Agentes de IA: qué son de verdad y qué es solo marketing
Un agente de IA es un sistema que recibe un objetivo, decide por su cuenta qué pasos dar para cumplirlo y usa herramientas —consultar datos, enviar un mensaje, escalar a una persona— hasta terminar la tarea. Lo que lo separa de un chatbot no es que hable mejor: es que hace cosas, y decide cuáles.
La palabra "agente" pasó en dos años de término técnico a etiqueta comercial. Hoy se le llama agente a un formulario con respuestas automáticas, a un buscador sobre un PDF y a un chat de soporte de hace ocho años al que se le cambió el nombre. Eso genera un problema concreto: quien compra no puede comparar, porque dos propuestas con la misma palabra describen cosas distintas.
Esta guía separa el término de la etiqueta, sin defender ninguna herramienta en particular. El objetivo es que se pueda leer una propuesta comercial y saber qué se está comprando.
¿Qué hace que algo sea un agente y no un chatbot?
La diferencia está en quién decide la secuencia. Un chatbot sigue un camino escrito por una persona: si el usuario dice A, responde B. Un agente recibe un objetivo, evalúa la situación y elige qué hacer en cada paso, incluido el paso de reconocer que no puede resolverlo y derivar.
Esa distinción no es una sutileza de vocabulario: cambia por completo qué se puede esperar del sistema y qué mantenimiento necesita. La documentación técnica de Anthropic sobre cómo construir agentes efectivos separa explícitamente los flujos de trabajo —donde los pasos están predefinidos— de los agentes, donde el modelo dirige su propio proceso. Un proveedor que vende "agentes" y describe pasos fijos está vendiendo lo primero con el nombre de lo segundo.
| Qué es | Cómo funciona | Qué se le puede pedir |
|---|---|---|
| Menú automático | Opciones numeradas fijas | Derivar una consulta a la sección correcta |
| Chatbot con reglas | Si detecta una palabra, responde un texto guardado | Contestar preguntas previstas de antemano |
| Asistente conversacional | Un LLM responde con lenguaje natural sobre una base de conocimiento | Explicar, resumir, responder aunque la pregunta llegue mal escrita |
| Agente IA | Un LLM que además usa herramientas y decide la secuencia | Resolver una tarea completa: consultar, responder, registrar, escalar |
Ninguna de las cuatro filas es mejor que las otras en abstracto. Un menú automático bien hecho resuelve algunos negocios enteros. El problema aparece cuando se paga la cuarta fila y se entrega la segunda.
¿Qué significa que un agente "use herramientas"?
Usar herramientas significa que el agente puede hacer algo fuera de la conversación: consultar una base de datos, leer un catálogo actualizado, registrar un pedido, avisarle a una persona. Sin herramientas, un modelo de lenguaje solo puede escribir texto plausible sobre lo que le contaron; con herramientas, puede verificar y actuar.
Esta es la parte que más se disimula en las propuestas comerciales, y es la que define el valor. Un asistente que "sabe" los precios porque se los escribieron en un documento hace seis meses no sabe los precios: los recuerda. Un agente conectado a la fuente real los consulta cada vez, y cuando la fuente cambia, la respuesta cambia sola.
La conexión entre modelos y herramientas se está estandarizando: el Model Context Protocol es una especificación abierta que define cómo un modelo accede a datos y sistemas externos. No hace falta entenderla para comprar, pero sí conviene saber que existe, porque un proveedor que trabaja con estándares abiertos deja el sistema portable, y uno que arma todo cerrado deja al negocio atado.
Las frases que suenan a agente y no lo son
Cuatro formulaciones aparecen en casi todas las propuestas. Ninguna es mentira; todas admiten una pregunta que las ordena.
"Nuestro agente está entrenado con IA." El entrenamiento de un agente en el sentido comercial casi nunca es entrenar un modelo: es cargarle información y reglas. Eso está bien y es lo que corresponde. La pregunta que ordena: ¿qué pasa cuando cambia un dato del negocio, y cuánto tarda en reflejarse?
