La frontera en una frase
Un chatbot produce texto. Un agent maneja herramientas, y mira el resultado de su propio trabajo.
Si le preguntas a un chatbot si tienes libre el martes por la mañana, recibes una respuesta cortés explicándote que no tiene acceso a tu calendario. Un agent abre el calendario, lo mira y te lo dice.
Cómo trabaja en realidad
Un agent corre en un bucle, no en un solo paso:
- Mira dónde está y decide cuál es el siguiente paso.
- Llama a una herramienta — busca, lee un archivo, llama a una API, ejecuta un programa.
- Lee lo que ha vuelto.
- Si no es lo que esperaba, lo intenta de otra forma. Si está bien, sigue adelante.
- Cuando termina, resume.
El tercer paso es lo esencial, y es lo que le falta al chatbot. El agent ve el resultado de su propio trabajo y puede reaccionar a él. Eso es lo que le permite corregir una consulta defectuosa sin que tú tengas que decir nada.
¿Qué le permite usar una herramienta siquiera?
El modelo no «hace» nada. Lo que sabe hacer es producir una petición estructurada — por ejemplo, «llama a la consulta de calendario para este intervalo». Esa petición la ejecuta el programa que lo envuelve, y le devuelve el resultado al modelo.
Así que un agent no es un modelo más listo, es un programa construido alrededor de un modelo. Por eso el mismo modelo puede ser fiable en un sistema e inservible en otro: la diferencia no está en el modelo, sino en el bucle, las herramientas y el tratamiento de errores construidos a su alrededor.
Cómo se conecta a cada herramienta tiene hoy incluso un estándar — pero eso ya es el siguiente nivel.
La cifra que lo explica todo
Aquí llega lo que la mayoría de las demos de agents se callan.
Supongamos que un agent ejecuta cada paso individual con un 98% de fiabilidad. Suena a muy buena proporción.
- Tarea de 5 pasos: 90% de probabilidad de éxito.
- Tarea de 20 pasos: 67%.
- Tarea de 50 pasos: 36%.
Los procesos de negocio reales suelen quedar entre 20 y 50 pasos. Por eso ves demos deslumbrantes e implantaciones decepcionantes de la misma tecnología: la demo tiene cinco pasos, la producción cuarenta.
De ahí sale la regla de diseño más importante: no pienses en una carrera larga y autónoma, sino en varios tramos cortos y comprobados. Cinco tramos de cinco pasos, cada uno con un punto de control al final, es mucho más fiable que una carrera libre de veinticinco pasos.
¿Dónde poner a una persona en el proceso?
No en todas partes — eso mataría la idea. En tres sitios sí merece la pena:
- Donde se mueve dinero. Una transferencia, un pedido, el envío de un presupuesto.
- Donde algo sale hacia fuera. Un correo a un cliente, contenido publicado.
- Donde es irreversible. Un borrado, una sobrescritura, el cierre de un contrato.
Todos los demás pasos pueden ir sin aprobación. Si pregunta en cada punto, la persona se convierte en el cuello de botella y el proyecto se anula a sí mismo.
Los permisos que mucha gente equivoca
El error más frecuente y más caro: el agent recibe más acceso del que su tarea requiere — normalmente porque configurarlo así era más sencillo.
La regla básica: lectura por defecto, escritura por herramienta y por separado. Un agent cuyo trabajo es redactar un informe no debería poder borrar un registro. No porque tenga mala intención, sino porque basta una instrucción malinterpretada o una entrada manipulada para que cause daño.
Ese es hoy el mayor riesgo real de los agents — no que «tome conciencia de sí mismo», sino que le hayas dado demasiadas llaves.
Para qué sirve hoy y para qué no
Sirve para: un proceso de muchos pasos pero bien delimitado, donde el resultado se puede comprobar. Recoger datos de varias fuentes, procesar un conjunto de documentos, montar un informe recurrente, escribir código con pruebas que digan si funciona.
No sirve para: una tarea sin resultado final verificable; una donde el error es caro y no aflora enseguida; y una que una automatización sencilla y ya escrita también resolvería. Este último caso es más frecuente de lo que parece — si la secuencia de pasos es siempre la misma, no necesitas un agent, necesitas un workflow. Es más barato, más rápido y previsible. ¿Es la IA adecuada para esta tarea? te da una forma rápida de distinguir los casos.
Qué llevarte
Un agent compensa cuando la tarea contiene una decisión — si no la contiene, una automatización normal es mejor. Y cuando lo implantas, todo depende de dos cosas: tramos cortos y comprobados, y los mínimos permisos posibles. Esas dos son las que separan un sistema que funciona de una demo vistosa.