IA agéntica, lo que sí hace y lo que no

Tu equipo, un proveedor o un titular ya te habló de agentes de IA. La promesa suena bien: un sistema que no solo responde, sino que actúa por su cuenta. La pregunta de negocio es concreta: ¿hay algo en tu operación que convenga delegar a un agente, o es una etiqueta nueva para algo que ya existía?

Desde nuestra perspectiva, vale la pena entender la diferencia antes de aprobar cualquier proyecto. No para saber de tecnología, sino para no pagar por una palabra.

Qué cambia con un agente

La IA generativa que la mayoría conoce funciona como una conversación. Tú preguntas, ella responde y tú decides qué hacer con la respuesta. La decisión y la acción quedan en tus manos.

Un agente, en cambio, recibe un objetivo, planifica y ejecuta acciones. Divide el objetivo en tareas, consulta sistemas, actúa y revisa el resultado antes de seguir. Por ejemplo: leer los correos de reclamos, clasificarlos, buscar el pedido en el sistema, redactar la respuesta y dejarla lista para aprobación.

La diferencia no está en que sea más inteligente. Está en que tiene permiso para actuar. Y eso cambia la conversación sobre riesgo, control y responsabilidad.

Una analogía útil es el piloto automático de un avión. Mantiene rumbo y altitud, corrige sobre la marcha y libera al piloto de tareas repetitivas. Pero nadie sale de la cabina. Alguien define el destino, vigila los instrumentos y toma el control cuando algo no calza.

Qué no es un agente

Hay tres confusiones que escuchamos seguido.

No es una automatización tradicional con otro nombre. Si el proceso se ejecuta siempre igual, con reglas de negocio y fórmulas conocidas, y usa datos estructurados, como los de una planilla, no necesitas un agente. Una regla bien escrita es más barata, más predecible y más fácil de auditar. La IA tiene sentido donde no hay reglas ni fórmulas posibles: para predecir, clasificar o generar texto.

No es un empleado digital que trabaja sin supervisión. Un agente puede equivocarse con total seguridad y repetir el error muchas veces antes de que alguien lo note. Sin control humano y sin medición, es una apuesta.

Tampoco es la solución para un proceso desordenado. Si hoy un trámite pasa por cinco aprobaciones que nadie justifica, un agente solo hará esas cinco aprobaciones más rápido. Primero se revisa el proceso, se elimina lo que no agrega valor y luego se automatiza.

Dónde sí tiene sentido

Un agente aporta cuando la tarea exige algo que una regla no puede resolver. Por ejemplo, generar textos o imágenes, como la respuesta a un reclamo o el resumen de un contrato. O analizar información no estructurada: correos, documentos, solicitudes escritas de mil formas distintas.

También aporta cuando el siguiente paso depende de lo que encuentra y no se puede definir de antemano. Si el correo no trae el número de pedido, el agente lo busca por el nombre del cliente en otro sistema antes de redactar.

Que una tarea tenga muchos pasos no basta. Un flujo largo que siempre sigue las mismas reglas se resuelve con un script bien hecho, aunque sea complejo.

Ayuda, además, que el error sea recuperable. Preparar un borrador que alguien revisa no es lo mismo que aprobar un pago. Conviene partir donde equivocarse cuesta poco y aprender ahí.

En CognitivaLab partimos de una pregunta antes que de la tecnología: ¿qué capacidad quieres liberar? Horas de tu equipo, ahorro de costos o ingresos que hoy se escapan. El agente es solo el medio. Si funciona, recomendamos decidir de forma explícita a qué iniciativa irá esa capacidad, idealmente a un portafolio de innovación.

Cuatro preguntas para tu equipo

Antes de aprobar un proyecto de agentes, reúne a tu equipo y respondan esto:

1. ¿Qué tarea concreta haría el agente y cómo la haría? Si no pueden nombrarla en una frase y describir los pasos que seguiría, todavía no hay proyecto.
2. ¿Esa tarea sigue siempre las mismas reglas? Si la respuesta es sí, basta con una automatización tradicional. El agente se justifica donde hay que interpretar o generar.
3. ¿Qué acciones podría ejecutar sin pedir permiso? Hagan la lista. Todo lo que mueva dinero, datos de clientes o compromisos externos debería pasar por una persona, al menos al comienzo.
4. ¿Cómo sabremos si funciona? Anoten hoy cuánto tiempo toma la tarea, cuánto cuesta y cuántos errores tiene. Sin esa línea base, después no tendrán con qué comparar.

El criterio para decidir

Propongo un criterio simple. Un agente vale la pena cuando se cumplen tres condiciones: la tarea exige interpretar o generar información sin reglas claras, el siguiente paso depende de lo que encuentra y no se puede definir de antemano, y el error se puede detectar y corregir a tiempo.

Si falta alguna, probablemente necesitas otra cosa: ordenar el proceso, una regla de negocio, un script o una integración entre sistemas. Usa reglas de negocio siempre que se pueda. No siempre se ve a simple vista. Por eso conviene probar.

Parte con un piloto acotado, métricas definidas desde el inicio y una persona responsable de revisar lo que hace el agente. Mide resultados, ajusta y recién después amplía sus permisos. ¿Comprarías un auto sin encenderlo y probarlo? Con un agente pasa lo mismo: la demostración no basta.

¿Qué tarea de tu operación le delegarías primero a un agente?