Índice8
- 01¿Qué es un agente de IA, en concreto?
- 02Agente, chatbot, workflow, RPA: ¿qué diferencias hay?
- 03¿Hay que llegar siempre hasta el agente?
- 04Lo que un agente de IA no es
- 05¿Cuándo es realmente útil un agente de IA?
- 06Lo que cuesta un agente de IA, más allá de la suscripción
- 07Por dónde empezar
- 08Preguntas frecuentes
¿Qué es un agente de IA? La palabra aparece en los anuncios de casi todos los editores de software, hasta el punto de designar más o menos cualquier herramienta que contenga un modelo de lenguaje. Para una empresa que debe decidir dónde poner IA, la definición tiene sin embargo consecuencias: dice lo que la herramienta hará sin usted y, por tanto, lo que habrá que vigilar. Esta guía de nuestra sección IA empresarial, privada y a su justo coste parte de la definición más útil que hemos leído y pasa después a lo que un agente no es y a lo que cuesta. Si busca por dónde empezar con la IA más que una definición, parta de nuestra guía para integrar la IA en la empresa.
En resumen
- Lo que distingue a un agente de un workflow es quién decide el paso siguiente: su código o el modelo.
- Un agente se justifica cuando el número de pasos no se puede prever; una tarea repetitiva se resuelve mejor con un camino fijo.
- La autonomía se paga en llamadas al modelo y en errores posibles, y se acota con límites y puntos de validación.
- Muchos productos vendidos como agentes no lo son: pregunte qué decide la herramienta por sí sola.
¿Qué es un agente de IA, en concreto?
Esta definición procede de Anthropic, el editor de los modelos Claude, en un texto de diciembre de 2024, Building effective agents, que opone dos familias de sistemas (traducción nuestra):
- los workflows, «sistemas en los que los modelos de lenguaje y las herramientas se orquestan mediante rutas de código predefinidas»;
- los agentes, «sistemas en los que los modelos de lenguaje dirigen dinámicamente sus propios procesos y su uso de las herramientas, manteniendo el control sobre la forma de llevar a cabo las tareas».
Tomemos una solicitud de presupuesto recibida por correo electrónico:
En un workflow, el camino está escrito
Extraer el nombre, la empresa y la necesidad
Crear la ficha en el CRM
Avisar al comercial
Un modelo puede leer el correo en un paso, sin elegir lo que sigue
En un agente, decide el modelo
Se le da un objetivo y herramientas: el CRM, el catálogo, el correo
Elige si busca primero al cliente, si hace una pregunta o si se detiene
La diferencia no está, por tanto, ni en la calidad del modelo ni en la interfaz, sino en una pregunta: ¿quién decide el paso siguiente, su código o el modelo? En n8n, la documentación del nodo AI Agent lo resume así: se conecta un modelo y una o varias herramientas, «y el agente decide qué herramientas llamar para completar una tarea».
Agente, chatbot, workflow, RPA: ¿qué diferencias hay?
Estas palabras designan herramientas que no se comportan igual. La tabla las ordena según el criterio anterior.
| Herramienta | Lo que hace | Quién decide lo que sigue | Ejemplo |
|---|---|---|---|
| Chatbot | Responde en una conversación | El usuario, en cada mensaje | Una ayuda en línea sobre sus horarios |
| RPA | Reproduce los clics de una persona en una interfaz | El script, escrito de antemano | Copiar los pedidos de un portal de proveedores |
| Workflow | Encadena pasos definidos de antemano | El código | Cada factura recibida se clasifica y luego se registra |
| Workflow con un paso de IA | Confía a un modelo la lectura o la redacción de un texto, en un punto previsto | El código; el modelo rellena una casilla | Un correo de cliente se resume y luego se archiva |
| Agente de IA | Elige sus pasos y sus herramientas para alcanzar un objetivo | El modelo, dentro de los límites fijados | Un asistente que cruza varias fuentes antes de responder |
Un chatbot se convierte en agente cuando puede actuar (crear una ficha, modificar un pedido) y elegir cuándo hacerlo; mientras se limite a responder, es un chatbot, sea cual sea su modelo. La RPA, por su parte, no tiene nada de autónoma: es un camino fijo que pasa por la pantalla a falta de un mejor acceso al software, y a menudo uno de los últimos recursos, como explica nuestra guía para automatizar un software que no tiene API.
¿Hay que llegar siempre hasta el agente?
No, y es el mismo texto de Anthropic el que lo dice con más claridad. Recomienda «encontrar la solución más sencilla posible y aumentar la complejidad solo cuando sea necesario», lo que «puede significar no construir sistemas agénticos en absoluto». Para muchas aplicaciones, optimizar una única llamada al modelo, con búsqueda documental y ejemplos incluidos en la petición, «suele ser suficiente».
