a procesar cientos de casos al día, sí.

5. El proveedor o tu equipo entiende su comportamiento bajo carga

Un agente que funciona perfecto en demo y empieza a divagar con casos límite es la pesadilla que más he visto. Si nadie en la sala puede explicarte qué hace cuando se atasca, no lo metas en producción.

Cuándo NO conviene un agente

Es igual de importante saber cuándo descartar.

Cuando lo que quieres es predictibilidad total

Procesos regulados, financieros con auditoría, decisiones legales: aquí lo que mata es la varianza. Un agente puede tomar caminos distintos para casos parecidos. Eso es maravilloso para creatividad y veneno para cumplimiento. En mis tiempos en banca con ING, esta era la línea roja: lo regulado no se delega a sistemas que decidan solos.

Cuando la base de conocimiento está mal

Si tu wiki, CRM o data warehouse están sucios, un agente amplifica el caos a más velocidad. Antes de meter agente, arregla la fuente.

Cuando el equipo no está preparado para supervisar

Un agente sin supervisión es un becario suelto en producción. Si no tienes capacidad de revisión continua, mejor un copiloto que sólo actúa cuando tú decides.

Casos donde sí veo retorno claro

Después de varias implantaciones, estos son los nichos donde he visto a los agentes pagar su factura sin discusión.

Investigación previa a llamadas comerciales

Un agente que, antes de cada call, recoge contexto público de la cuenta, revisa el historial en CRM y prepara un brief de una página. Ahorra entre 20 y 40 minutos por call. En un equipo de 15 comerciales, son cifras importantes a final de mes.

Triaje de tickets y enrutamiento inteligente

En soporte, un agente que clasifica entrantes, busca tickets similares previos y propone primera respuesta. Decide si escalar, derivar o autocerrar con plantilla. El humano sigue revisando, pero su tiempo se concentra en los casos no triviales.

Reconciliaciones y conciliaciones de bajo riesgo

Cruzar facturas con pedidos, identificar discrepancias, proponer ajustes. El agente prepara, el humano firma. Aquí la palanca es enorme cuando el volumen es alto.

Investigación competitiva continua

Un agente que sigue 20 competidores, lee sus blogs y notas de prensa, detecta cambios de pricing o lanzamientos, y entrega un resumen semanal. No reemplaza a producto o marketing, pero les ahorra horas de scrolling.

El coste real de un agente en producción

El precio de licencia es la punta del iceberg. Lo que cuesta de verdad un agente:

• Diseño y modelado del comportamiento (semanas, no días).
• Conexión a sistemas internos con permisos y auditoría adecuados.
• Monitoring específico: latencia, coste por ejecución, tasa de fallo.
• Persona dedicada al menos a media jornada los primeros tres meses.
• Plan de degradación cuando la API del modelo cambia o falla.

Cuando sumas todo, un agente serio en una empresa mediana cuesta entre cinco y diez veces lo que costaría un copiloto bien implantado para el mismo equipo. Si el caso de uso justifica esa inversión, adelante. Si no, baja al copiloto y duerme tranquilo.

El error que veo más a menudo

El error que veo más a menudo es saltar directamente al multi-agente porque suena ambicioso. Equipos que no tenían un solo agente estable montan tres agentes hablando entre sí, y luego pasan seis meses depurando bucles infinitos, alucinaciones cruzadas y costes que se disparan sin razón clara.

La regla que aplico: nadie debería montar un sistema multi-agente antes de haber tenido al menos un agente individual en producción durante seis meses con métricas estables. La complejidad combinatoria de varios agentes interactuando es brutal y muy poca gente entiende lo que está pasando dentro cuando algo se rompe.

Un agente, bien escogido y bien gobernado, puede ser la pieza que cambia la economía de un proceso entero. Pero un agente puesto por moda es la forma más cara de no resolver un problema que un copiloto habría resuelto en un mes. La pregunta no es "¿quiero un agente?". La pregunta es "¿qué decisión necesito automatizar y qué pasa si se equivoca?". Empezar por ahí filtra el 80% de las conversaciones inútiles.