La respuesta corta
Un agente de IA es un modelo de lenguaje que recibe un objetivo, decide qué pasos seguir y usa herramientas para cumplirlo: lee un correo, consulta una hoja de cálculo, busca un pedido, prepara un registro. No solo responde preguntas. Actúa, dentro de los límites que la empresa define para él.
Para una empresa, esto sirve en tareas con varias etapas y entradas sin formato fijo, como verificar documentos contra registros. El cuidado está en los límites: qué puede leer el agente, qué puede hacer por su cuenta y en qué punto una persona necesita aprobar antes de que la acción ocurra.
Qué es un agente de IA, en la práctica
Debajo de todo agente hay un modelo de lenguaje, el mismo tipo de tecnología de los asistentes de conversación. La diferencia está en lo que lo rodea. El agente recibe instrucciones sobre el trabajo, una lista de herramientas que puede usar y reglas que no puede romper. En cada paso, el modelo mira lo que ya sabe, elige la próxima acción, ve el resultado y decide qué hacer a continuación, hasta terminar la tarea o detenerse en un punto de aprobación.
Las herramientas son lo que le da alcance al agente: leer una bandeja de correo, abrir un archivo en Drive, consultar una hoja de cálculo, llamar a la API de un sistema interno. Sin herramientas, el modelo solo escribe texto. Con ellas, puede cumplir una rutina de principio a fin.
Este conjunto de instrucciones, herramientas y reglas alrededor del modelo tiene un nombre técnico, harness. Ahí está la seguridad: el agente solo alcanza lo que se conectó al entorno y solo hace lo que las reglas permiten. En la página de automatización e inteligencia artificial mostramos un ejemplo de ese entorno en funcionamiento.
Cuál es la diferencia entre agente de IA, chatbot y automatización
Los tres términos aparecen mezclados, pero resuelven problemas distintos. La tabla resume lo que cambia entre ellos.
| Criterio | Automatización por reglas | Chatbot | Agente de IA |
|---|---|---|---|
| Cómo funciona | Sigue un guion fijo: llegó tal dato, haga tal acción | Conversa y responde preguntas a partir de una base de contenido | Recibe un objetivo, elige los pasos y usa herramientas |
| Entrada que acepta | Dato estructurado, siempre en el mismo formato | Texto libre de quien pregunta | Texto libre, documentos y datos de varias fuentes |
| Qué entrega | La misma acción, siempre igual | Una respuesta en la conversación | Una tarea hecha o preparada para aprobación |
| Previsibilidad | Alta, hace exactamente lo que se programó | Media, la respuesta puede variar | Menor, el camino puede cambiar en cada ejecución |
| Cuándo usar | Proceso estable y repetido | Preguntas frecuentes y atención inicial | Rutina con varias etapas y criterio simple |
En la práctica, los tres conviven. Muchos buenos flujos usan reglas fijas donde el formato es previsible e IA solo en el tramo en que alguien tendría que leer e interpretar. Si su duda es por dónde empezar, el artículo sobre cómo automatizar procesos con IA trata justamente esa división.
Ejemplos de uso de agentes de IA en empresas
Los casos en que un agente suele tener sentido tienen algo en común: la tarea tiene varias etapas, la entrada llega en formatos variados y el resultado puede ser revisado por alguien antes de valer.
- Cuentas por pagar. El agente lee la factura que llegó por correo, extrae proveedor, monto y vencimiento, la verifica contra el pedido y la hoja de compras y prepara el registro. El pago no es tarea suya: por encima de un límite, se convierte en una solicitud de aprobación.
- Clasificación de la atención. Lee el mensaje del cliente, consulta el historial, clasifica el asunto y propone la respuesta. Quien la envía sigue siendo el equipo. Si el canal es WhatsApp, el artículo sobre chatbot de WhatsApp con IA detalla ese caso.
- Revisión de documentos. Contratos, informes o registros se comparan con las reglas de la empresa, y el agente marca lo que falta o no coincide para que una persona lo revise.
