Qué es un agente de IA: definición y ejemplos reales en empresas
Un agente de IA es un sistema que interpreta un objetivo, usa herramientas (ERP, correo, documentos, APIs) y produce un resultado comprobable, con supervisión humana según el riesgo. No es solo un chat: ejecuta pasos en tus sistemas.
¿Qué es un agente de IA?
Es un sistema que recibe un objetivo en lenguaje natural o estructurado, planifica o sigue un flujo, llama a herramientas (consultar stock, crear pedido, leer PDF, enviar WhatsApp de negocio) y deja un resultado que puedes auditar. La diferencia con un chat es la acción sobre sistemas reales.
En empresas, un agente útil es aburrido: pocas herramientas, reglas claras, logs y persona cuando la confianza baja. El agente «que lo hace todo» suele ser un demo que no sobrevive al primer ERP raro.
¿En qué se diferencia de un chatbot y de una automatización?
| Chatbot | Automatización (RPA/iPaaS) | Agente de IA | |
|---|---|---|---|
| Entrada | Preguntas frecuentes | Eventos y formularios fijos | Texto variable + eventos |
| Acción | Responde | Ejecuta pasos rígidos | Interpreta y usa herramientas |
| Fortaleza | Conversación | Volumen estable | Excepciones lingüísticas |
| Riesgo típico | Alucinar respuestas | Roto si cambia la UI | Permisos + alucinación + AI Act |
Servicio: agentes de IA para empresas. Conversacional: chatbots. Procesos: automatización.
¿Qué componentes tiene?
- Modelo: interpreta y propone; no es la fuente de verdad de precios o stock.
- Herramientas: APIs, consultas SQL controladas, lectores de documentos, envío de plantillas.
- Memoria / estado: qué se hizo ya en el hilo o en el caso (sin filtrar datos ajenos).
- Supervisión: umbrales, cola humana, auditoría.
- Orquestación: el grafo o flujo que decide el siguiente paso.
Sin herramientas, tienes un asistente. Sin supervisión, tienes un riesgo. Sin logs, no puedes mejorar.
¿Qué ejemplos hay por departamento?
Doce usos típicos (no todos son casos publicados de Ship Shift; donde hay caso, lo enlazamos):
- Comercial: redactar ofertas con datos del CRM (revisión humana).
- Pedidos: leer email/WhatsApp y crear líneas en ERP.
- Almacén: clasificar incidencias de picking.
- Finanzas: extraer campos de facturas a contabilidad.
- Obra: tipificar mediciones a banco (caso 83 %).
- Legal interno: resumir cláusulas con citas a página (no dictamen).
- RRHH: organizar CVs con campos objetivos (sin decidir solo).
- Soporte: chatbot de estado de pedido con escalado.
- Calidad: leer informes PDF a tabla con linaje.
- Dirección: informe semanal desde varias fuentes internas (RAG).
- IT: triaje de tickets con rutado.
- Logística: confirmar rutas por WhatsApp (LogIA / Carbón del Sur).
¿Cuáles son los límites y riesgos?
Alucinaciones: el modelo inventa con seguridad. Mitigación: herramientas que consultan datos reales, citas, umbrales. Permisos: un agente con escritura amplia es un incidente esperando. AI Act: empleo y ciertos usos del anexo III exigen diseño prudente hacia 2/12/2027. WhatsApp: flujos de negocio, no bots de propósito general (política Meta 2026).
¿Cómo empezar?
Elige un flujo estrecho, define métrica, conecta una o dos herramientas, pon cola humana. Sigue la guía de implantación. Producto propio de referencia operativa: LogIA.
Lo que hemos visto en proyectos reales
En LogIA / Carbón del Sur el «agente» no era un personaje: era el cierre del triángulo pedido–confirmación–ruta con reglas del tenant y coexistencia en el número conocido. Sin fuente de verdad compartida, la oficina vuelve al Excel. Caso.
En presupuestos, el sistema propone identidad de partida; el banco aporta precio; la persona firma. Eso es agente + herramienta + supervisión, no un LLM que «adivina» importes. Caso.
En energía, el agente de extracción sin linaje genera desconfianza: el analista necesita abrir la página de origen. Caso.
Si quieres explorar un agente en tu ERP o canal: cuéntanos el proceso.
Arquitectura mínima que pedimos en un agente serio
Entrada controlada (webhook, bandeja, cola), clasificador o router, herramientas con permisos mínimos, almacén de estado del caso, cola humana y telemetría. Si falta la telemetría, no sabrás si el 83 % de acierto se degradó tras un cambio de proveedor de modelo.
El modelo no debe ser la base de datos de precios, stock o identidad de cliente. Consulta. Si el ERP dice 12 unidades, el agente no «redondea» a 10 porque le parece razonable. Esa disciplina es la misma que en el matching de partidas: identidad propuesta, precio del banco, firma humana.
