Qué es la IA agéntica y en qué se diferencia de lo que ya conoces
El término viene del inglés agentic AI (a veces lo verás escrito a medias, como agentic IA). Su unidad básica es el agente: un modelo de lenguaje con instrucciones, herramientas para actuar sobre otros sistemas, memoria y un ciclo de razonar, actuar y comprobar. Hablar de enfoque agéntico es hablar de la arquitectura completa: uno o varios agentes trabajando sobre procesos reales, con reglas, supervisión y métricas.
La forma más clara de verlo es compararlo con las dos cosas que la mayoría de empresas ya usa:
| IA generativa | Automatización tradicional | IA agéntica | |
|---|---|---|---|
| Qué recibe | Una petición (prompt) | Un disparador y datos estructurados | Un objetivo y unos límites |
| Qué entrega | Contenido: texto, imagen, código | Siempre los mismos pasos ejecutados | Una tarea terminada o escalada |
| Quién decide los pasos | La persona que pregunta | Quien diseñó el flujo | El sistema, dentro de sus permisos |
| Ante lo imprevisto | Responde lo que puede | Se para o falla | Busca otra vía o pide ayuda |
| Ejemplo | Redactar la respuesta a una reclamación | Pasar cada formulario al CRM | Resolver la reclamación de principio a fin |
No son excluyentes. Un sistema agéntico usa la generativa para redactar y se apoya en automatizaciones fijas para los pasos que no admiten interpretación.
¿Por qué se habla tanto ahora? Porque se han juntado tres cosas: modelos que usan herramientas con bastante fiabilidad, estándares abiertos para conectarlos con otros programas y plataformas de automatización que ya incluyen agentes. La tecnología existe; lo que falta en la mayoría de empresas es saber dónde aplicarla y con qué reglas.
Qué cambia en los procesos de una empresa
Del flujo fijo al objetivo con límites
Con la automatización clásica, alguien dibuja cada rama: si pasa A, haz B. Con agentes, defines el objetivo, las herramientas disponibles, lo que está prohibido y cuándo hay que parar. Un ejemplo en administración: la regla «si el cobro coincide con la factura, concílialo» funciona hasta que un cliente paga dos facturas juntas o con un céntimo de diferencia. Un agente puede buscar en el correo del cliente la referencia que falta, proponer la conciliación y escalar a contabilidad solo lo que no cuadra.
Las excepciones dejan de atascar el proceso
En muchos procesos administrativos lo caro no es el caso normal, sino los casi iguales: el albarán con otro formato, el pedido que llega por correo en vez de por la web, el cliente que escribe sin número de pedido. Ahí es donde los sistemas agénticos aportan más, porque interpretan lo que no viene en el formato esperado.
Las personas pasan de ejecutar a supervisar
El trabajo humano se desplaza hacia definir reglas, revisar excepciones y aprobar lo que tiene impacto. Esto exige dos cosas que se olvidan a menudo: formación para quien supervisa y un responsable claro de cada proceso. «Lo hizo la IA» no puede ser la respuesta ante un error.
Primero se rediseña, después se delega
Automatizar un proceso mal planteado solo consigue cometer los mismos errores más rápido. Antes de dar un proceso a un agente, conviene dibujarlo, eliminar pasos que nadie sabe por qué existen y documentar los criterios que hoy viven en la cabeza de una persona.
Los niveles de autonomía: ni todo ni nada
El error más frecuente es plantear la autonomía como un interruptor. Funciona mejor como una escalera que se sube acción por acción, no agente por agente:
| Nivel | Qué hace el sistema | Qué hace la persona | Ejemplo |
|---|---|---|---|
| 1. Sugiere | Propone una respuesta o una acción | Decide y ejecuta | Borrador de respuesta a un cliente |
| 2. Prepara | Deja la acción lista para lanzar | Aprueba con un clic | Pedido de reposición preparado |
| 3. Ejecuta y avisa | Ejecuta acciones reversibles | Revisa después | Reprograma una cita y lo notifica |
| 4. Autónomo con límites | Ejecuta dentro de umbrales y escala lo demás | Audita por muestreo | Incidencias de envío estándar |
Un mismo agente puede estar en nivel 4 para consultar el estado de un pedido y en nivel 2 para emitir un abono. Lo que decide el nivel de cada acción es cuánto cuesta equivocarse y si se puede deshacer.
