Agentes de IA, qué son y para qué sirven en tu empresa

No todos los agentes deciden igual y ahí está buena parte de la diferencia de precio, tanto lo que cuesta construir uno como, sobre todo, lo que cuesta mantenerlo. Con tres categorías sitúas casi todo lo que te van a ofrecer.

El tipo de agente de inteligencia artificial que «aprende» merece un aviso aparte, porque «aprende de tus datos» es de las frases más repetidas del sector y casi nunca significa lo que parece. Un agente en producción no mejora solo. Mejora cuando una persona cambia sus instrucciones, ordena mejor los datos o añade casos a la batería de pruebas. Ese cambio lo ejecuta siempre alguien.

Si te dicen que aprende solo, te conviene hacerte estas tres preguntas: qué cambia exactamente, quién lo ejecuta y cómo se comprueba que no ha empeorado otra cosa. Sirven tanto para hacérselas al proveedor que te vaya a construir la solución como para hacértelas tú mismo y entender mejor lo que se está construyendo.

Casi cualquier propuesta que recibas encaja en una de estas cinco formas. Conviene saber cuál te están vendiendo, porque lo que de verdad marca el coste de probarlo, de vigilarlo y de arreglarlo cuando falla es la forma, más que el tipo de agente que lleve dentro. Las dos primeras no llevan ningún agente. Las tres últimas son las que el mercado llama IA agéntica.

«Sirve para todo» es la respuesta que no ayuda a nadie. En la práctica, casi todo lo que hoy funciona dentro de una empresa cae en unos pocos usos. Los cinco de aquí abajo están en producción y son nuestros, así que podemos contar cómo funcionan por dentro y qué costó ponerlos en funcionamiento.

Verás que en todos se repite lo mismo. Hay un texto que alguien tenía que leer y un dato o un sistema de la empresa al otro lado. Cuando falta una de esas dos mitades, casi siempre existe una manera más barata de resolverlo que un agente.

Nada de esto se enchufa y funciona. La distancia entre un buen resultado y llevarte una decepción está casi siempre en el alcance, antes que en el modelo. Con un alcance demasiado amplio el sistema corre el peligro de ser mediocre en todo y de no ganarse la confianza para nada. Con uno demasiado estrecho, el montaje cuesta más que el trabajo que ahorra. Los proyectos que salen bien eligen una tarea con un límite claro alrededor, la demuestran y después la amplían.

Lo que los sistemas de hoy hacen bien es leer lo que llega sin forma fija, entender una petición escrita de veinte maneras, seguir un procedimiento paso a paso y actuar dentro de un conjunto cerrado de acciones que alguien aprobó. Esa lista es nueva de verdad y es la razón de que procesos que sobrevivieron a todas las olas de automatización anteriores estén ahora en juego.

Lo que no hacen es inventar conocimiento que nadie escribió, garantizar un resultado sin que un código lo compruebe antes, ni mejorar solos mientras nadie mide. Parte de nuestro trabajo es decirte cuándo no hace falta un agente. A veces basta con una regla, con un formulario bien hecho o con rediseñar el proceso, porque un modelo encima de un proceso roto o mal formulado solo hace que el desastre llegue antes.

Hay un riesgo que casi nadie presupuesta. Un sistema con IA puede empeorar solo, sin que nadie lo toque. El proveedor actualiza el modelo sin cambiarle el nombre, tu documentación crece y tus datos van cambiando con el tiempo. Chen, Zaharia y Zou, de Stanford y Berkeley, lo midieron sobre el mismo modelo comercial en marzo y en junio de 2023. Su comportamiento cambió tanto que en una tarea el acierto pasó del 97,6 % al 2,4 %, sin que nadie del lado del cliente tocara nada. Gartner calculó en junio de 2025 que más del 40 % de los proyectos de IA agéntica se cancelará antes de acabar 2027. Por nuestra experiencia esa mortalidad vive en el mantenimiento y no en el estreno.

