Un chatbot responde, un agente resuelve
La palabra agente se ha usado tanto este último año que ha dejado de significar algo concreto. Vamos a fijarla.
Un chatbot recibe una pregunta y devuelve texto. Por muy bueno que sea el modelo que lleva detrás, el resultado siempre es lenguaje. Si le pides que cambie la fecha de tu pedido, te explicará muy bien cómo cambiarla.
Un agente recibe la misma petición y hace algo: busca el pedido en el sistema, comprueba si todavía está a tiempo según las reglas de la empresa, cambia la fecha, deja constancia en el CRM y te confirma que está hecho.
La diferencia no está en el modelo de lenguaje. Está en que alguien le ha dado herramientas y permiso para usarlas. Un agente es un modelo más un conjunto de acciones que puede ejecutar más las reglas que deciden cuándo ejecutarlas.
Eso, dicho así, suena a que es solo un paso más. En la práctica cambia el proyecto entero: en cuanto un sistema puede escribir en tu CRM, ya no estás probando una herramienta, estás metiendo software en producción.
Los cuatro procesos donde funcionan hoy
Esto no es una lista de lo que se podrá hacer algún día. Son los cuatro sitios donde hemos visto agentes funcionando en empresas reales y aguantando meses sin que nadie los rescate.
- Cualificación de leads. Entra un formulario, el agente busca la empresa, mira su tamaño y su sector, lo cruza con los criterios de cliente ideal, puntúa la oportunidad y la mete en el pipeline en la fase que le corresponde. El comercial abre el CRM y encuentra el trabajo hecho. Es el caso más rentable porque la alternativa (que alguien cualifique a mano) es lenta y se hace mal los viernes por la tarde.
- Lectura de documentos. Facturas, contratos, albaranes, currículums, pliegos. El agente extrae los campos que importan, los normaliza y los deja en una tabla. Aquí la ganancia se mide en horas al mes y es fácil de calcular antes de empezar.
- Soporte de primer nivel. Responde con la documentación real de la empresa, y en cuanto detecta enfado, una reclamación o algo fuera de su alcance, pasa la conversación a una persona con el contexto ya resumido. La clave está en la segunda mitad de esa frase, no en la primera.
- Informes recurrentes. Ese resumen semanal que alguien monta a mano juntando cuatro fuentes. El agente recoge los datos, los cruza, escribe el borrador y lo deja listo para que una persona lo revise y lo mande.
Lo que tienen en común esos cuatro
Si te fijas, los cuatro comparten tres cosas.
El proceso ya existía. Alguien lo hacía a mano y se podía escribir en un folio. Los agentes no inventan procesos, los ejecutan. Si nadie sabe explicar cómo se cualifica un lead hoy, automatizarlo no lo arregla: lo congela mal para siempre.
El error es barato. Si el agente puntúa mal un lead, el comercial lo corrige en diez segundos. Si extrae mal un campo de una factura, se ve al revisar. Ninguno de los cuatro toma decisiones irreversibles.
Hay un humano al final de la cadena. No para revisarlo todo, sino en el punto donde el resultado sale al mundo: el correo que se envía, la factura que se contabiliza, la respuesta al cliente enfadado.
Los tres motivos por los que fracasan
Aquí es donde suelen romperse los proyectos, y ninguno de los tres tiene que ver con la tecnología.
El proceso no está escrito en ninguna parte. Es con diferencia el más frecuente. La empresa quiere automatizar algo que cinco personas hacen de cinco formas distintas, cada una con sus excepciones en la cabeza. El proyecto se convierte, sin querer, en un ejercicio de documentar cómo trabaja la empresa. Eso es valioso, pero no es lo que se compró ni lo que se presupuestó.
Los datos están repartidos y no se hablan. El agente necesita mirar el CRM, el ERP y una hoja de cálculo que lleva alguien de administración. Si esos tres sistemas no tienen forma de consultarse, el trabajo real no es de IA: es de integración. Y es donde se va la mayor parte del presupuesto en los proyectos que se tuercen.