Dividimos la decisión en cinco peldaños. La división es nuestra y sigue esta recomendación:
Cinco peldaños, de la regla fija al agente
- Una regla fija, sin IA
Por encima de un importe, avisar al responsable.
- Un workflow
Encadena varias reglas y varios programas.
- Un workflow con un paso de IA
La IA lee un texto libre o redacta un primer borrador.
- Una IA que elige entre ramas previstas
Por ejemplo, clasificando una solicitud.
- Un agente
Elige por sí mismo sus pasos y sus herramientas.
Cada peldaño añade flexibilidad, pero también coste e imprevistos: empiece por el más bajo que haga el trabajo. Nuestra batería de preguntas está en Automatización sin IA: cuando basta una regla. Cuando la IA está justificada, el modelo elegido pesa tanto como la arquitectura: nuestro enfoque consiste en confiar cada tarea al modelo justo suficiente, con un presupuesto y límites por uso.
Lo que un agente de IA no es
No es una etiqueta
En junio de 2025, un despacho de Reuters recogido por Yahoo se hacía eco de un fenómeno descrito por la consultora Gartner: el «agent washing», que consiste en rebautizar como «agentes» asistentes de IA y chatbots sin una capacidad agéntica real. Gartner estimaba que, entre miles de proveedores que se presentan como vendedores de IA agéntica, solo unos 130 lo son de verdad. Es la estimación de una consultora, no un censo, pero la pregunta que sugiere vale para cualquier compra: ¿qué decide su herramienta por sí sola?
No es fiable por defecto
En 2025, Anthropic confió durante aproximadamente un mes, junto con la empresa Andon Labs, una pequeña tienda automática de sus oficinas de San Francisco a un agente basado en Claude Sonnet 3.7, apodado Claudius. El informe de este experimento, Project Vend, publicado el 27 de junio de 2025 por el propio editor del modelo, es instructivo. El agente fijaba precios «sin hacer ninguna investigación», de modo que artículos que podrían haber dejado un buen margen acababan con un precio inferior a su coste. Durante un tiempo pidió a los clientes que pagaran en una cuenta que se había inventado. Se dejó convencer, mediante mensajes en Slack, hasta conceder numerosos códigos de descuento. No son averías: son decisiones, tomadas por un agente que tenía el control de los precios y los pagos.
Sobre el terreno
Un cliente aprendió una versión más modesta a su costa
En su sitio, un modelo publicó tres contenidos inventados de principio a fin, retirados desde entonces. Por eso la revisión humana antes de publicar es para nosotros una regla innegociable, y contamos con un control contra las alucinaciones.
No es un compañero
La mañana del 1 de abril, cuenta el mismo informe, Claudius afirmó que entregaría él mismo productos «en persona», vestido con un blazer azul y una corbata roja. La conclusión de Anthropic es clara:
Si Anthropic decidiera hoy expandirse al mercado de las máquinas expendedoras en oficinas, no contrataríamos a Claudius.
Un agente no tiene responsabilidad: ejecuta dentro de los límites que se le dan, y es una persona quien responde del resultado, como desarrollamos en nuestro artículo sobre el papel de las personas frente a la IA.
¿Cuándo es realmente útil un agente de IA?
Anthropic da la respuesta más clara: los agentes convienen a los «problemas abiertos, en los que es difícil o imposible prever el número de pasos necesarios y en los que no se puede programar un camino fijo». Los workflows, por su parte, «ofrecen previsibilidad y regularidad para las tareas bien definidas».
Cuatro señales indican que un agente puede valer lo que cuesta:
- el camino cambia de un caso a otro, en un orden que no se conoce de antemano;
- la entrada no está estructurada: un texto libre, una foto, un documento escaneado;
- un error se puede corregir, porque una persona valida antes de que la acción comprometa a la empresa;
- el volumen justifica el esfuerzo de implantación y supervisión.
Nuestro agente de registro contable reúne dos de estas señales: su entrada es la foto de un recibo enviada por Telegram, y solo queda un gesto humano, validar con un botón la ficha que ha preparado. Está en servicio interno desde julio de 2026, entre las herramientas que hacemos funcionar nosotros mismos.
Lo que cuesta un agente de IA, más allá de la suscripción
La autonomía tiene un precio, y la guía de Anthropic lo escribe: los sistemas agénticos «a menudo sacrifican latencia y coste a cambio de un mejor rendimiento en la tarea». Un agente que duda y llama a tres herramientas en lugar de una consume otras tantas llamadas al modelo y, por tanto, tokens. Su naturaleza autónoma implica «costes más altos y el riesgo de errores que se acumulan», de ahí la recomendación de probarlo a fondo «en entornos aislados», con salvaguardas adecuadas.