Evalúa con casos reales etiquetados. Un conjunto de 50–100 ejemplos difíciles late más que mil demos felices. Incluye adversarios: mensajes vacíos, idiomas mezclados, adjuntos corruptos, clientes que responden con audio.
Versiona prompts y reglas como código. Un cambio sin ticket es una regresión esperando. En multi-tenant (LogIA), las reglas viven por tenant: lo que vale para una distribuidora no se copia ciegamente a otra.
Seguridad: secretos fuera del prompt, scopes OAuth estrechos, mascarado de PII en logs cuando toque. Un agente con escritura en ERP es un privilegio; trátarlo como tal en onboarding y offboarding.
Observabilidad: tasa de escalado a humano, tiempo en cola, % de herramientas fallidas, % de respuestas sin cita cuando el diseño exige cita. Esas métricas alimentan el go/no-go de la fase de medida en metodología.
¿Cuándo no hacer un agente? Cuando una automatización rígida ya cubre el 95 % y el texto no varía. Cuando el riesgo es alto y aún no hay supervisión diseñada. Cuando no hay dueño del proceso. El artículo de implantación insiste en lo mismo: métrica y dueño primero.
Relacionado con RAG: si el valor está en «preguntar a mis PDFs», empieza por asistente interno con citas y permisos; no lo llames agente hasta que escriba en sistemas. Relacionado con documentos: lectura de documentos.
En conversacional, el agente puede ser el cerebro detrás del canal. Pero el canal impone normas (WhatsApp Business 2026). Diseña el flujo de negocio primero; el modelo después. Solución: chatbot WhatsApp.
Para equipos técnicos: preferimos grafos explícitos (pasos visibles) a «deja que el LLM planifique 20 pasos». La planificación abierta es útil en investigación; en pedidos y presupuestos, la previsibilidad gana.
Cómo leer este artículo si estás comparando proveedores
Mira si el texto admite límites (qué no automatizamos), si las fechas normativas llevan fuente y si los casos enlazados existen de verdad en /casos. Ship Shift publica pocos casos con permiso y omite lo que el equipo no ha autorizado. Esa honestidad negativa es deliberada.
Usa los enlaces internos a servicios, soluciones, metodología y precios para bajar a tierra. El CTA no es un embudo opaco: es una conversación sobre tu proceso con origen blog-que-es-un-agente-de-ia.
Si tu búsqueda era informativa, quédate con el cuadro «En resumen» y la tabla. Si era comercial, salta al contacto o al servicio enlazado en el hero. Si era normativa, guarda la checklist y contrastala con tu asesoría.
En proyectos reales hemos aprendido que el contenido útil reduce reuniones de alineación: el equipo cliente llega con vocabulario compartido (agente ≠ chatbot, art. 4 ≠ certificado mágico, piloto ≠ transformar la empresa). Ese es el ROI editorial de este blog.
Plantillas relacionadas viven en /recursos/matriz-impacto-esfuerzo-ia y /recursos/checklist-ai-act-pymes. El calendario de 24 títulos está en el repo para no improvisar temas cada semana.
Versión en catalán disponible en paralelo: misma estructura, redacción natural. RSS en /blog/feed.xml para suscribirte a nuevas piezas cuando salgan del backlog.
Preguntas frecuentes
¿Un GPT personalizado es un agente?
Si solo conversa sin herramientas ni escritura en sistemas, es un asistente. Si llama APIs, crea pedidos o actualiza estados con reglas, se acerca a agente.
¿Sustituye al RPA?
No siempre. RPA brilla en clics estables; la IA interpreta texto variable. A menudo se combinan. Habrá artículo dedicado en el calendario.
¿Puede decidir contrataciones solo?
No lo ofrecemos. Empleo puede ser alto riesgo (anexo III). Diseñamos apoyo con decisión humana.
¿Hace falta multiagente?
En pymes, rara vez al inicio. Un agente bien acotado suele bastar; el multiagente añade complejidad de orquestación.
Artículos relacionados
Cómo sostenemos el resultado
En la práctica de que es un agente de ia, el valor aparece cuando el piloto mide un KPI operativo concreto y no solo demos. Ship Shift acota alcance, datos y criterio go/no-go antes de escalar (a1cc1395).
Documentamos excepciones, owners y handoff humano para que la automatización no esconda errores. El backlog se prioriza por impacto en minutos, errores y coste de oportunidad en que es un agente de ia.
La integración con ERP, CRM o correo evita islas. Si el sistema no escribe el resultado donde ya trabaja el equipo, el piloto muere en la semana dos. Referencia interna a1cc1395.
Formación breve al usuario final, métricas semanales y un canal claro de incidencias cierran el ciclo. Sin eso, que es un agente de ia queda en PowerPoint.