Los modelos no son deterministas, no siempre devuelven lo mismo, así que comprobar una respuesta un día no garantiza nada. La única disciplina que funciona ahí es estadística y aburrida. Antes de publicar cualquier cambio, una batería de casos reales anotados tiene que pasar. Si la calidad baja, el cambio no sale.

Después del estreno, la vigilancia no se apaga. Una vez por semana reproducimos de principio a fin una conversación real contra el sistema vivo. En el asistente de planta, la calibración del enrutado se midió sobre casos reales y pasó del 72 % al 91 % de acierto. También supimos parar a tiempo. Buscar el cien por cien acaba llevándote a ajustar las pruebas para que aprueben, en vez de a mejorar el sistema. En Wazzy, por ejemplo, empezamos con una arquitectura de agentes con herramientas a su disposición y la hemos cambiado tres veces hasta dar con la correcta, la que de verdad subió el porcentaje de conversaciones que acaban bien.

Ninguna de estas cifras aparece sola. Existen porque el sistema se construyó desde el principio para medirse, con su batería y su vigilancia dentro del presupuesto. Cuando evalúes a cualquier proveedor, nosotros incluidos, pide las suyas. Lo que hace falta para que un sistema pase de su sexto mes tiene artículo propio.

El proyecto no arranca con una plataforma que lo hará todo, arranca con un proceso que duele y una cifra que debería moverse. Y todo lo que cuenta esta guía, las pruebas antes de cada cambio, la vigilancia después y el control de quién ve qué, entra en ese primer caso desde el día uno, porque añadirlo más tarde es la versión cara.

Nuestro método tiene cuatro pasos con nombre y cada uno entrega algo que puedes tener en la mano.

No toda tarea merece un agente. Esta es la criba que aplicamos nosotros antes de aceptar un proyecto, en el mismo orden. Puedes pasarla tú solo con la lista de procesos de tu empresa delante.

Con un proceso candidato en la cabeza, tres preguntas separan el proyecto que compensa del que da titular. Las dos primeras ya las contestaste en la criba de arriba y aquí se dicen en voz alta. La primera es de números. Cuántas veces al día ocurre y cuánto se tarda cada vez. Multiplica las dos cifras y tendrás los minutos al día que ese proyecto puede llegar a ahorrarte como mucho, que conviene saber antes de encargar nada.

La segunda es sobre el tipo de trabajo. Qué hace exactamente la persona que hoy lo resuelve, mirar o decidir. Si solo comprueba que un campo está donde tiene que estar, tu problema es de reglas y el modelo te sobra. Si tiene que leer, entender y elegir entre opciones que no siempre son las mismas, ahí empieza el terreno del agente.

La tercera es la que casi nadie hace y la que más dinero ahorra. Qué pasa si el sistema se equivoca una vez de cada veinte. Si la respuesta es que se corrige en un minuto, puedes automatizar con validación ligera y avanzar rápido. Si la respuesta es una factura mal emitida, un cliente perdido o una multa, el proyecto sigue siendo viable pero cambia de forma, con más validación por código, más casos escalados a una persona y un presupuesto mayor. La tolerancia al error no decide si se hace, decide cuánto cuesta hacerlo bien.

Y antes de las tres, una comprobación de higiene. Si el proceso te vino a la cabeza por lo bien que quedaría en una demostración y no por lo que te está costando, hay una trampa esperándote y tiene nombre, el juguete brillante.

Casi ningún proyecto muere por la tecnología. Muere por decisiones de las primeras semanas que nadie revisó. Estas son las que más nos encontramos.

Con lo leído hasta aquí, estas seis preguntas te dejan ver por dentro cualquier propuesta, la nuestra incluida.

Los términos que van a aparecer en cualquier propuesta que recibas, explicados en una línea.

Un agente a medida de un solo trabajo arranca en torno a los 2.500 € de construcción, los que tocan varios sistemas se acercan a los 10.000 € y la operación mensual se mueve entre 150 y 500 €. Los sistemas multiagente grandes se presupuestan por proyecto. Qué mueve cada cifra, a dónde va la cuota mensual y qué es tuyo al final tiene su propia guía, con el detalle.