Si te preguntas qué es un agente de IA, la respuesta corta es esta: un sistema que recibe un objetivo, decide qué pasos seguir y usa herramientas para cumplirlo. Consulta información, elige una herramienta, ejecuta una operación, revisa qué salió y decide si sigue o se detiene.
Un chatbot responde. Un agente actúa.
Esa es la diferencia que importa en una empresa.
Y bueno, tiene un límite claro: su autonomía depende de los permisos, las reglas y la supervisión que le asignes. Quitarle límites no lo hace mejor, solo agranda lo que puede salir mal.
En cifras
Un agente de IA decide pasos y usa herramientas
Según la guía de OpenAI para construir agentes, hay tres piezas: modelo, herramientas e instrucciones. El modelo interpreta la solicitud y decide cómo avanzar. Las herramientas le permiten buscar datos o ejecutar operaciones. Las instrucciones fijan qué debe hacer, qué tiene prohibido y cuándo debe pedir ayuda.
Un ejemplo hipotético, no un caso verificado: un cliente no puede entrar a su cuenta. El agente busca el registro, verifica la identidad según las reglas, restablece el acceso y, si el caso se sale del guion, lo pasa a una persona.
Cuando el camino siempre es el mismo, basta una regla fija. El agente sirve cuando el camino cambia.
Mira, el ciclo es corto: recibe un objetivo, decide una acción, usa una herramienta, observa el resultado y sigue, pide ayuda humana o termina. La guía de Anthropic sobre agentes efectivos recomienda condiciones de parada, como un máximo de iteraciones, para que no se quede dando vueltas.
Ojo con este malentendido: un agente no necesita aprender solo de cada conversación. Lo documentado son instrucciones, herramientas y un ciclo de ejecución. Si un proveedor te promete que “aprende contigo”, pregunta cómo.
¿En qué se distingue de un chatbot y de una automatización?
Hay cuatro enfoques, y en los productos comerciales se mezclan. La automatización por reglas ejecuta pasos definidos de antemano. El asistente informativo responde preguntas o prepara borradores.
El flujo con IA mete un modelo dentro de una secuencia fija. El agente decide sobre la marcha los siguientes pasos y las herramientas. Anthropic traza esa misma frontera: flujos predefinidos por un lado, sistemas donde el modelo dirige el proceso por el otro.
| Enfoque | Qué hace |
|---|---|
| Automatización por reglas | Ejecuta pasos definidos de antemano. |
| Asistente informativo | Responde preguntas o prepara borradores. |
| Flujo con IA | Mete un modelo dentro de una secuencia fija. |
| Agente de IA | Decide sobre la marcha los siguientes pasos y las herramientas. |
Piensa en Robotina, la robot de Los Supersónicos. Nadie le dictaba cada movimiento: tenía el quehacer de la casa y lo resolvía. Eso la acerca más a un agente que a una aspiradora programada o a un asistente que solo contesta.
O sea, la palabra “agente” no tiene un uso comercial uniforme, así que conviene revisar qué hace de verdad el producto antes de aceptar la etiqueta. Y si ya te quedó clara la diferencia, el siguiente paso es decidir si tu empresa necesita un agente de IA.
Wiley y Thomson Reuters muestran lo que hace un agente hoy
En el caso que Salesforce publicó sobre Wiley, la editorial usa Agentforce para responder con su base de conocimiento, resolver problemas de acceso a cuentas, restablecer contraseñas y orientar solicitudes de registro y pago. Es un agente conectado con operaciones, no solo con respuestas.
Salesforce reporta una mejora superior al 40% en resolución de casos frente al chatbot anterior, durante las primeras semanas. Es dato del proveedor, no una verificación independiente, y no significa que 40% de todas las consultas se resuelvan solas. Sirve para ver qué tipo de mejora se reporta, no para prometer tu porcentaje.
Thomson Reuters describe una nueva generación de CoCounsel Legal construida sobre Claude Agent SDK, capaz de planear, elegir herramientas, recuperar contenido autorizado y ajustar el proceso mientras trabaja (comunicado del 12 de mayo de 2026).
En sus notas de producto del 23 de septiembre de 2026 menciona tareas como revisión de contratos, estrategia de litigios y análisis de grandes conjuntos de documentos, con citas enlazadas para verificar.
Fíjate en la combinación: agente, contenido especializado y verificación profesional. Las fuentes documentan funciones, no un porcentaje de ahorro, y no dicen que un abogado deje de ser necesario.
¿Cuándo conviene un agente y cuándo no?
Anthropic recomienda empezar por la solución más sencilla y sumar complejidad solo cuando mejora los resultados. Si el recorrido siempre es igual, un flujo convencional alcanza. Si cambia según el contexto y no puedes fijar de antemano cuántos pasos harán falta, el agente empieza a tener sentido.
OpenAI sugiere buscar procesos con decisiones complejas, reglas difíciles de mantener o mucha información no estructurada. Y Anthropic advierte que un agente suele cambiar mayor costo y tiempo de respuesta por mejor desempeño.
¿Qué riesgos debe controlar la empresa?
Al menos tres. Los errores se acumulan cuando hay varios pasos. Los permisos excesivos abren la puerta al uso indebido de herramientas, identidad y privilegios, un frente que OWASP pide revisar en su guía de riesgos para aplicaciones agénticas (9 de diciembre de 2025). Y el contenido externo, como un correo o un documento, puede traer instrucciones escondidas que desvíen al agente.
Que un agente pueda leer algo no significa que deba poder modificarlo.
Para un primer piloto, empieza con consultas y borradores, y habilita cambios solo después de probarlos. Eso es clave.
¿Cómo se empieza con un piloto?
Esta secuencia es una síntesis de las guías de OpenAI y Anthropic, no un estándar certificado.
- Elige un proceso con inicio y resultado verificables. “Resolver solicitudes de acceso y pasar a soporte las que no se puedan resolver” sirve. “Automatizar la atención al cliente” no.
- Define los límites antes de activarlo: qué resuelve, qué escala y cuándo necesita autorización.
- Pruébalo con situaciones reales. Anthropic señala, en una guía de enero de 2026, que entre 20 y 50 tareas sencillas tomadas de fallas reales pueden ser un buen comienzo para evaluar un agente. No garantizan que esté listo para producción.
- Mide resultados y no solo conversaciones: casos resueltos correctamente, casos que necesitaron a una persona y por qué, tiempo total con la revisión humana incluida, costo por resolución y acciones incorrectas.
- Despliega poco a poco: pocos usuarios, pocas operaciones, registro de fallas y revisión antes de ampliar.
Antes de delegar tareas a un agente, tu equipo necesita definir qué información puede usar, qué acciones requieren autorización y cómo se revisan los resultados. Esa base se trabaja en la capacitación en IA para empresas.
Robotina hacía el quehacer de la casa. A tu agente también le va a tocar el suyo, y alguien tiene que haberlo definido antes.
