Un agente de IA es el término más sobrevendido de la inteligencia artificial. Todo el mundo lo usa, casi nadie lo explica claro, y la mayoría de lo que te venden como "agente" es en realidad una automatización con un poco de IA encima.
Te explico qué es de verdad, con ejemplos reales de mis empresas, y cuándo tiene sentido y cuándo no. Sin humo.
Qué es un agente de IA
Un agente es un modelo de IA (un LLM como Claude o GPT) conectado a un flujo de trabajo, por Telegram, email, WhatsApp o lo que sea, y con un montón de skills ya preparadas.
Cuando le llega un mensaje, el agente lo lee, entiende lo que hay que hacer y, si tiene diez skills disponibles, decide cuál ejecutar. Esa es la clave: el agente decide. No sigue un guion fijo, elige.
Agente vs automatización: quién decide
Aquí está la línea que separa las dos cosas, y casi nadie la explica.
Una automatización hace A, luego B, luego C, luego D. Siempre igual. Los pasos los programaste tú: entra un lead, se clasifica con una regla, se manda una plantilla. Fijo.
Un agente decide sobre la marcha. Ese mismo lead llega con un formulario y, según todas las respuestas, el agente genera una contestación a medida para esa persona, la clasifica en el panel que toca y puede lanzar tareas distintas según el caso. No elige entre A o B, construye la respuesta que pide la situación.
La diferencia no es la etiqueta. Es quién decide los pasos: tú o el modelo.
¿Es Claude.ai un agente? ¿Y ChatGPT?
Aquí es donde casi todo el mundo se lía, yo el primero. Cuando abres Claude.ai o ChatGPT y hablas con ellos, es un chat: preguntas, responden. Se vuelven más agente cuando usan herramientas y encadenan pasos solos (buscan en la web, ejecutan código, se conectan a tus programas por MCP) para completar una tarea que les diste.
Claude Code va un paso más allá: le das un objetivo, decide los pasos y trabaja hasta terminar.
Y ojo con algo que mucha gente mezcla: el modelo que eliges dentro (Opus, Sonnet, Haiku) es solo el motor. Un chat con el modelo más potente sigue siendo un chat. Lo que convierte algo en agente no es el modelo, es que decida los pasos y actúe por su cuenta.
Ejemplos reales, de mis empresas
Para que no quede en teoría, así se ve la diferencia en Barner.
Pedidos de Canarias. Hoy tengo una automatización en n8n: cuando entra un pedido de Canarias, detecta que es Canarias (que es España pero va con factura) y avisa a mi equipo para que la genere. Eso es automatización pura.
Un agente iría más allá: revisaría el país de cada pedido, si es de alto riesgo o no, generaría la factura directamente y se la mandaría al equipo para imprimir, o la imprimiría él en la impresora. Y si el pedido es de alto riesgo, le mandaría un email al cliente pidiéndole el DNI. Todo eso decidiendo él qué caso es cuál.
Facturas de proveedores. Un agente conectado a un email de facturas no solo lee la factura por OCR y la sube al ERP. Si le falta información, le escribe al emisor para que corrija los datos. Y compara con las facturas anteriores de ese mismo proveedor para ver si el importe cuadra: si está mal, se lo comunica; si está bien, lo sube directo. Ahí el modelo no ejecuta un guion, decide qué hacer con cada factura.
El límite de las automatizaciones tipo n8n
n8n me encanta, pero tiene un techo claro: el contexto.
En n8n puedes conectar un agente de Claude o de ChatGPT, pero solo puedes promptearlo. Como mucho le subes algún archivo. Lo que no puedes darle es memoria de verdad: todos tus datos, tu histórico, tus archivos locales cargados antes de ejecutar.
Cuando necesitas eso (y para trabajo serio lo necesitas casi siempre), tienes que salir de la automatización y tirar de algo que corra en local, con acceso a todo tu contexto. Ahí los resultados dan un salto. Es la diferencia entre un ayudante que solo lee el mensaje de ahora y otro que conoce toda tu empresa.
Lo primero es el dato, no el agente
Esto me lo he encontrado siempre: el agente es la parte fácil, el dato es la difícil.
Cuando monté la skill para pasar las facturas de Shopify a Odoo, la skill era sencilla. Lo complicado era entender cómo te entrega Shopify los datos. Por ejemplo, Shopify asigna el refund a la fecha del pedido original, no a cuando se hace la devolución. Eso te reparte los refunds por meses, y saberlo es clave cuando presentas el IVA.
O ahora, con el análisis del coste de la mercancía vendida (COGS): había tantas casuísticas perdiéndose que lo primero no fue la IA. Fue crear todas las categorías y tipos de operación en Odoo, dejar el dato bien ordenado y digitalizado, para que luego Claude pudiera calcular los costes solo.
Sin ese trabajo previo, el agente más listo no te sirve. La IA no arregla un dato malo, lo amplifica.
Un agente no es "monta y despide"
Cuidado con la promesa fácil. Tú no montas un agente y empiezas a echar gente.
Lo que ganas es hacer muchas más cosas en menos tiempo. Pero vas a necesitar a alguien que los supervise. Y no es solo montar el agente, hay que blindarlo.
Yo lo hago por capas. Un dead man's switch, un vigilante que avisa si algo se para. Confidence scoring de todo lo que se ejecuta, para saber cuándo el agente está seguro y cuándo no. Y agentes o automatizaciones que supervisan a otros agentes, corriendo en Claude o en un servidor propio (Hetzner, un VPS). Y encima de todo, una persona que revisa los resultados de esas supervisiones.
Cuando tienes cinco o diez agentes ejecutando cosas solos, el trabajo no es hacerlos. Es blindar que lo que hacen está bien.
Qué le digo a un directivo al que le venden agentes
Mi primera pregunta no es sobre agentes. Es: ¿cuál es el output que necesitas, y a partir de qué input?
Si ese input está bien digitalizado, empezamos bien. Si no, primero hay que digitalizarlo. Y solo después miramos qué hay que construir para darte exactamente lo que necesitas.
Porque muchas veces no hace falta un agente. Una simple skill cubre el 90% de lo que quieres y sale muchísimo más barato. Un agente puede vivir en local o en la nube, necesita mantenimiento y hay que actualizarlo con skills nuevas. Todo eso cuesta. Si con menos llegas, con menos.
En una frase
Un agente de IA es un modelo que, según lo que le llega, decide él mismo qué hacer y lo ejecuta con las skills que tiene. Es potente, pero está sobrevendido: casi todo lo que necesitas se resuelve con una skill bien montada y el dato en su sitio. El agente es la parte fácil. Lo difícil, y lo que de verdad importa, es el dato y blindar que todo se ejecuta bien.
Cada día resumo lo importante de la IA en la newsletter de Digital Brain, y los miércoles voy a fondo con un tema práctico: digitalbrain.email.
Relacionado