Dónde encaja y dónde no
Un proceso es buen candidato cuando cumple la mayoría de estas condiciones:
- Volumen suficiente como para que el ahorro compense el diseño y la supervisión.
- Variabilidad real: texto libre, documentos en formatos distintos, excepciones frecuentes. Si todo es estructurado y estable, basta una automatización clásica.
- Errores acotados y reversibles, o fáciles de detectar antes de que lleguen al cliente.
- Datos accesibles desde sistemas con API, no solo en papel o en la cabeza de alguien.
- Un resultado medible: tiempo de resolución, casos cerrados, errores evitados.
Y no encaja, al menos de momento, en decisiones de alto impacto sobre personas (selección de candidatos, concesión de crédito), que el Reglamento europeo de IA trata como usos de alto riesgo con obligaciones propias, ni en procesos que cambian cada semana o que nadie sabe explicar.
Ejemplos por sector
- Industria y manufactura: un agente recibe la alerta de una máquina, consulta el historial de averías y el manual, propone el diagnóstico probable y deja preparada la orden de mantenimiento con los repuestos. También gestiona reclamaciones de calidad a proveedores con la documentación ya reunida.
- Distribución y logística: reprograma entregas fallidas con el cliente, abre incidencias con el transportista y cuadra albaranes contra pedidos.
- Banca y seguros: revisa que un siniestro sencillo tenga toda la documentación, pide lo que falta y lo deja listo para el tramitador. La decisión final sigue siendo humana.
- Comercio online: posventa completa (dónde está mi pedido, cambios, devoluciones dentro de la política) y mantenimiento del catálogo.
- Servicios profesionales: gestorías, ingenierías y despachos que reciben documentación de clientes por mil vías; el agente la clasifica, detecta lo que falta y prepara el requerimiento.
Los riesgos reales de dar autonomía a la IA
Errores que se encadenan
Un dato mal leído en el segundo paso contamina todos los siguientes, y un sistema que actúa propaga el error a otros programas. Por eso los puntos de control intermedios importan más que la precisión del modelo.
Instrucciones maliciosas y exceso de permisos
Un correo, un PDF o una web pueden incluir texto pensado para manipular al agente. OWASP sitúa la inyección de instrucciones como primer riesgo de las aplicaciones con modelos de lenguaje e incluye la «agencia excesiva»: dar al sistema más funciones, permisos o autonomía de los necesarios. La defensa no está en el modelo, sino en el diseño: permisos mínimos y validaciones fuera de la IA.
Identidad y credenciales de los agentes
Cada agente debe tener su propia identidad en los sistemas, con credenciales separadas, permisos por herramienta y posibilidad de revocarlas al momento. Usar el usuario de un empleado «porque ya tiene acceso a todo» es la forma más rápida de perder el control de quién hizo qué.
Datos personales y cumplimiento
Se aplica el RGPD como en cualquier tratamiento: minimizar datos, contratos con cada proveedor y control de dónde se procesan. Además, el Reglamento europeo de IA exige desde agosto de 2026 informar a las personas cuando interactúan con una IA, y las obligaciones para los usos de alto riesgo del anexo III (empleo o crédito, entre otros) se aplicarán a partir del 2 de diciembre de 2027, según la Comisión Europea.
Proyectos que no llegan a ninguna parte
Gartner prevé que más del 40 % de los proyectos de agentic AI se cancelen antes de que acabe 2027 por costes crecientes, valor de negocio poco claro o controles de riesgo insuficientes. Advierte también del agent washing: productos de siempre (asistentes, RPA, chatbots) rebautizados como agénticos sin serlo; según su estimación, solo unos 130 de los miles de proveedores que se presentan así lo son de verdad. La lección es sencilla: objetivo de negocio medible antes que tecnología, y desconfianza ante demos espectaculares sin datos reales.
Gobernanza: las reglas mínimas antes de dar autonomía
No hace falta un comité para empezar, pero sí estas reglas:
- Inventario y responsable. Una lista de qué agentes hay, qué hacen, con qué sistemas hablan y quién responde de cada uno.
