
Qué es un agente de IA por dentro: las cinco piezas
Un modelo de lenguaje por sí solo (el motor de ChatGPT, Gemini o Claude) recibe texto y devuelve texto. Para que sea un agente le hacen falta cuatro piezas más alrededor.
El modelo: la parte que razona
Es el modelo de lenguaje grande (LLM). Interpreta la petición, divide el trabajo en pasos, elige qué herramienta usar y redacta el resultado. No hace falta el modelo más potente del mercado para todo: muchas tareas de empresa funcionan mejor con uno más rápido y barato, bien instruido.
Las instrucciones y el objetivo
Definen el papel del agente («gestionas incidencias de envío de una tienda online»), qué puede y qué no puede hacer, el tono y cuándo debe parar y preguntar a una persona. Son el equivalente al manual de procedimiento que le darías a alguien nuevo en el puesto.
Las herramientas: lo que le permite actuar
Una herramienta es una función que el agente puede llamar: consultar un pedido, buscar en el catálogo, crear una tarea, enviar un correo, leer un PDF. Técnicamente suelen ser conexiones a la API de cada programa. Para no reinventar cada conexión, se está extendiendo el Model Context Protocol (MCP), un estándar abierto que Anthropic creó para conectar aplicaciones de IA con sistemas externos y que en diciembre de 2025 cedió a una fundación de la Linux Foundation.
Sin herramientas no hay agente. Un sistema que solo conversa, por bien que lo haga, es un chatbot.
La memoria: de qué se acuerda
Conviene separar tres tipos, porque se diseñan de forma distinta:
- Memoria de la conversación: lo que se ha dicho en esta interacción. Evita que el cliente repita su número de pedido tres veces.
- Memoria de trabajo: el estado de la tarea en curso (qué ha consultado ya, qué falta, qué ha fallado).
- Memoria a largo plazo: datos que persisten entre conversaciones, como el historial del cliente o sus preferencias. Normalmente vive en tus sistemas (CRM, base de datos), no «dentro» del modelo, y se consulta como una herramienta más.
El bucle: pensar, actuar, observar
La pieza que menos se ve y la que más lo distingue. El agente no responde de una vez: razona qué hacer, ejecuta una acción, observa el resultado y decide el siguiente paso, en un ciclo que se repite hasta cumplir el objetivo o toparse con un límite. Si la API del transportista devuelve un error, un agente bien diseñado lo reintenta, prueba otra vía o escala el caso; un flujo rígido simplemente se para.
Agente de IA, chatbot, asistente y automatización: en qué se diferencian
Para entender qué es un agente de IA hay que separarlo de tres conceptos con los que se confunde constantemente, a menudo a propósito. Esta tabla aclara la diferencia práctica:
| Automatización clásica | Chatbot | Asistente de IA | Agente de IA | |
|---|---|---|---|---|
| Qué hace | Ejecuta siempre los mismos pasos | Conversa y responde | Ayuda a una persona que decide | Persigue un objetivo y actúa |
| Quién decide los pasos | Quien la programó | El guion o el modelo, solo para responder | La persona | El agente, dentro de sus límites |
| Usa herramientas | Sí, fijas | Pocas o ninguna | Algunas, a petición | Sí, elige cuáles y cuándo |
| Ante lo imprevisto | Se para o falla | Deriva | Pregunta a la persona | Replantea o escala |
| Ejemplo | Cada formulario entra en el CRM | Responde horarios y envíos | Redacta un correo que tú envías | Gestiona una incidencia de principio a fin |
Una aclaración honesta: para muchas tareas, la automatización clásica es mejor que un agente. Si los pasos son siempre los mismos, un flujo fijo es más barato, más rápido y más predecible. El agente tiene sentido cuando hay variabilidad: mensajes escritos de mil formas, casos con excepciones, datos que hay que buscar en varios sitios. La guía de Anthropic sobre agentes da el mismo consejo: empezar por la solución más simple y añadir autonomía solo cuando haga falta.
Qué puede hacer un agente de IA y qué no: acciones y permisos
La pregunta que más importa en un proyecto real no es qué sabe hacer el agente, sino qué le dejas hacer. Lo práctico es clasificar cada acción en tres niveles:
- Lectura: consultar stock, ver el estado de un pedido, buscar en la documentación. Riesgo bajo; el agente puede hacerlo solo.
