Agente de IA para empresas: qué es, qué resuelve y cuándo no hace falta

Un agente de IA es un programa en el que un modelo de lenguaje no solo responde, sino que decide qué hacer a continuación: consulta un sistema, compara lo que encontró, pide un dato que falta, registra algo y vuelve a decidir, hasta terminar la tarea o entregársela a una persona. La palabra se usa para cosas muy distintas, y esa confusión es la causa de casi todas las expectativas equivocadas.

¿Qué hace un agente que no hace un chatbot?

Anthropic, una de las empresas que desarrolla estos modelos, propone separar dos ideas que en el mercado se mezclan. En un flujo (workflow), el modelo y las herramientas siguen un camino que alguien programó de antemano. En un agente, el propio modelo dirige el proceso y elige qué herramienta usar y cuándo. Antes de los dos está el chatbot de reglas, que no usa un modelo de lenguaje para decidir nada.

La recomendación de Anthropic es empezar por la solución más simple y subir de complejidad solo cuando hace falta: un sistema con agentes, dice, suele cambiar latencia y costo por un mejor resultado, y muchas aplicaciones se resuelven con una sola llamada al modelo bien preparada.

Tres tareas en las que una empresa sí lo usaría

• Pedidos por WhatsApp con inventario cambiante. El cliente pide tres productos; el agente consulta existencias, encuentra que uno se acabó, propone el reemplazo que el catálogo marca como equivalente y deja el pedido armado para que alguien lo confirme.
• Calificación de consultas de empresas. Una consulta llega con datos sueltos; el agente busca la empresa en el registro público, pregunta lo que falta (tamaño, ciudad, plazo) y la asigna al vendedor que corresponde según las reglas del equipo.
• Seguimiento de cotizaciones. Revisa en el CRM las cotizaciones sin respuesta, redacta un recordatorio distinto según el caso y lo deja en borrador para que el vendedor lo envíe o lo corrija.

En las tres hay un patrón: el agente prepara y una persona decide lo que compromete a la empresa —un precio, una entrega, un descuento—. Esa frontera se define antes de programar nada.

Lo que tiene que estar listo antes

1. Una tarea concreta y su criterio de éxito. «Atender clientes» no es una tarea; «dejar armado el pedido con stock confirmado» sí lo es, y se puede medir cuántas veces lo logró.
2. Acceso a los sistemas de verdad. Un agente sin conexión al inventario, a la agenda o al CRM solo puede conversar. Cada conexión es una herramienta que el modelo puede usar, con permisos limitados a lo que necesita.
3. El material del que aprende a responder: precios vigentes, políticas de cambio, horarios, preguntas reales con sus respuestas aprobadas. Si esa información está desactualizada, el agente la repetirá con total seguridad.
4. La salida a una persona: qué casos pasa siempre a alguien del equipo, en qué horario hay quién los reciba y cómo se avisa al cliente.
5. Un registro de lo que hizo, para revisar las conversaciones en las que se equivocó y corregir sus instrucciones.

De qué depende el costo

Un agente se paga por partes. El proveedor del modelo cobra por la cantidad de texto que procesa, medida en unidades llamadas tokens, y un agente consume bastante más que un chatbot porque lee los resultados de cada herramienta y razona varias veces por conversación. Si atiende por WhatsApp, Meta cobra aparte los mensajes según su categoría; el detalle está en la guía de la API de WhatsApp. A eso se suma el trabajo de conectar los sistemas, que es casi siempre la parte más grande del proyecto, y el tiempo de una persona que revise sus respuestas, sobre todo en las primeras semanas.

Por eso el número que conviene calcular no es el costo mensual del agente sino el costo por tarea resuelta, comparado con lo que cuesta hoy resolver esa misma tarea a mano o perderla.

Cuándo no hace falta un agente

Si el 80 % de los mensajes son las mismas cinco preguntas, un flujo con respuestas aprobadas resuelve casi todo, cuesta menos y nunca inventa. Si lo que falla es que nadie responde a tiempo, el arreglo es una bandeja compartida y un responsable por turno, no un modelo de lenguaje. Y si los datos de precios y stock no están en ningún sistema, el primer proyecto es ponerlos ahí: un agente encima de información desordenada responde rápido y mal.

En WhatsApp hay además reglas propias de Meta para la automatización, explicadas en la guía de chatbots para WhatsApp. Y cuando el sistema toma decisiones automatizadas con datos de clientes, la Ley Orgánica de Protección de Datos Personales obliga a informar, al recoger los datos, que existen valoraciones y decisiones automatizadas (artículo 12, numeral 17) y, cuando una decisión basada única o parcialmente en ellas produce efectos jurídicos o afecta derechos, permite a la persona pedir una explicación motivada, presentar observaciones, conocer los criterios del programa e impugnar la decisión ante el responsable (artículo 20, letras a a e); la guía de la LOPDP lo explica.