- Un agente de IA es un modelo de lenguaje con un objetivo, herramientas para actuar sobre tus sistemas y reglas. No solo responde: consulta, comprueba, registra y avisa.
- La escalera es chatbot, asistente, agente. Cada escalón suma capacidad, coste y riesgo. Se elige el más bajo que resuelva el problema.
- Compensa cuando el proceso se repite, sigue reglas estables, toca sistemas con API y consume entre 4 y 40 horas de personas a la semana. Si no decide nada, un flujo automático normal es más barato.
- Un agente para producción lleva permisos mínimos, validaciones antes de escribir, confirmación humana en lo irreversible y registro de cada paso. Sin eso es una demo.
La búsqueda «agente de IA» prácticamente no existía en España hasta 2024 y en 2026 es una de las consultas sobre inteligencia artificial que más crecen en Google. La razón es sencilla: hasta ahora la IA en una empresa era algo que respondía preguntas, y ahora se vende como algo que hace el trabajo. Entre lo uno y lo otro hay un salto técnico real, y también mucha demo bonita que no aguanta un lunes de facturación. Este artículo va de separar las dos cosas.
Si quieres primero el mapa general de para qué sirve la IA en un negocio de la región, está en IA en una empresa de Cantabria: para qué sirve de verdad. Aquí bajamos a la pieza concreta.
Qué es un agente de IA (y qué no)
Un modelo de lenguaje, por sí solo, convierte texto en texto. Le das una pregunta y te devuelve una respuesta. Eso es un chatbot, y con eso no se registra una factura.
Un agente es ese mismo modelo puesto dentro de un bucle con tres cosas más:
- Un objetivo escrito en lenguaje normal: «registra esta factura de proveedor si cuadra con su pedido; si no cuadra, avisa a compras».
- Herramientas: funciones concretas que el modelo puede invocar. Leer un PDF, buscar un pedido por referencia, crear un asiento, mandar un correo. Cada herramienta la programa alguien, con sus límites.
- Reglas y validaciones: qué puede hacer sin preguntar, qué necesita confirmación y qué no puede hacer nunca.
El modelo lee el objetivo, decide qué herramienta usar, mira el resultado, decide el siguiente paso, y así hasta terminar o hasta toparse con algo que no puede resolver solo. Esa capacidad de encadenar pasos y reaccionar a lo que encuentra es lo que lo distingue de un flujo automático clásico, que sigue siempre el mismo camino.
Lo que no es un agente: un chatbot con un nombre nuevo, una macro con un modelo por detrás, ni un sistema que «aprende solo» de tu empresa. El modelo no aprende nada entre ejecuciones salvo que alguien lo entrene a propósito, y en la mayoría de casos de empresa no hace falta ni conviene (el porqué está en RAG vs fine-tuning).
Chatbot, asistente, agente: la escalera
Conviene tener los tres escalones claros porque el precio, el riesgo y el mantenimiento suben en cada uno.
| Chatbot | Asistente | Agente | |
|---|---|---|---|
| Qué hace | Responde en una conversación | Responde apoyado en tu documentación, citando la fuente | Recibe un objetivo y ejecuta pasos sobre tus sistemas |
| De dónde saca la información | De lo que sabe el modelo | De tus documentos (RAG) | De tus documentos y de tus sistemas (API, base de datos, correo) |
| Puede modificar datos | No | No | Sí, con permisos acotados |
| Riesgo principal | Inventar una respuesta | Citar mal un documento | Ejecutar una acción equivocada |
| Control necesario | Poco | Validar las fuentes | Permisos, validaciones, confirmación humana, registro |
| Cuándo basta | Consultas genéricas sin datos propios | Preguntas sobre información propia que cambia | Procesos que exigen decidir y actuar |
La regla que aplicamos en Ignira: el escalón más bajo que resuelva el problema. Un despacho que quiere encontrar cláusulas en sus contratos necesita un asistente, no un agente. Una distribuidora que quiere que los pedidos por correo acaben en su programa de gestión sin que nadie los teclee necesita un agente, o algo muy parecido.
Qué hace un agente en una pyme: tres ejemplos concretos
Facturas de proveedor que se registran solas
Llega un PDF por correo. El agente extrae proveedor, número, fecha, líneas e importes; busca el pedido correspondiente; comprueba que las cantidades y los precios cuadran; si cuadra, crea el registro en el programa de facturación y archiva el PDF; si no cuadra, abre una incidencia con la diferencia marcada y avisa a compras. La persona solo interviene en las excepciones. El flujo completo, con lo que suele salir mal, está en Automatizar la entrada de facturas con IA y en la página de facturas de proveedor.
Pedidos que llegan por correo en cualquier formato
Un cliente manda «ponme lo de siempre pero el doble de la referencia 4412» y otro adjunta una hoja de cálculo. El agente interpreta el correo, resuelve «lo de siempre» consultando el histórico, comprueba stock y tarifas del cliente, prepara el pedido en el sistema y devuelve una confirmación con lo entendido. Si hay ambigüedad real (dos referencias posibles, una cantidad rara), pregunta antes de crear nada.
Incidencias que se clasifican y escalan
Cada aviso que entra (correo, formulario, teléfono transcrito) se clasifica por tipo y urgencia, se comprueba si hay contrato de mantenimiento vigente, se asigna al técnico de la zona y se abre el parte con la información ya rellena. Lo que antes eran veinte minutos de una persona por aviso pasan a ser dos minutos de revisión.
