Agente AI: qué es, cómo crearlo y dónde fallan realmente

👁 119 lecturas

La palabra «agente» se ha pegado a todo lo que lleva IA en el nombre, y por eso ha dejado de significar algo concreto. Sin embargo, la diferencia entre un chatbot y un agente es específica y se puede describir en una frase: el chatbot responde, el agente actúa. El resto de este texto es el desarrollo de esa frase y una guía para construir tu propio agente sin escribir código.

En qué se diferencia un agente de un chatbot

Un chatbot normal recibe una pregunta y devuelve texto. Nada más ocurre. Si le pides que envíe un email, escribirá el contenido del email, pero no lo enviará.

Un agente recibe un objetivo, no una pregunta, y tiene herramientas a su disposición. Puede buscar algo en la red, leer un archivo, guardar una entrada en una base de datos, enviar un mensaje. Él mismo decide en qué orden hacerlo y comprueba el resultado sobre la marcha.

En eso consiste toda la diferencia. A un chatbot le dices «escribe un resumen de este archivo». A un agente le dices «cada mañana comprueba los archivos nuevos en esta carpeta, resume cada uno y envíame un mensaje con todo».

De qué se compone un agente

Independientemente de con qué lo construyas, un agente tiene cuatro partes.

1. Modelo. Es el que decide qué hacer en el siguiente paso.
2. Herramientas. Todo con lo que el agente puede hacer algo más allá de escribir: buscador, acceso a archivos, envío de email, consulta a base de datos.
3. Memoria. Registro de lo que ya ha hecho y lo que ha descubierto, para no empezar desde cero en cada paso.
4. Disparador. Lo que lo activa: una hora, un email nuevo, un archivo nuevo, un clic.

Si falta algo de estos cuatro elementos, no es un agente, sino un chatbot con un envoltorio más bonito. Lo que más suele faltar son las herramientas.

Cómo construir un agente sin código

El camino más sencillo pasa por herramientas de automatización, donde conectas bloques ya preparados. El esquema es siempre el mismo.

Primer paso: empieza por una tarea que haces manualmente. No por la visión de un asistente que te lleve la empresa. Por una acción que repites cada lunes. Este es el único consejo de esta lista que realmente determina el éxito.

Segundo paso: desglósala en pasos tan detalladamente como si se la explicaras a una persona nueva. Dónde mirar, qué comprobar, qué hacer cuando algo no está. Este último punto es el que todos olvidan y por el que los agentes se atascan.

Tercer paso: dale al agente solo las herramientas que necesita. No «acceso al buzón», sino «lectura de mensajes de una etiqueta». Cuanto más estrechos sean los permisos, menos cosas pueden salir mal.

Cuarto paso: ejecútalo primero en seco. Que durante una semana escriba lo que haría, en lugar de hacerlo. Así verás todos los lugares donde se equivocó de una forma que no esperabas.

Quinto paso: solo ahora activa la acción, y sobre algo que se pueda deshacer.

Dónde fallan realmente los agentes

Escribo esto desde la experiencia con mis propios automatismos, que funcionan a diario.

En situaciones atípicas. El agente funciona estupendamente mientras los datos se parecen a los de las pruebas. El primer archivo en otro formato puede despistarlo y, lo que es peor, el agente normalmente no reporta el problema, sino que hace algo que parece sensato pero es erróneo.

En fallos silenciosos. El modelo puede devolver una respuesta vacía con estado de éxito. Lo he medido: en mi prueba de diez modelos, tres de ellos en una tarea devolvieron estado 200 y contenido vacío, sin ningún mensaje de error. Si tu agente no lo comprueba, guardará el vacío y seguirá adelante.

En los costes. Un agente que piensa en voz alta paga por cada paso. Con modelos de razonamiento obligatorio, los tokens de pensamiento representan incluso el 96 por ciento de todos los tokens de salida, y la salida es el lado más caro de la tarifa. La factura de un agente funcionando todo el día puede sorprender.

En bucles. Un agente sin límite de pasos puede dar vueltas en círculo. Establece siempre un límite duro de intentos y un límite duro de coste.

Para qué sirve realmente un agente

Para cosas repetitivas y aburridas. Revisar, ordenar, resumir, transcribir de un formato a otro. Aquí el agente se paga solo desde la primera semana.

Para monitorizar. Comprobar si algo ha cambiado y avisar solo cuando ha cambiado. Este es probablemente el mejor primer proyecto para cualquiera.

No sirve para decisiones que no sabes verificar. Si no puedes evaluar en cinco segundos si el agente lo hizo bien, no le encargues esa tarea. No porque no pueda hacerlo, sino porque no notarás cuándo no pudo hacerlo.

Qué modelo elegir para un agente

Para un agente que funciona en bucle, se elige de forma diferente que para una conversación única, porque el coste se multiplica por el número de pasos. Medí diez modelos en tareas en polaco y la diferencia en la factura entre modelos de idéntica corrección alcanzaba treinta y dos veces.

A esto se suma algo que poca gente recuerda: el precio visible en la ficha del modelo no tiene por qué ser el precio que pagarás, porque el mismo modelo lo alojan una docena de empresas con sus propias tarifas. Lo detallé con datos de quince modelos.

Cuánto cuesta un agente que escribe

Con un agente funcionando en bucle, el coste se multiplica por el número de pasos, así que la elección del modelo se convierte en una decisión financiera. Lo detallé con cifras concretas: cuánto cuesta un artículo escrito por IA, desde cuatro centésimas de centavo hasta diecinueve centavos por el mismo texto.

Modelo en tu propio ordenador

El agente no tiene que funcionar en la nube. Si te importa que los datos no salgan de tu máquina, comprobé cómo funciona en la práctica: modelo ejecutado localmente.

Dónde termina la automatización

Al planificar agentes, es útil ser consciente de qué actividades se pueden delegar hoy a una herramienta y cuáles no. Lo detallé con ejemplos concretos en el texto sobre IA y trabajo en Polonia.

Antes de elegir modelo para tu agente

Al trabajar en bucle, el coste se multiplica por el número de pasos, así que conviene saber que siete de dieciocho modelos ya no permiten desactivar el razonamiento. Si tu código envía ese parámetro de forma fija, tras cambiar de modelo dejará de funcionar por completo.

// sigue leyendoLos agentes de IA salieron del sandbox y no todos volvieronRevistaOpenAI Dots: qué es y cómo funcionan los agentes de IARevistaClaude Fable 5.2 en Claude Code: advisor y agentesHerramientas de IA

Kinetyra