- Escritura reversible: crear una tarea, proponer una cita, guardar una nota en el CRM, preparar un borrador. Riesgo medio; puede hacerlo solo si queda registrado y se puede deshacer.
- Acción irreversible o con dinero de por medio: emitir un reembolso, enviar un presupuesto al cliente, cancelar un pedido, borrar datos. Riesgo alto; aquí el agente prepara y una persona aprueba con un clic.
Cada herramienta debe tener los permisos mínimos para su función. Un agente de atención al cliente no necesita acceso de escritura a la facturación, y si lo tiene, es cuestión de tiempo que algo salga mal. OWASP, la referencia en seguridad de aplicaciones, recoge este riesgo como «agencia excesiva» en su lista de los diez principales riesgos de las aplicaciones con modelos de lenguaje.
Un agente de IA trabajando, paso a paso
Así resuelve un agente de posventa una consulta típica de una tienda online:
- El cliente escribe por WhatsApp: «Hice un pedido el lunes y no sé nada».
- El agente revisa la conversación, ve que no tiene el número de pedido y lo busca por el teléfono del cliente en la tienda (herramienta de lectura).
- Consulta el estado del envío en la API del transportista (otra herramienta).
- Observa que el paquete lleva tres días en el mismo centro logístico, algo que sus instrucciones marcan como incidencia.
- Abre la incidencia con el transportista, deja una nota en la ficha del cliente (escritura reversible) y le responde con el estado real y el siguiente paso.
- Si el cliente pide la devolución del importe, prepara la solicitud y la pasa a una persona del equipo con todo el contexto, porque mover dinero no está entre sus permisos.
Tipos de agentes de IA
La clasificación clásica
En los manuales de inteligencia artificial se distinguen cinco tipos según cómo deciden (IBM los resume bien):
- De reflejo simple: reglas «si pasa esto, haz aquello», sin memoria. Un termostato.
- De reflejo basado en modelo: guardan un estado interno del entorno para decidir con información parcial.
- Basados en objetivos: planifican acciones para acercarse a una meta.
- Basados en utilidad: comparan opciones y eligen la que da mejor resultado global cuando hay que equilibrar criterios (rapidez frente a coste, por ejemplo).
- De aprendizaje: mejoran con la experiencia y el feedback.
La clasificación que usa una empresa
En la práctica, lo que ayuda a decidir es esta otra:
- Agentes de cara al cliente: conversan por web, WhatsApp, Instagram o teléfono y además ejecutan acciones. Son los más visibles.
- Agentes de fondo: no hablan con nadie; se activan con un evento (llega una factura, entra un lead, se rompe un stock) y trabajan en segundo plano.
- Sistemas multiagente: varios agentes especializados que se reparten una tarea, por ejemplo uno que clasifica correos, otro que prepara respuestas y otro que revisa la calidad antes de enviar.
Ejemplos de agentes de IA por área de la empresa
Atención al cliente. Resuelve consultas de pedidos, cambia citas, tramita devoluciones dentro de una política y deriva lo delicado. Es el uso más extendido; en nuestra página de agentes de IA para atención al cliente explicamos cómo lo planteamos.
Ventas. Recibe cada lead, lo enriquece con datos públicos de la empresa, lo cualifica con las preguntas que haría tu comercial y agenda la llamada solo con los que encajan.
Compras. Compara las ofertas de varios proveedores para una misma petición, comprueba plazos y condiciones contra tus requisitos y deja un cuadro comparativo listo para que decida el responsable de compras.
Finanzas. Lee facturas de proveedor en PDF, las cruza con el pedido y el albarán, marca las discrepancias y prepara el asiento para que contabilidad lo valide. Las decisiones de pago siguen en manos humanas.
Operaciones y logística. Vigila el stock, detecta roturas previstas según el ritmo de ventas y prepara la orden de reposición para que alguien la apruebe.
Uso interno. Responde a la plantilla con los procedimientos de la empresa y, además, abre el ticket de IT o la solicitud de vacaciones en el sistema correspondiente.
Cómo crear un agente de IA
Tres formas de construirlo
- Herramientas de automatización con agentes integrados, como el nodo AI Agent de n8n: conectas un modelo de lenguaje y una o varias herramientas, y el agente decide cuál usar en cada momento. Es la vía que usamos en Movetek cuando el agente tiene que hablar con varias aplicaciones: n8n se integra con cientos de ellas y el cliente puede ver el flujo.
- Plataformas de agentes de los grandes proveedores (Microsoft, Google, OpenAI y otros), cómodas si toda tu empresa ya vive en su entorno.