- Informes recurrentes. El agente reúne números de distintas fuentes, arma el resumen de la semana y señala lo que cambió respecto del período anterior.
- Apoyo interno. Responde dudas del equipo a partir de los procedimientos de la empresa e indica el documento del que sacó la respuesta, para que quien preguntó lo verifique.
Límites y riesgos de un agente de IA
Un agente se equivoca de una manera distinta a la de un sistema tradicional. Conviene conocer los riesgos antes de conectarle cualquier herramienta.
- Error con apariencia de acierto. El modelo puede leer mal un campo o entender mal una instrucción y seguir adelante con seguridad. Por eso el resultado necesita revisión, al menos hasta que la tasa de acierto se mida con datos reales.
- Camino impredecible. Dos ejecuciones de la misma tarea pueden seguir pasos distintos. Para actividades que exigen siempre el mismo resultado, una regla fija suele ser mejor.
- Costo de uso. Cada paso del agente consume procesamiento del modelo. Las tareas largas, con muchos documentos o muchos intentos, salen más caras de lo que parecen en la prueba. Medir el consumo en el piloto evita sorpresas.
- Permisos demasiado amplios. Un agente con acceso a todo puede causar daño con un solo error. Debe ver solo la bandeja, la carpeta y el sistema que la tarea necesita, con el menor nivel de acceso posible.
- Contenido malicioso en la entrada. Un correo o documento puede traer instrucciones ocultas que intentan desviar al agente. Las reglas del entorno tienen que valer por encima de cualquier texto que lea.
- Datos personales. Todo lo que el agente lee puede enviarse al proveedor del modelo. Eso exige cuidado con la ley brasileña de protección de datos (LGPD), tema del artículo sobre LGPD e inteligencia artificial.
Por qué revisión humana y límites de acción
La forma más segura de usar un agente es separar lo que prepara de lo que ejecuta. Leer, extraer, verificar y armar un borrador son acciones que se pueden deshacer sin daño. Pagar, enviar, borrar o modificar un registro oficial son acciones que requieren una persona en el medio.
En nuestro trabajo, esa división se acuerda con el equipo antes de la primera línea de código: qué acciones hace el agente solo, cuáles se convierten en solicitud de aprobación y para quién, y cuáles quedan prohibidas. Cada sugerencia y cada aprobación quedan registradas, así se sabe qué propuso la IA, quién aprobó y cuándo. Es el mismo principio que seguimos en nuestro método de trabajo: la IA acelera, quien decide y responde es una persona.
Los límites también pueden aflojarse con el tiempo. Cuando la tasa de acierto de un paso se mantiene alta durante semanas, con datos reales, tiene sentido discutir si todavía necesita aprobación cada vez o si basta con una revisión por muestreo.
Cómo empezar con agentes de IA en su empresa
El camino que funciona es pequeño y medido. Un agente que resuelve bien una tarea vale más que un proyecto grande en el que nadie confía para usarlo.
- Elija una sola tarea. De preferencia repetida, con volumen y con un resultado fácil de verificar. El artículo sobre qué procesos automatizar primero ayuda a hacer esa elección.
- Mida cómo se hace hoy. Cuánto tiempo lleva, cuántas veces por semana y dónde ocurre el error. Sin ese número, no hay forma de saber si el agente ayudó.
- Defina qué puede y qué no puede hacer. Herramientas habilitadas, datos que puede leer, acciones que requieren aprobación y quién aprueba.
- Pruebe con datos reales y revise todo. Al principio, cada salida pasa por una persona. Así la tasa de acierto aparece de verdad, no en la demostración.
- Amplíe solo después del resultado. Si la ganancia apareció y el error quedó bajo control, entra la siguiente tarea. Si no, se ajusta antes de avanzar.
En la mayoría de los casos, el agente no reemplaza los sistemas que usted ya usa. Trabaja conectado a ellos, por API o por las herramientas que el equipo ya abre todos los días.