Un agente de IA es un sistema que usa un modelo de lenguaje para decidir qué pasos dar, con herramientas para actuar en tus programas: leer un correo, consultar el CRM o preparar una respuesta. Lo guían unas instrucciones y una memoria del contexto. Un chatbot solo conversa y una automatización fija repite siempre el mismo camino. El agente merece la pena cuando el trabajo trae texto variable y excepciones, y siempre con límites y aprobación humana.
Qué es un agente de IA
OpenAI, en su guía práctica para construir agentes, los define como "sistemas que realizan tareas de forma independiente en tu nombre". La misma guía los reduce a tres piezas: el modelo, las herramientas y las instrucciones. Anthropic, en Building effective agents, añade la memoria: el bloque básico es un modelo de lenguaje ampliado con recuperación de información, herramientas y memoria.
Juntando las dos fuentes, un agente tiene cuatro piezas:
| Pieza | Qué es | Ejemplo en una pyme |
|---|---|---|
| Modelo | El modelo de lenguaje que interpreta y decide | Claude, GPT o Gemini |
| Herramientas | Funciones o conexiones (API) con las que lee y actúa | Buscar un cliente en el CRM, crear un borrador en el correo |
| Instrucciones | Objetivos, pasos y reglas que no puede saltarse | "Nunca confirmes un plazo de entrega sin consultar el almacén" |
| Memoria | El contexto que conserva o consulta | El historial del cliente, las condiciones de venta, las preguntas frecuentes |
La palabra clave es "decide". Según la guía de OpenAI, un agente usa el modelo para dirigir la ejecución del trabajo, reconoce cuándo ha terminado y, si falla, puede parar y devolver el control a una persona.
Agente, chatbot y automatización fija
Se confunden mucho. La guía de OpenAI lo dice claro: las aplicaciones que usan un modelo de lenguaje pero no le dejan controlar el flujo de trabajo, como los chatbots simples, no son agentes. Anthropic distingue entre flujos de trabajo, donde el modelo y las herramientas siguen rutas de código predefinidas, y agentes, donde el modelo dirige sus propios pasos y el uso de herramientas.
| Chatbot | Automatización fija | Agente de IA | |
|---|---|---|---|
| Qué hace | Responde preguntas | Ejecuta siempre los mismos pasos | Elige los pasos según el caso |
| Quién decide el camino | Nadie: solo conversa | Quien la programó | El modelo, dentro de sus límites |
| Actúa en tus sistemas | Normalmente no | Sí | Sí |
| Previsibilidad | Media | Alta | Menor: hay que vigilarlo |
| Cuándo encaja | Dudas frecuentes | Reglas claras y estables | Texto variable y excepciones |
En la práctica muchas soluciones son mixtas: una automatización fija que, en un paso concreto, le pide al modelo que clasifique o resuma un texto. Suele ser más barato y más fácil de controlar que un agente completo.
Cuándo merece la pena y cuándo no
La guía de OpenAI reserva los agentes para tres situaciones: decisiones complejas con excepciones, reglas que ya son difíciles de mantener y procesos que dependen de texto no estructurado, como documentos o mensajes de clientes. Si tu caso no encaja, dice la guía, una solución determinista puede bastar. Anthropic va en la misma línea: busca la solución más simple posible y añade complejidad solo cuando haga falta.
Antes de pedir un agente, hazte cuatro preguntas:
- ¿El siguiente paso depende de lo que diga un texto (un correo, un PDF, un mensaje)?
- ¿Hay excepciones frecuentes que hoy resuelve una persona con criterio?
- ¿Un error se puede deshacer, o tiene consecuencias económicas o legales?
- ¿Hay volumen suficiente para que compense montarlo y vigilarlo?
Si las dos primeras respuestas son "no", lo que necesitas es una automatización normal. Un ejemplo nuestro: Avisos de correo envía cada día un resumen de los correos de clientes que siguen sin respuesta en cada buzón de Microsoft 365. No es un agente. Sigue reglas fijas, nunca mueve ni borra un correo y solo guarda el remitente, el asunto y la fecha.
