Qué es la IA agéntica y qué son los agentes de IA

El término aparece en todas las presentaciones comerciales desde hace un par de años y se usa para cosas muy distintas. Vamos a dejarlo claro, con la menor jerga posible.

La definición corta

La IA agéntica es inteligencia artificial que persigue un objetivo ejecutando varios pasos por su cuenta.

No responde una pregunta y se detiene. Recibe una meta, decide qué hacer, lo hace, comprueba si funcionó y sigue hasta cumplirla o hasta encontrar un límite que le impide continuar.

Agéntica contra generativa, que es donde más se confunde

Es la distinción que más malentendidos causa, y en realidad es sencilla:

• IA generativa: produce. Le pides un correo, un resumen o una imagen, y te lo entrega. Tú decides qué hacer con eso.
• IA agéntica: actúa. Le das un objetivo y ejecuta los pasos contra sistemas reales para cumplirlo.

Un ejemplo del mismo caso resuelto de las dos formas:

Generativa: “Redáctame un correo avisando al cliente de que su pedido se retrasó.” Te devuelve el texto. Tú lo copias, buscas el pedido, verificas la fecha, lo pegas y lo envías.

Agéntica: “Avisa a los clientes con pedidos retrasados.” El agente consulta el sistema logístico, identifica cuáles van retrasados, obtiene el contacto de cada uno, redacta el mensaje con los datos de ese pedido concreto, lo envía y registra la gestión.

Un agente usa IA generativa como uno de sus componentes. Toda IA agéntica se apoya en modelos generativos; no toda IA generativa es agéntica.

Los cuatro componentes de un agente

Cuando alguien te ofrezca un agente de IA, esto es lo que debería tener:

1. Un modelo que razona. La parte que interpreta el objetivo y decide la secuencia de pasos.

2. Herramientas. Las conexiones que le dan capacidad de actuar: consultar el CRM, modificar un pedido, generar una guía, abrir un ticket. Sin herramientas no hay agente, hay un generador de texto.

3. Memoria. El contexto de lo que ya ocurrió en esta conversación y en las anteriores con esa persona. Sin memoria, cada mensaje empieza de cero y el cliente tiene que repetirse.

4. Límites. Qué puede hacer solo, qué requiere confirmación humana y qué no puede hacer nunca. Esta parte es la que menos se explica en las demostraciones y la primera que pregunta un auditor.

Contra un chatbot tradicional

Un chatbot clásico funciona con un árbol de decisión: si el usuario dice A, responde B. Cubre lo que alguien anticipó y escala el resto.

Un agente planifica, consulta sistemas y ejecuta. La diferencia práctica: el chatbot te informa sobre tu problema, el agente lo resuelve.

Lo desarrollamos con más detalle en IA agéntica vs chatbots: en qué se diferencian, y los distintos grados intermedios en niveles de autonomía.

Y contra RPA, que también se confunde

RPA automatiza una secuencia fija: hace exactamente los mismos pasos, en el mismo orden, cada vez. Si la pantalla cambia, se rompe.

Un agente decide la secuencia según el caso. Es más flexible y también menos predecible, lo cual tiene ventajas y desventajas: para un proceso rígido y de alto volumen, RPA suele ser mejor idea justamente porque es predecible.

No compiten tanto como parece. Lo vemos en IA agéntica y RPA.

Dónde rinde de verdad

En nuestra experiencia, los casos donde un agente paga la inversión comparten tres rasgos: volumen alto, variabilidad baja y sistemas accesibles.

• Consultas de estado, saldos, agendamiento y seguimiento de pedidos
• Gestiones que hoy ocupan a una persona haciendo de puente entre dos sistemas que no se hablan
• Soporte interno a empleados en recursos humanos, sistemas o finanzas
• Atención en horarios donde no hay personal, resolviendo en vez de solo tomar el recado

En clientes de Migura la reducción promedio del tiempo de atención es del 35% con implementaciones sobre NICE y Cognigy. Pero ese número depende por completo de la siguiente sección.

Lo que decide si funciona o no

Aquí está la parte que casi nadie dice en la etapa comercial.

El techo de un agente no lo define la calidad del modelo. Lo define a qué sistemas puede escribir.

Un agente sin permisos de escritura sobre el CRM, el ERP o el core solo puede informar. Puede decirte que tu pedido va retrasado, pero no reagendarlo. Puede decirte cuánto debes, pero no registrar tu pago. Y entonces has comprado un chatbot caro.

Por eso, cuando evalúes una propuesta, la pregunta que más te va a servir no es qué modelo usa, sino: ¿qué operaciones concretas va a poder ejecutar contra qué sistemas, y con qué límites? Si no hay respuesta clara a eso, el resto de la conversación es decorativa.

Las otras dos que conviene hacer:

• ¿Cuántos casos resuelve de punta a punta? No cuántos “atiende”. Un caso que el agente atiende y luego escala no se resolvió: se retrasó, y probablemente empeoró la experiencia.
• ¿Cómo se audita una decisión? En banca, seguros y salud hay que poder demostrar qué se decidió y con qué base. Eso se diseña antes, no después de la auditoría.

Los errores que vemos seguido

Automatizar un proceso que ya estaba roto. Si el flujo de devoluciones era confuso, un agente lo vuelve confuso y más rápido. El diagnóstico del proceso va antes que la tecnología.

Medir desvío en vez de resolución. El indicador de “interacciones atendidas por IA” sube fácil y no significa nada por sí solo.

Dejar la integración para el final. La conexión con los sistemas es el camino crítico del proyecto, no el último paso. Los pilotos que nunca llegan a producción casi siempre murieron ahí.

Tratar el lanzamiento como el final. Los primeros 90 días son de calibración con conversaciones reales. Un agente que no se recalibra se degrada frente a cómo cambian las consultas.

Por dónde empezar

Si estás evaluando esto, lo más útil no es elegir plataforma sino identificar un caso acotado, de alto volumen y con sistemas accesibles, y medirlo antes de automatizar. Sin línea base no vas a poder demostrar el retorno, y el proyecto quedará a merced de la percepción.

En Migura el diagnóstico inicial es gratuito: 90 minutos con un consultor senior y un informe ejecutivo en 7 días hábiles con los procesos candidatos, las integraciones necesarias y el orden recomendado.

Más en la guía de IA agéntica para experiencia del cliente y en la unidad de Experiencia al Cliente.