Lo esencial
Tres ajustes mantienen a un agente dentro de sus límites
- Un número máximo de vueltas, lo que Anthropic llama «condiciones de parada (como un número máximo de iteraciones)».
- Un presupuesto por tarea, con una parada limpia cuando se alcanza, en lugar de una factura descubierta a final de mes.
- Puntos de validación, en los que el agente se detiene para obtener una opinión humana, sobre todo antes de una acción irreversible.
El cálculo de la factura (tokens de entrada y de salida, contexto reenviado en cada vuelta) se detalla en nuestra guía sobre el coste de la IA en la empresa. Y si se pregunta por qué tantos proyectos de IA tardan en ser rentables, nuestro análisis de la rentabilidad de la IA en la empresa muestra que la tecnología pesa menos que la organización que la rodea.
Por dónde empezar
Parta de la tarea, no de la herramienta. Describa lo que llega, lo que debe salir y quién lo comprueba hoy: el peldaño más bajo que hace el trabajo suele aparecer por sí solo. Si la respuesta es un agente, queda convertirlo en una herramienta fiable para todo un equipo, que es el objeto de nuestra guía sobre el agente de IA en producción, de la demo al producto. Si duda entre varios proyectos, nuestra auditoría de madurez digital e IA sirve para saber qué automatizar antes de gastar, con un GO o un NOGO por escrito para cada uno.
Preguntas frecuentes
¿Qué diferencia hay entre un agente de IA y un chatbot?
Un chatbot responde en una conversación: es el usuario quien decide lo que sigue, mensaje tras mensaje. Un agente de IA recibe un objetivo y herramientas, y elige por sí mismo los pasos para alcanzarlo: buscar una información, crear una ficha, enviar un mensaje. Un chatbot que puede actuar en sus programas y decidir cuándo hacerlo se convierte en agente, con los controles que eso exige.
¿Puede un agente de IA inventarse una respuesta?
Sí. Un modelo de lenguaje produce una respuesta plausible, no una respuesta verificada, y un agente encadena varias de esas respuestas: un error al principio se propaga a lo que sigue. Un agente serio cita por tanto sus fuentes, responde «no lo sé» cuando no está seguro y hace validar lo que compromete a la empresa. Es la regla de nuestro asistente de IA sobre sus documentos, que cita sus fuentes.
¿Puede un agente de IA trabajar sin supervisión?
No en decisiones que comprometen, al menos todavía no. En la segunda fase de Project Vend, publicada en diciembre de 2025, Anthropic dio a su agente nuevos modelos y mejores herramientas; a lo largo de esa fase, las semanas con margen negativo desaparecieron en gran parte. ¿Está listo entonces para gestionar una máquina expendedora en su empresa? «Todavía no del todo», responde Anthropic: sus agentes siguieron necesitando mucho apoyo humano.
¿Hace falta un agente de IA para automatizar un proceso?
No necesariamente. Un proceso que sigue reglas que se pueden escribir se automatiza con un workflow fijo, más barato y de resultado constante. La IA se justifica en un paso concreto, cuando hay que leer un texto libre o resolver un caso ambiguo, y el agente solo cuando el propio camino cambia de un caso a otro. Nuestra batería de decisión está en Automatización sin IA: cuando basta una regla.
Fuentes
- Building effective agents (nueva pestaña)anthropic.com
- Documentación del nodo AI Agent (nueva pestaña)docs.n8n.io
- Despacho de Reuters recogido por Yahoo (nueva pestaña)tech.yahoo.com
- Informe de este experimento, Project Vend (nueva pestaña)anthropic.com
- Segunda fase de Project Vend (nueva pestaña)anthropic.com
Jim · fundador de Brain Plus AI
Más artículos sobre ia empresarial
Guía práctica10 min
Agente de IA en producción: de la demo al producto
Una demo de agente de IA impresiona rápido. Convertirla en una herramienta que un equipo usa cada día exige un responsable y reglas por escrito: lo que muestran cuatro casos públicos y lo que hacemos funcionar nosotros mismos.
Guía práctica10 min
Coste de la IA en la empresa: tokens, enrutamiento y previsión
Lo que realmente paga cuando usa una IA por API: los tokens de entrada y de salida, el contexto reenviado en cada llamada, las vueltas de un agente. Y el método para prever la factura antes de recibirla.
Tomar perspectiva4 min
¿Sustituirá la IA al desarrollador? Lo verdadero y lo falso
Un debate se repite sin fin: la IA genera el código, pero solo un humano decide si debe existir. Enfrente, se responde que ya nadie lee el ensamblador. Ambos bandos aciertan en un punto y fallan en el mismo. Nuestro análisis y nuestra posición.