Cuatro usos realistas en una pyme
1. Clasificar el correo entrante
El agente lee lo que llega al buzón compartido, decide si es un pedido, una incidencia, una factura o una consulta, saca los datos clave y prepara un borrador de respuesta o crea una tarea para quien toque. Al principio, que no envíe nada: que deje borradores. Ojo con un riesgo concreto: un correo puede traer instrucciones escondidas para el modelo. Anthropic lo llama inyección indirecta de instrucciones y pone como ejemplo el cuerpo de un correo entrante.
2. Sacar datos de documentos
Facturas de proveedores, albaranes o pedidos en PDF. El agente extrae los campos (proveedor, NIF, fecha, base, IVA, total) y los lleva a una hoja o al ERP. Conviene combinar el modelo con reglas fijas que comprueben lo comprobable, por ejemplo que la base más el IVA dé el total. Y darle permiso para decir que no sabe: según Anthropic, permitir que el modelo admita la duda reduce la información falsa, aunque estas técnicas no la eliminan del todo. Si los documentos son escaneos, antes hace falta reconocimiento de texto (OCR).
3. Seguimientos
Presupuestos enviados que nadie ha contestado, pedidos pendientes de confirmar, documentación que falta. El agente revisa el CRM, detecta lo que lleva días parado y redacta un recordatorio adaptado a cada cliente. Una persona lo revisa y lo envía.
4. Primera respuesta a clientes
En el chat de la web o por correo, el agente responde con tus políticas y preguntas frecuentes, y pasa el caso a una persona cuando no está seguro o cuando el cliente lo pide. La guía de OpenAI recomienda fijar un umbral: si el agente no entiende al cliente tras varios intentos, escala a una persona. Además, el reglamento europeo de IA exige que la gente sepa que habla con una IA (lo vemos más abajo). Si quieres saber qué cuesta algo así, lo desglosamos en cuánto cuesta un chatbot con IA.
Los riesgos
- Se equivoca y a veces inventa. Anthropic reconoce que incluso los modelos más avanzados pueden generar texto incorrecto o incoherente con el contexto. Es lo que se llama alucinación. Se reduce, pero no desaparece, así que cada dato importante necesita una comprobación.
- Los errores se encadenan. Según Anthropic, la autonomía de los agentes implica costes más altos y errores que se acumulan de un paso al siguiente.
- Obedece a quien no debe. Un documento, una web o un correo pueden contener órdenes dirigidas al modelo. Anthropic recomienda tratar ese contenido como datos no fiables y dar al agente el mínimo acceso posible, para que un engaño que funcione haga el menor daño.
- Datos personales. El proveedor del modelo trata datos por tu cuenta. El RGPD te obliga a elegir un encargado que ofrezca garantías suficientes y a regularlo por contrato (artículo 28). Si los datos salen del Espacio Económico Europeo, se aplican las condiciones de transferencia del capítulo V (artículo 44). Comprueba dónde se procesa todo. A fecha de octubre de 2026, la API directa de Anthropic solo ofrece inferencia global o solo en Estados Unidos, y OpenAI ofrece procesamiento en Europa solo con ciertos controles de retención de datos y aprobación previa.
- Decisiones sobre personas. El artículo 22 del RGPD da derecho a no ser objeto de una decisión basada únicamente en un tratamiento automatizado que produzca efectos jurídicos o afecte de forma significativa, salvo excepciones. Si un agente va a decidir sobre un cliente o un trabajador, pon a una persona en medio.
Los controles que sí funcionan
| Control | En qué consiste | Fuente |
|---|---|---|
| Aprobación humana | Las acciones sensibles, irreversibles o de mucho impacto (cancelar pedidos, devolver dinero, pagar) esperan a que alguien las apruebe | OpenAI |
| Herramientas clasificadas por riesgo | Cada herramienta lleva una nota baja, media o alta según si solo lee o también escribe, si se puede deshacer y su impacto económico | OpenAI |
| Mínimo privilegio | El agente solo accede a lo que necesita, con permisos lo más acotados posible | Anthropic |
| Límites de pasos y reintentos | Un número máximo de iteraciones y de intentos; si los supera, para y pasa el caso a una persona | Anthropic y OpenAI |
| Registro y revisión | Guardar qué leyó, qué decidió y qué hizo, y revisar los resultados con regularidad | Anthropic |
| Pruebas antes de producción | Probar en un entorno aislado, también con correos y documentos que intenten engañarlo | Anthropic y Anthropic |
Las herramientas ya lo permiten. En n8n, por ejemplo, puedes exigir aprobación humana para una herramienta concreta del agente: el flujo se pausa hasta que una persona aprueba o deniega la acción. Lo contamos en qué es n8n y para qué sirve.
