Crear un agente de IA desde cero no empieza por la IA. Empieza por mirar cómo se hace hoy el trabajo a mano. Yo construyo agentes cada semana para Barner y Digital Brain sin venir de programación, y el método que me funciona es siempre el mismo: entender el proceso real, montarlo por trozos y no fiarme de que funcione hasta que lo veo funcionar. Aquí te lo cuento tal cual lo hago.
Si todavía no tienes claro qué es un agente, en esta guía tienes la base: un agente de IA recibe un input, decide qué hacer, ejecuta varias tareas seguidas y te devuelve un resultado, sin que le lleves de la mano paso a paso.
Empieza por la realidad, no por la IA
El error de la mayoría es sentarse a pensar "qué le pido a la IA". Yo hago lo contrario. Antes de tocar nada, observo el proceso humano tal como ocurre hoy.
Me pregunto qué hace exactamente la persona que lleva esa tarea. Entra al correo, coge un dato, lo mete en otra plataforma, avisa a un compañero. Ese recorrido, paso a paso, es el plano del agente. La IA solo va a repetir ese camino, así que primero tengo que verlo con claridad.
Lo primero que creo es una carpeta donde meto toda la información necesaria para ese proceso: dónde están los datos, qué formato tienen, quién recibe qué. No empiezo por el archivo de instrucciones (el CLAUDE.md), porque en Barner o en Digital Brain ese archivo ya existe y el sistema ya sabe cómo funciona la empresa. Sobre esa base construyo lo específico.
Constrúyelo por trozos, no entero de golpe
No intento montar el agente completo el primer día. Le construyo una funcionalidad. La dejo fina. Paso a la siguiente. Y a la siguiente.
Al final acabas con un agente que hace muchas cosas, pero has llegado ahí sumando piezas que sabías que funcionaban, no lanzando un bloque gigante y rezando. Cuando algo falla, sabes exactamente en qué trozo mirar.
Un agente que merece ese nombre acaba teniendo cuatro partes: un input (lee un correo, una nota, un archivo), una ejecución (hace la tarea), un output (deja el resultado donde toca) y una comunicación (te avisa por Slack o por email de lo que ha hecho).
Con qué se monta
No hay una sola herramienta, y no necesitas saber programar. Yo trabajo sobre todo con dos enfoques según la tarea.
Para flujos que conectan aplicaciones entre sí (entra un correo, se mueve un dato a otra plataforma, se avisa a alguien), tiro de un orquestador visual tipo n8n, donde encadenas los pasos sin escribir apenas código. Para agentes que exigen más criterio y que trabajen sobre archivos y sistemas de verdad, uso Claude Code, que lee y ejecuta directamente sobre el proyecto. En los dos casos, la IA es la que pone el "entender" y el "decidir"; tú pones el criterio de qué tiene que pasar en cada paso.
La herramienta importa menos de lo que crees. Lo que de verdad marca la diferencia es tener claro el input, la ejecución y el output antes de empezar. Con eso definido, cualquiera de las dos vale.
Lo más importante: que te dé parte de lo que hace
Para mí un agente no vale solo por ejecutar. Vale porque me cuenta lo que ha ejecutado sin que yo tenga que ir a mirarlo. Ese informe automático es lo que me deja soltar la tarea de verdad.
El ejemplo más claro que tengo montado es la skill que lee facturas y las sube a Odoo, nuestro ERP. Cuando termina, manda un correo a todo el equipo, y en especial a finanzas, con todas las facturas que ha subido. Las que ha visto claras las sube sin más. Las que le generan duda, por ejemplo qué cuenta contable o qué cuenta analítica usar, las pregunta en ese mismo correo. Nosotros le respondemos, ella se lo apunta, y a la siguiente ya no lo pregunta.
Ahí tienes las cuatro partes juntas y además un agente que aprende del feedback. Eso es lo que separa un script que se ejecuta y ya, de un agente en el que confías.
Los dos errores que cometí al principio
El primero, y el más caro, fue montar un agente, ponerlo en rutina y dar por hecho que corría bien todos los días. Sin un deadman watch (un aviso de "esto no se ha ejecutado"), sin un confidence scoring que puntúe si el resultado tiene buena pinta, sin nada. Tú crees que se está haciendo. Y no se está haciendo. Te enteras tarde y mal.
El segundo es montar la skill, dejarla programada y no probarla justo después. Asumes que el output va a ser perfecto porque en tu cabeza lo has hecho bien. Luego llega la ejecución real y el resultado no sirve. Ahora, en cuanto termino un agente, lo disparo a mano una vez y miro el output con lupa antes de fiarme.
Cuándo tiene sentido montar uno
Un agente compensa cuando el proceso se repite y sigue un camino que puedes describir. Correos que entran y hay que clasificar, datos que saltan de una herramienta a otra, informes que alguien rehace cada semana. Ahí el agente te devuelve horas cada día.
Cuando la tarea es puntual, cambia cada vez o exige criterio humano puro (una negociación, una decisión estratégica), no montes un agente. Lo harás una vez, se romperá a la segunda y habrás perdido más tiempo del que ahorras.
Si quieres empezar, coge el proceso más aburrido y repetitivo que tengas hoy, dibújalo paso a paso como lo hace tu equipo, y monta solo la primera funcionalidad. En la academia de Digital Brain te enseño a construir estas herramientas internas desde cero, con los casos reales de mis empresas.
Relacionado