"Responde cualquier cosa." Un sistema que responde cualquier cosa es exactamente el que inventa cuando no sabe. La capacidad valiosa es la opuesta: reconocer el límite y derivar. La pregunta: ¿qué hace cuando no sabe la respuesta? Si la respuesta del proveedor no incluye una derivación a humano, hay un problema esperando.
"Se integra con todo." Integrarse con un sistema significa leer y escribir datos reales en él, no abrir un link. La pregunta: ¿qué integraciones están funcionando hoy en clientes reales, y cuáles habría que construir?
"Aprende solo con el uso." Los sistemas mejoran con el uso cuando alguien revisa las conversaciones y corrige. La mejora automática sin revisión humana no existe en un contexto de negocio serio. La pregunta: ¿quién revisa lo que respondió mal y con qué frecuencia?
¿Cómo se evalúa una propuesta de agente?
Se evalúa pidiendo ver uno funcionando, no una presentación. Un agente en producción se puede probar en vivo: se le hacen preguntas difíciles, se le escribe con errores de tipeo, se le pide algo que no debería saber. Diez minutos de prueba dicen más que cualquier documento.
Las preguntas que conviene hacer antes de firmar:
- ¿Puedo probarlo ahora mismo, con mis preguntas? Si la respuesta es "te preparamos una demo para la semana que viene", puede que todavía no exista.
- ¿De dónde saca la información? Un agente serio tiene una base de conocimiento identificable y actualizable, no memoria difusa.
- ¿Qué hace cuando no sabe? La regla correcta es escalar, nunca improvisar.
- ¿Cómo se actualiza cuando cambia algo del negocio? El plazo importa: días, no trimestres.
- ¿Quién es dueño de los datos y de la configuración? Si el negocio quisiera cambiar de proveedor, ¿qué se lleva?
- ¿Qué queda registrado? Sin registro de conversaciones no hay forma de saber si funciona ni de corregirlo.
- ¿Qué pasa el día que el proveedor no está? Un sistema que solo esa persona puede tocar es un riesgo, aunque hoy funcione bien.
¿Cuándo un agente no es la respuesta?
Cuando el volumen no lo justifica, cuando la información del negocio no está ordenada, o cuando lo que hace falta es una decisión humana. Un agente amplifica el orden que ya existe: sobre un negocio con datos dispersos y precios que nadie registra, amplifica el desorden.
Tres situaciones concretas en las que conviene esperar:
- Pocas consultas, todas respondidas rápido. Si el equipo llega sin esfuerzo, un agente resuelve un problema que todavía no existe.
- La información cambia todos los días y nadie la anota. Primero se ordena la fuente; después se automatiza. En el orden inverso, el sistema responde con datos viejos y el problema es peor que antes.
- Lo que se busca es cerrar ventas complejas. Una negociación, un reclamo delicado o una venta grande siguen siendo trabajo de personas. El agente sirve para que ese tiempo humano quede libre, no para reemplazarlo.
También conviene desconfiar de la idea de que un agente reemplaza al equipo. Lo que hace bien es absorber lo repetitivo —las mismas preguntas, a toda hora— y dejar el criterio donde corresponde.
Ver uno funcionando antes de decidir
Marea Lab opera agentes en producción y arma agentes para negocios: lo primero que muestra es uno vivo, no una presentación.
La auditoría gratis de 30 minutos se agenda por WhatsApp con Mar, la asistente IA de Marea Lab: la misma tecnología que describe esta guía es la que atiende ese WhatsApp. En la auditoría se revisan las consultas típicas del negocio, se evalúa si un agente aporta o si todavía no es la prioridad, y si aporta, se lo ve funcionando antes de decidir nada.
Guías relacionadas: Cómo poner un bot de WhatsApp que atienda un negocio 24/7 · Qué es Claude Code y para qué le sirve a un negocio que no programa · Cómo hacer que un bot de WhatsApp derive a un humano
Qué es: Agente IA · Chatbot · IA generativa · LLM · Derivación a humano