Lo que pide la ley europea de IA a una empresa normal
Si usas un agente en tu negocio, el Reglamento de Inteligencia Artificial te considera "responsable del despliegue": quien utiliza un sistema de IA bajo su propia autoridad (artículo 3, punto 4). Si lo desarrollas o lo encargas y lo pones en servicio con tu nombre o marca, puedes ser además "proveedor" (artículo 3, punto 3). Lo que te afecta hoy:
- Formación del personal (artículo 4). Se aplica desde el 2 de febrero de 2025, según el artículo 113. El Reglamento (UE) 2026/1744, publicado en el Diario Oficial el 24 de julio de 2026, lo reescribió: proveedores y responsables del despliegue deben adoptar medidas para apoyar la alfabetización en IA de su personal, sin obligación de garantizar un nivel concreto en cada persona. En la práctica: que quien use el agente sepa qué hace, dónde falla y cuándo no fiarse.
- Transparencia (artículo 50). Se aplica desde el 2 de agosto de 2026, la fecha general del artículo 113. Un sistema pensado para hablar con personas debe diseñarse para que sepan que hablan con una IA, salvo que sea evidente, y hay que informarlas como tarde en la primera interacción. Si publicas textos generados por IA para informar al público sobre asuntos de interés público, tienes que decirlo, salvo que una persona los revise y asuma la responsabilidad editorial.
- Alto riesgo. Usar IA para seleccionar personal, por ejemplo para filtrar candidaturas, figura en el anexo III del reglamento. Tras el Reglamento 2026/1744, esas obligaciones se aplican desde el 2 de diciembre de 2027. Si te planteas un agente para esto, estúdialo aparte.
Cómo empezar pequeño
La guía de OpenAI lo resume así: empieza pequeño, valida con usuarios reales y amplía con el tiempo. También recomienda empezar con un solo agente y medir antes de optimizar. Un plan razonable:
- Elige un proceso. Uno solo, con volumen y con un responsable. Por ejemplo, clasificar el buzón de pedidos.
- Mide cómo está hoy. Cuánto tarda y cuántos errores hay. Sin esa línea de partida no sabrás si mejora.
- Empieza en modo lectura. El agente lee y propone; no escribe en ningún sistema.
- Pasa a borradores. Prepara respuestas o registros que una persona aprueba.
- Prueba con casos difíciles. Correos ambiguos, documentos mal escaneados, intentos de engaño.
- Quita la aprobación poco a poco. Solo en acciones de bajo riesgo y cuando los registros muestren que acierta.
- Revisa cada mes. Los modelos cambian y algunos se retiran: Anthropic avisa de que las peticiones a un modelo retirado fallan.
Si prefieres hacerlo con ayuda, en Quantum Nova diseñamos y construimos agentes conectados a las herramientas que ya usas. Damos precio cerrado tras un análisis gratuito de 2 a 5 días: un MVP con IA va de 4.000 a 12.000 € sin IVA; una automatización típica está funcionando en 2 a 4 semanas. Los datos van alojados en la UE. Mira el servicio de inteligencia artificial o cómo lo aplicamos en asesorías y administradores de fincas.
Fuentes
- OpenAI: A practical guide to building agents (PDF)
- Anthropic: Building effective agents
- Anthropic: Reduce hallucinations
- Anthropic: Mitigate jailbreaks and prompt injections
- Anthropic: Data residency
- Anthropic: Model deprecations
- OpenAI: Data controls in the OpenAI platform (Your data)
- n8n: Human-in-the-loop for tools
- Reglamento (UE) 2024/1689 de Inteligencia Artificial (EUR-Lex)
- Reglamento (UE) 2026/1744, Ómnibus digital sobre IA (EUR-Lex)
- Reglamento (UE) 2016/679, Reglamento General de Protección de Datos (BOE)