Agentes de IA: qué hacen ya y qué sigue siendo humo

Llevo un tiempo largo montando agentes y la conclusión es aburrida: hacen bastante menos de lo que promete el vídeo que viste, y bastante más de lo que pensaría alguien que solo ha probado un chat.

Voy a partir esto en dos listas. Tres cosas que hacen de verdad, hoy, sin trucos. Y tres que siguen siendo humo por mucho que se vendan.

Antes, una aclaración de vocabulario, porque hay bastante ruido: un agente es un sistema que decide los pasos por su cuenta para llegar a un objetivo. Una automatización ejecuta los pasos que tú definiste. La diferencia está en quién decide. Lo desarrollé aquí: agentes frente a automatizaciones.

¿Qué pueden hacer hoy los agentes de IA?

Tres cosas bien, y las tres tienen algo en común: el error es barato y hay alguien mirando el resultado.

Uno: clasificar y enrutar cosas que llegan. Correos, mensajes, formularios, incidencias. Le llega algo, decide de qué va y lo manda al sitio que toca. Esto funciona de verdad y es aburridísimo de contar, por eso no verás vídeos épicos sobre ello. Si se equivoca una vez de cada veinte, no pasa nada, porque el error es "esto acabó en la carpeta equivocada" y se arregla en dos segundos.

Dos: producir primeros borradores con contexto. Un resumen de una reunión, un borrador de respuesta, una ficha a partir de unos datos. No queda listo para publicar, casi nunca, pero te ahorra la parte más pesada que es arrancar de cero. Sobre todo cuando el agente tiene acceso a tu contexto previo y no escribe desde la nada.

Tres: buscar y cruzar información en sitios distintos. Mira esta base, mira este documento, mira este historial y dime qué no cuadra. Este es el que más me sorprendió por rendimiento real. A mano es un trabajo tedioso de horas; para el agente son minutos y lo hace bien porque la tarea es de lectura, no de decisión irreversible.

El patrón de las tres: trabajo pesado de leer y clasificar, con revisión humana barata al final.

Lo que sigue siendo humo

Uno: el agente que lleva un proceso de negocio de punta a punta sin nadie mirando. El vídeo donde el agente atiende al cliente, cierra la venta, emite la factura y actualiza el CRM sin intervención. En la demo funciona. En la vida real, la tasa de acierto por paso se multiplica: si cada paso acierta el 95% y hay ocho pasos, terminas con un 66% de procesos completos. Y ese 34% restante no son errores pequeños, son clientes cabreados.

Esto se arreglará, pero hoy la gente que lo tiene funcionando lo tiene con humanos en los puntos críticos. Y no lo cuentan en el vídeo.

Dos: el agente que aprende solo de sus errores. Suena precioso y es de las cosas que más se prometen. Lo que hay en la práctica es que tú detectas el fallo, tú cambias las instrucciones y tú vuelves a probar. El bucle de mejora eres tú. Si nadie revisa, el agente comete el mismo error indefinidamente con la misma seguridad.

Tres: el agente que trabaja sin que le montes el contexto. Aquí está el 80% del trabajo real y el 0% de los vídeos. Un agente sin acceso a tus datos, tus procesos y tus casos raros no vale nada. Y montar ese acceso (limpiar los datos, definir las reglas, documentar las excepciones) es un curro largo y aburrido que nadie enseña porque no queda bien en pantalla.

La frase que le digo a todo el que me pregunta: el agente es la parte fácil, el contexto es el trabajo.

Cómo los monto yo

Dos vías según lo que necesite.

n8n cuando el flujo tiene pasos claros y quiero controlarlos. Mi patrón favorito no es un agente puro, es un flujo normal con un par de nodos donde el modelo decide algo concreto. El resto es determinista. Así sé exactamente por dónde va a pasar y qué puede salir mal.

Esto va contra la moda, que empuja a darle libertad al agente para que se apañe. En mi experiencia, la libertad se paga en imprevisibilidad, y la imprevisibilidad en un proceso que corre solo es justo lo que no quieres.

MindStudio cuando quiero montar algo rápido con una interfaz decente. Te deja construir el agente con sus pasos, conectarle tus datos y publicarlo sin pelearte con infraestructura. Para probar una idea o para dárselo a alguien que no es técnico, va muy bien.

De precio, se mueve en el rango de unas decenas de euros al mes según uso, y el consumo de modelo va aparte. Confirma en la web oficial, que estas cosas cambian cada temporada.

Si quieres el panorama entero de cómo encajan las piezas, lo tengo en automatización y agentes con IA.

La regla que uso para decidir si un agente vale la pena

Tres preguntas, y si alguna falla, no lo monto.

¿Qué pasa si se equivoca? Si la respuesta es "un cliente se enfada" o "se pierde dinero", entonces necesita revisión humana obligatoria y ya no es un agente autónomo, es un asistente. Perfectamente válido, pero llámalo por su nombre.

¿Cuántas veces al mes va a correr esto? Si son menos de veinte, montarlo no sale a cuenta. El tiempo de construirlo y afinarlo no lo recuperas nunca.

¿Puedo describir la tarea en una página? Si necesito tres páginas de reglas y excepciones, el problema no está maduro para automatizarlo. Primero se ordena el proceso, luego se automatiza. Al revés no funciona y es el error más caro que veo.

¿En qué me estaría equivocando?

En el ritmo, casi seguro.

Todo lo que he puesto en la lista de humo es humo hoy. La velocidad a la que estas cosas mejoran hace que escribir un post así tenga algo de temerario. Lo que hace un año era imposible ahora es normal, y algunas de mis tres pegas pueden estar resueltas cuando leas esto. Compruébalo, no me creas por inercia.

Donde creo que no me equivoco es en el punto del contexto. Ese no es un problema de modelos, es un problema de que tus datos están desordenados, tus procesos no están escritos y tus excepciones viven en la cabeza de alguien. Por muy bueno que sea el agente, no puede leer lo que no existe. Y ordenar eso sigue siendo trabajo humano lento.

También me equivocaría si tu escala fuera otra. Yo hablo desde un proyecto pequeño. Con un equipo de veinte personas y volumen alto, el cálculo del retorno cambia entero y cosas que a mí no me compensan a ti te salvan la vida.

Si te estás enterando ahora de todo esto, empieza por lo básico: escribí qué es un agente de IA sin jerga y con ejemplos.

El resumen honesto

Los agentes funcionan para tareas donde equivocarse es barato y hay alguien revisando. No funcionan todavía como sustitutos de un proceso completo sin supervisión.

Y el trabajo de verdad, el que decide si esto te sirve o no, no es montar el agente. Es tener tus datos y tus procesos lo bastante ordenados como para que el agente tenga algo que leer.

Nadie hace vídeos de eso. Es una pena, porque es la parte que importa.

Algunos enlaces de este artículo son de afiliado: si contratas la herramienta, me llevo una comisión sin que a ti te cueste más.

Si no sabes por dónde empezar con esto ni qué te conviene automatizar primero, hice un test corto que te lo aterriza en tu caso.

Hacer el test de IA