El error sale caro y nadie lo revisa. Cualquier proceso donde equivocarse tenga consecuencias legales, económicas o de seguridad necesita una persona validando. Si el ahorro que buscabas era precisamente quitar a esa persona, el caso de negocio no se sostiene. Mejor saberlo antes de firmar.
Qué preguntar antes de contratar a nadie
Si estás valorando proveedores para esto, estas cinco preguntas separan bastante rápido a quien ha hecho esto de quien va a aprender contigo:
- ¿Qué pasa cuando el agente se equivoca? Si la respuesta no incluye cómo se detecta, quién lo revisa y cómo se corrige, no hay diseño detrás.
- ¿Dónde se guardan mis datos y qué modelo los procesa? Es una pregunta de RGPD, no de curiosidad. Y con el AI Act ya en aplicación, conviene tener la respuesta por escrito.
- ¿Qué pasa si mañana quiero cambiar de proveedor de modelo? Si el agente está atado a un único proveedor sin capa intermedia, has comprado una dependencia, no una solución.
- ¿Cuánto cuesta operarlo al mes? No la implantación: el consumo. Un agente que procesa mil documentos al mes tiene un coste variable que hay que saber antes, no descubrirlo en la factura.
- ¿Me lo vais a dejar entender? Si el proveedor se va y tu equipo no sabe ni dónde se cambia una regla, tienes un problema con fecha.
Por dónde empezar si no has hecho nada
Nuestra recomendación es casi siempre la misma y es poco espectacular: coge el proceso más aburrido y más repetido que tengas, y automatiza ese primero.
No el más ambicioso. No el que quedaría mejor en una presentación. El aburrido.
Hay tres razones. La primera es que suele estar bien documentado precisamente por ser rutinario. La segunda es que el ahorro se mide sin discusión: horas antes, horas después. Y la tercera, la que más importa, es que el equipo aprende a trabajar con un agente en un contexto donde equivocarse no cuesta nada.
Después de ese primero, la empresa ya sabe qué preguntar, qué pedir y qué desconfiar. Y ahí es cuando tiene sentido ir a por el proceso grande.
Empezar al revés, con el proyecto ambicioso y visible, es la forma más común de acabar con una demostración muy bonita que nadie usa a los tres meses.
Preguntas frecuentes
El chatbot genera texto y el agente ejecuta acciones. Un chatbot te explica cómo cambiar la fecha de un pedido; un agente entra en el sistema, comprueba las reglas, la cambia y lo registra. La diferencia técnica es que el agente tiene herramientas conectadas y permiso para usarlas, lo que convierte el proyecto en una integración de software, no en una prueba de una herramienta.
Un caso acotado y con el proceso ya documentado, entre tres y seis semanas. Si hay que integrar sistemas que no exponen sus datos, el plazo lo marca la integración y no la IA: ahí se va a dos o tres meses. Cuando alguien promete dos semanas sin haber visto tus sistemas, está presuponiendo que todo se hablará sin fricción, y eso casi nunca pasa.
Sustituye tareas, no personas. En los casos que funcionan, lo que desaparece es el trabajo repetitivo (cualificar, extraer, resumir) y lo que queda es el criterio, la relación con el cliente y las excepciones. Si el caso de negocio depende de eliminar el puesto entero, normalmente significa que el proceso tiene más juicio del que parecía y conviene revisar el planteamiento.
Dos marcos a la vez. El RGPD, si el agente trata datos personales: hay que documentar la base legal, el tratamiento y, en casos de alto riesgo, hacer una evaluación de impacto. Y el AI Act europeo, que clasifica los sistemas por nivel de riesgo e impone transparencia, supervisión humana y trazabilidad. Ambos se abordan en la fase de arquitectura: rehacer un sistema después para cumplir cuesta mucho más que diseñarlo bien.
Hay dos costes que conviene separar. El de implantación, que es puntual, y el de operación, que es mensual y variable según el volumen que procese. Ese segundo depende del modelo que uses y de cuántas veces se le llame, y es el que más sorprende cuando no se ha calculado antes. Pide siempre una estimación con tu volumen real, no con un ejemplo.