Los tres tienen algo en común: el proceso ya existía, ya estaba documentado (aunque fuera en la cabeza de alguien) y tocaba sistemas a los que se puede acceder por API o base de datos. Sin esas condiciones no hay agente que valga.
Cuándo compensa: cinco condiciones
Antes de presupuestar nada, en la llamada de encaje comprobamos estas cinco. Si fallan dos, lo normal es que la respuesta correcta no sea un agente.
- Se repite. Entre 4 y 40 horas de personas a la semana en el mismo tipo de tarea. Por debajo, no se amortiza el control que exige; por encima, probablemente hace falta un sistema, no un agente.
- Tiene reglas razonablemente estables. Pueden ser complejas, pero no cambiar cada semana. Un agente ejecuta reglas; no las inventa bien.
- Los sistemas se dejan tocar. API, base de datos accesible o, como mínimo, un buzón y una carpeta. Un programa que solo se maneja a golpe de ratón es una mala base.
- Hay excepciones que necesitan criterio. Si no las hay, un flujo automático clásico (sin modelo de lenguaje) lo hace igual de bien, más barato y sin sorpresas. La comparación entre herramientas visuales y desarrollo a medida está en Automatizar procesos en una pyme: no-code o a medida.
- Alguien lo va a operar. Revisar excepciones, ajustar reglas, mirar el registro cuando algo chirría. Un agente sin dueño se degrada en semanas.
Los riesgos reales y cómo se controlan
Un agente que puede escribir en tus sistemas puede escribir mal en tus sistemas. Eso no es un motivo para no hacerlo; es el motivo para hacerlo con cuatro piezas que no se negocian.
- Permisos mínimos. El agente que registra facturas no tiene permiso para pagarlas. Cada herramienta expone solo la acción que necesita, y las credenciales son suyas, separadas de las de cualquier persona.
- Validaciones deterministas antes de escribir. El modelo interpreta; el código comprueba. Que los importes cuadren, que la referencia exista, que la fecha sea plausible, que el proveedor esté dado de alta. Todo eso se valida con reglas normales, no con el modelo, porque una regla no tiene días malos.
- Confirmación humana en lo irreversible. Pagar, enviar a un cliente, borrar, cerrar un pedido. Ahí el agente prepara y una persona aprueba. Con el tiempo se pueden abrir umbrales (importes pequeños, proveedores habituales), pero se abren con datos, no por confianza.
- Registro de cada paso. Qué leyó, qué decidió, qué herramienta llamó, qué devolvió. Sirve para revisar errores, para auditar y para mejorar las reglas. Si el agente no deja rastro, no se puede operar.
Hay un quinto punto que no es de seguridad sino de dinero: el coste por ejecución. Un agente consume tokens en cada paso, y un proceso mal acotado puede dar vueltas. Se controla limitando pasos, cortando conversaciones y midiendo el coste por operación desde la primera semana, igual que se mide el tiempo ahorrado.
¿n8n, Make o desarrollo a medida?
Las herramientas visuales de automatización (n8n, Make, Zapier) han incorporado nodos de IA y permiten montar algo parecido a un agente sin programar. Para probar una idea o para flujos sencillos entre aplicaciones conocidas, son una opción razonable, y si tu caso se resuelve así y te sale más barato, te lo decimos.
Donde dejan de compensar es donde entran las cuatro piezas de arriba: validaciones con reglas de negocio propias, permisos finos por herramienta, confirmación humana integrada en tu forma de trabajar y un registro que puedas auditar. Ahí el flujo visual se convierte en un enredo de nodos que nadie quiere tocar, y la lógica importante acaba viviendo en cajas de código dentro de la herramienta. En ese punto es más limpio escribirlo como software propio: el proceso queda como código, con sus pruebas, corre en infraestructura europea, no paga por ejecución y es tuyo.
La regla práctica: si la lógica de negocio cabe en una servilleta, herramienta visual. Si necesita una hoja, a medida.
Datos en Europa
Un agente ve datos de proveedores, clientes y empleados. Antes de la primera línea de código hay que decidir tres cosas: qué modelo se usa y desde dónde se sirve, qué datos ve el modelo (y cuáles se enmascaran antes), y qué se guarda del registro y durante cuánto tiempo.
Se puede hacer con los datos dentro de la UE: Claude servido desde AWS en Fráncfort con contrato de tratamiento y sin uso para entrenamiento, o modelos de código abierto instalados en infraestructura propia. El detalle de proveedores y alternativas está en Datos en Europa: alternativas RGPD. Si un caso necesita un modelo servido desde Estados Unidos, se dice antes y se firma lo que toca; lo que no vale es descubrirlo después.
Por dónde empezar
Por un proceso. Uno solo, el que más horas se come y mejor cumple las cinco condiciones. Se mide cuánto cuesta hoy (horas, errores, retrasos), se monta el agente para ese proceso con las cuatro piezas de control, se pone en marcha en paralelo con la forma actual durante unas semanas y se compara. Si funciona, se abre el siguiente. Si no, se ha aprendido barato.
Es la forma en la que trabajamos la implantación de IA y automatizaciones desde Torrelavega con empresas de Cantabria y del norte: acotar, construir, medir antes y después, y entregar el código y la documentación a tu nombre. Lo demás es humo, y el humo se nota el primer lunes de facturación.