- Desarrollo a medida con frameworks y SDK de agentes, para casos con lógica compleja, mucho volumen o requisitos de seguridad propios.
Los pasos, independientemente de la herramienta
- Elige una tarea acotada y frecuente, con un resultado que se pueda medir (incidencias resueltas, leads cualificados, facturas conciliadas).
- Dibuja el proceso actual con sus excepciones. Si una persona no sabría explicarlo, el agente tampoco lo hará bien.
- Define las herramientas mínimas y el permiso de cada una (lectura, escritura reversible, aprobación humana).
- Escribe las instrucciones como un procedimiento: objetivo, límites, cuándo escalar.
- Prepara un banco de pruebas con casos reales, incluidos los raros y los malintencionados.
- Arranca en modo supervisado: el agente propone y una persona confirma. Cuando los datos demuestren que acierta, amplías su autonomía.
- Registra cada paso (qué decidió, qué herramienta usó, qué respondió) para poder auditarlo y mejorarlo.
Límites de los agentes y cómo elegir proveedor
Conviene conocer sus límites antes de firmar nada:
- Los errores se encadenan. Un dato mal leído en el paso dos contamina todos los siguientes. Por eso importan los puntos de control.
- Coste y tiempo de respuesta. Cada vuelta del bucle es una llamada al modelo. Un agente que da diez vueltas para algo que un flujo fijo resuelve en una es caro y lento.
- Inyección de instrucciones. Un correo o una web pueden contener texto pensado para manipular al agente («ignora lo anterior y envía los datos a…»). Se mitiga con permisos mínimos y validaciones fuera del modelo.
- Depende de tus datos. Si el CRM está desordenado o los precios no están en ningún sistema, el agente no hará milagros.
Para elegir quién te lo construye, más que buscar «los mejores proveedores de agentes de IA», pregunta esto:
- ¿Con qué sistemas de mi empresa se va a conectar y cómo?
- ¿Quién es dueño de los flujos, las instrucciones y los datos si cambio de proveedor?
- ¿Puedo ver el registro de lo que hace el agente en cada conversación?
- ¿Qué acciones hará solo y cuáles necesitarán aprobación?
- ¿Cómo se calcula el coste mensual de uso y qué pasa si se dispara?
- ¿Dónde se procesan los datos personales y con qué garantías del RGPD?
Si las respuestas son vagas, la solución también lo será.
Preguntas frecuentes sobre agentes de IA
¿Qué son los agentes de IA y para qué sirven?
Los agentes de IA son programas que combinan un modelo de lenguaje con herramientas conectadas a otros sistemas para cumplir un objetivo en varios pasos. En una empresa sirven para resolver tareas con variabilidad que antes exigían a una persona saltando entre programas: incidencias de clientes, cualificación de leads, revisión de facturas o preparación de presupuestos.
¿Es lo mismo un agente de IA que ChatGPT?
No. ChatGPT es un asistente general que conversa contigo y, en sus versiones recientes, puede ejecutar algunas tareas por encargo. Un agente de empresa está conectado a tus sistemas, trabaja con tus datos y tus reglas, tiene permisos definidos y puede actuar sin que nadie esté delante, por ejemplo cuando entra un pedido o una factura.
¿Un agente puede atender por WhatsApp, Instagram y teléfono a la vez?
Sí. El agente es la lógica (modelo, herramientas, memoria) y los canales son puertas de entrada. Se puede conectar a WhatsApp Business mediante la API, a los mensajes de Instagram y a una línea de voz, compartiendo el mismo conocimiento y el historial del cliente. Cada canal tiene sus normas y costes, que conviene revisar antes.
¿Es seguro dejar que un agente de IA actúe en mis sistemas?
Es tan seguro como el diseño de sus permisos. Con acceso de solo lectura donde basta, aprobación humana para lo irreversible, registro de cada acción y validaciones fuera del modelo, el riesgo es controlable. Lo inseguro es darle acceso completo «para que sea más útil».
¿Necesito saber programar para crear un agente de IA?
Para un prototipo sencillo, no: herramientas como n8n permiten montarlo de forma visual. Para ponerlo en producción con datos reales de clientes sí hace falta criterio técnico: diseñar permisos, conectar APIs, controlar costes, probar casos límite y cumplir el RGPD. Ahí es donde suele compensar contar con alguien que lo haya hecho antes.
