El punto de partida
Un agente de IA es un sistema que, dado un objetivo, planifica sus propios pasos, usa herramientas y se adapta según lo que observa, en lugar de seguir un guion fijo. Esa autonomía es lo que hace potentes a los agentes, y es también lo que los hace arriesgados: un agente que puede actuar en el mundo puede actuar mal, de forma costosa y a velocidad de máquina.
La pregunta interesante para un negocio casi nunca es cómo construir un agente. Es si la tarea que tienes delante necesita uno de verdad. La mayoría de los problemas que se etiquetan de agénticos se resuelven mejor con un flujo determinista de una o dos llamadas al modelo: más barato, más predecible, mucho más fácil de probar y de confiar en él.
Este texto es la versión honesta: qué es de verdad un agente, el pequeño conjunto de casos en los que realmente se gana su sitio, por qué un simple flujo suele ganar, y cómo mantener un agente seguro y asequible si decides construir uno.
¿Necesita esta tarea de verdad un agente?
Un agente construido donde bastaría un flujo es una fuente permanente de coste, latencia y sorpresas.
Un flujo es el patrón correcto cuando los pasos se conocen de antemano: haz esto, luego llama a aquello, luego da formato al resultado. La mayoría de las tareas de negocio son así. Clasificar un ticket y enrutarlo. Extraer campos de un documento y escribirlos en un sistema. Recuperar algo de contexto y redactar una respuesta. Estas pueden usar un modelo en uno o dos pasos, pero la orquestación es fija, lo que significa que es comprobable, depurable y barata.
Un agente se gana su sitio solo cuando la tarea de verdad no puede expresarse como una secuencia fija: cuando tiene que decidir qué pasos dar según lo que encuentra, usar herramientas en un orden que no se conoce de antemano, y recuperarse de callejones sin salida a lo largo de varios turnos. La investigación abierta a través de sistemas, la resolución de problemas en varios pasos, y las tareas cuyo camino se ramifica de forma impredecible son territorio real de agente. La prueba es simple: si puedes dibujar el diagrama de flujo, construye el flujo.
Acertar con esta decisión es la mayor parte del valor que aportamos, y normalmente significa convencer a un cliente de que no haga un agente. Un agente introduce no determinismo, mayor coste, pruebas más difíciles y nuevos modos de fallo; asumes todo eso solo cuando la tarea lo paga.
La autonomía que la tarea de verdad requiere
El caso más claro es el trabajo abierto sobre muchas herramientas donde el siguiente paso depende del resultado anterior. Un agente que investiga un incidente de producción podría consultar los logs, luego, según lo que vea, sacar un dashboard relacionado, luego revisar un despliegue reciente, luego formar una hipótesis, un camino que ningún flujo fijo podría enumerar de antemano. Un agente de investigación que reúne y reconcilia información a través de varios sistemas es parecido: el valor está en adaptar el plan a medida que aprende.
Incluso entonces, los diseños más fuertes mantienen al agente con la correa corta: un conjunto acotado de herramientas, un número limitado de pasos, y un humano en el bucle allí donde una acción sea consecuente o difícil de revertir. Los agentes de producción más fiables son estrechos y supervisados, no de mundo abierto y autónomos. La amplitud de capacidades suele ser un lastre, no una funcionalidad.
Y la pregunta rara vez es todo o nada. Muchos buenos sistemas son sobre todo flujo con un pequeño núcleo agéntico: un pipeline determinista que cede el control a un agente acotado solo para el único paso de verdad abierto, y luego recupera el control. Eso mantiene comprobable la mayor parte del sistema y reserva la autonomía para donde de verdad se necesita.
Guardarraíles, evaluaciones y un techo de coste estricto
Un agente que puede tomar acciones necesita guardarraíles sobre qué acciones puede tomar, y sobre cuáles requieren la aprobación de un humano. El radio de impacto de un error lo define el conjunto de herramientas que le das; un agente de solo lectura es un riesgo muy distinto de uno que puede enviar correos, mover dinero o cambiar registros. Acota las herramientas al mínimo que la tarea necesita.
También necesita un banco de evaluación: un conjunto calificado de escenarios que te dice, en cada cambio, si el agente va a mejor o a peor, porque el comportamiento del agente es emergente y un ajuste de prompt puede romper en silencio un camino que antes funcionaba. Y necesita techos estrictos de coste y de pasos, de modo que un bucle de razonamiento que se descarría quede limitado por diseño en lugar de descubrirse en una factura. Un agente sin límite de presupuesto es un pasivo financiero esperando un mal día.
No son extras opcionales para producción. La brecha entre una demo de agente impresionante y un agente del que de verdad puedes depender es, casi por completo, guardarraíles, evaluaciones, monitorización y la disciplina de mantener la cosa estrecha.
Tres compromisos en cada proyecto de agente
Te diremos con honestidad si la tarea necesita un agente o un flujo, y luego construimos y operamos el correcto, y lo entregamos.
Primero el flujo, agente solo cuando hace falta
Optamos por defecto por el diseño más sencillo que resuelve la tarea. Un agente se justifica por una apertura genuina, no por ambición, y lo decimos antes de construir nada.
Estrecho, acotado, supervisado
Los agentes de producción reciben un conjunto mínimo de herramientas, techos de pasos y de coste, y un humano en el bucle allí donde lo exija lo que está en juego. El radio de impacto se diseña, no se descubre.
Evaluado y operado
Cada agente se entrega con un banco de evaluación y monitorización, y lo operamos contigo durante una ventana de soporte antes de entregarte el código y los runbooks.
Un agente que se gana su sitio, o un flujo que hizo el trabajo
Un año después, o estás operando un agente estrecho y supervisado que hace de forma fiable un trabajo que ningún flujo podría, o te ahorraste el dinero y entregaste el flujo que era la respuesta correcta desde el principio.
La marca de un programa de IA maduro no es cuántos agentes opera; es que cada agente en producción está ahí por una razón que sobrevive al escrutinio, y que cada tarea que no necesitaba uno es un flujo limpio, barato y comprobable. El hype premia lo contrario, agentes por todas partes, que es como los equipos acaban con sistemas que no pueden probar, no pueden predecir y no pueden permitirse.
Los agentes que duran son estrechos y supervisados, con guardarraíles y evaluaciones que estuvieron ahí desde el principio. Los que se apagan en silencio eran amplios, autónomos e impresionantes en la demo. La diferencia es disciplina de ingeniería, no capacidad del modelo.
Caiga la tarea de cualquiera de los dos lados, deberías ser dueño del resultado: el código en tus repositorios, las evaluaciones, y un equipo que entiende por qué es un agente o un flujo. Ese entendimiento es lo que te permite construir bien el siguiente.
IA para fundadores
las preguntas que más nos hacen.
Respuestas directas a las preguntas que más nos hacen. Si la tuya no está, escribe al equipo.