- Permisos mínimos por herramienta. Lectura donde baste; escritura solo donde haga falta.
- Umbrales de aprobación humana por importe, tipo de cliente o acción irreversible.
- Observabilidad. Registrar cada decisión: qué pidió el usuario, qué razonó el agente, qué herramienta llamó, con qué datos y cuánto costó. Sin esto no se puede auditar un error ni mejorar el sistema.
- Evaluación continua. Un banco de casos de prueba que se pasa antes de cambiar el modelo, las instrucciones o una herramienta.
- Botón de parada y plan B. Poder desactivar el agente al momento y que el proceso siga de forma manual.
- Revisión periódica de una muestra de casos, también de los que salieron bien.
Para organizaciones grandes o sectores regulados, el marco de gestión de riesgos de IA del NIST (organizado en gobernar, mapear, medir y gestionar) y la norma ISO/IEC 42001 de sistemas de gestión de IA ofrecen una estructura más completa.
Los datos: la base que casi nadie revisa
Antes de hablar de modelos, conviene comprobar cuatro cosas: que los sistemas clave (ERP, CRM, tienda, agenda) tengan API o conector; que haya una única fuente de verdad para precios, stock y condiciones; que los procedimientos estén escritos en algún sitio que el agente pueda consultar; y que los permisos de acceso estén definidos por rol. Si falla alguna, el primer proyecto no es un agente: es ordenar esos datos. Es menos vistoso, pero es lo que hace que el agente funcione.
Por dónde empezar: un piloto en cinco fases
Aplicamos aquí la misma lógica de nuestro Método Ascenso, adaptada a agentes:
- Diagnóstico. Lista los procesos candidatos y mide su situación actual: volumen, tiempo por caso, errores y coste. Sin esa foto de partida no sabrás si el piloto ha funcionado.
- Estrategia. Elige un solo proceso por impacto y viabilidad, define la métrica de éxito y el nivel de autonomía inicial de cada acción.
- Ejecución. Lanza el piloto con alcance acotado (un canal, un tipo de caso) en nivel 1 o 2, con casos reales.
- Medición. Compara con la foto de partida y revisa los errores uno a uno.
- Optimización. Sube la autonomía acción por acción cuando los datos lo justifiquen y extiende el enfoque a procesos vecinos.
Un consejo honesto: si al analizar el proceso resulta que no necesita interpretar nada, no fuerces un agente. Una automatización de procesos con reglas fijas sale más barata, es más predecible y se mantiene mejor.
Preguntas frecuentes
¿Qué diferencia hay entre IA agéntica e IA generativa?
La generativa crea contenido a partir de una petición: un texto, una imagen, un resumen. La agéntica persigue un objetivo: decide pasos, usa herramientas sobre otros sistemas y ejecuta tareas. En la práctica se combinan, porque un agente usa la parte generativa para entender y redactar, pero añade la capacidad de actuar con permisos y supervisión.
¿Los agentes de IA son solo para grandes empresas?
No. Una pyme con un proceso repetitivo y bien definido (posventa de una tienda online, recepción de documentación de clientes, cualificación de contactos) puede tener un piloto con herramientas como n8n sin grandes infraestructuras. Lo que sí necesita es tener sus datos accesibles y un responsable que supervise. El tamaño importa menos que el orden.
¿Qué es la observabilidad en un sistema agéntico?
Es la capacidad de ver qué hace el sistema por dentro: cada petición, cada razonamiento, cada herramienta llamada, los datos usados, el resultado y el coste. Permite auditar errores, detectar desviaciones, controlar el gasto y demostrar qué pasó ante un cliente o un regulador. Sin observabilidad, un agente es una caja negra con permisos.
¿Es legal usar agentes de IA en Europa?
Sí, con condiciones. El Reglamento europeo de IA obliga a informar a las personas de que interactúan con una IA y fija requisitos más estrictos para usos de alto riesgo, como selección de personal o evaluación de crédito. Además se aplica el RGPD a cualquier dato personal. Para la mayoría de procesos internos y de atención al cliente, el marco es asumible.