Guías · Agentes de IA
Qué es un agente de IA (y qué no lo es)
Diferencias prácticas entre un agente de IA, una automatización de toda la vida y un chat, con ejemplos de nuestro sistema y cuándo no compensa usar un agente.
Por Rafa Martínez y el equipo de Kalmia Zen · 5 min de lectura · Actualizada el 4 de octubre de 2026
- Automatización clásica Pasos fijos: barata y previsible mientras nada cambie.
- Agente de IA Recibe un objetivo, decide los pasos y usa herramientas.
- Chat Ayuda a una persona a escribir o buscar; no deja trabajo hecho.
- Una persona En los tres casos, lo delicado lo decide una persona.
«Agente de IA» se usa hoy para casi cualquier cosa: un chatbot en una web, una macro de Excel, un flujo de automatización de los de siempre. Para quien decide en una pyme la pregunta útil no es de vocabulario, sino de dinero y de riesgo: qué tipo de pieza necesita cada proceso y cuál cuesta más de mantener.
Esta guía es la explicación que damos en nuestros diagnósticos. Sin promesas y con lo que nosotros hacemos y no hacemos.
La diferencia en una frase
Un agente de IA recibe un objetivo, decide qué pasos dar y usa herramientas para conseguirlo. Una automatización clásica sigue siempre los mismos pasos.
Ahí está todo lo importante. La automatización clásica es una receta: si entra esto, haz aquello. Si cambia la entrada, se rompe o hace algo raro. El agente tiene un objetivo («deja este pedido en el ERP») y decide por el camino: leer el correo, buscar el cliente, comprobar referencias, preguntar si algo no cuadra.
Y un chat no es ninguna de las dos cosas. Un chat responde cuando alguien escribe. No empieza nada por su cuenta, no toca tus programas y no deja trabajo hecho: deja texto. Es útil para redactar o para consultar, pero no quita tareas de la lista.
Resumido:
- Automatización clásica: pasos fijos, resultado previsible, barata de mantener mientras nada cambie.
- Agente: objetivo, decisiones y herramientas. Aguanta la variedad, pero hay que vigilarlo y ponerle límites.
- Chat: ayuda a una persona a escribir o a buscar. El trabajo lo sigue haciendo la persona.
Anthropic, en su artículo Building effective agents, insiste en algo parecido: conviene distinguir entre flujos de trabajo con pasos predefinidos y agentes que dirigen su propio proceso, y empezar por la solución más simple que resuelva el problema.
No todo lo que lleva IA es un agente
Un ejemplo de casa. En nuestro sistema, decidir si un correo importa no lo hace un agente. Es una criba en capas:
- Reglas fijas, que no cuestan nada.
- Un modelo local, que corre en nuestra máquina.
- Un modelo de pago, sólo para lo que queda dudoso.
Es una cadena de decisión, no un agente: no se plantea qué paso dar, los pasos están escritos. ¿Por qué lo contamos? Porque es la parte más repetitiva del día y meterle un agente sería pagar por decidir lo que una regla resuelve gratis.
Las cifras de ese reparto, de nuestro laboratorio: del 9 al 19 de septiembre de 2026, 858 de 1.745 llamadas a modelos se resolvieron con un modelo local. En la portada contamos la otra cara del mismo sistema: el 58 % de lo que entra se descarta sin que nadie lo mire.
La regla práctica que sacamos de ahí: reglas primero, modelo local después, modelo grande sólo cuando hay duda. Un agente encima de todo eso, para la parte que de verdad necesita decidir.
Cuándo compensa un agente
Un agente empieza a tener sentido cuando se dan a la vez estas condiciones:
- La tarea se repite, muchas veces al mes. Si pasa dos veces al año, el mantenimiento se come el ahorro.
- Las entradas varían. Cada proveedor manda el pedido a su manera, cada correo está escrito distinto. Si todo llega igual y bien estructurado, una automatización clásica es más barata y más predecible.
- Hay que leer y entender algo antes de actuar: un correo, un albarán, un mensaje de WhatsApp.
- Hay un sitio donde dejar el resultado: el ERP, el programa de facturación, una hoja, un aviso a una persona.
- El error se puede detectar y corregir. Si un fallo es irreversible, el agente propone y aprueba una persona.
Cuando falta alguna de esas condiciones, solemos recomendar otra cosa: una automatización de pasos fijos, un cambio en el programa que ya tienes o, sencillamente, nada. En el diagnóstico exprés lo decimos tal cual: merece un agente, merece otra cosa o no merece nada.
Cuándo no conviene (y qué puede fallar)
Lo que vemos que sale mal, para que no haya sorpresas:
Procesos con pasos fijos y bien definidos. Si el proceso ya está claro de principio a fin, un agente añade coste variable y una capa de incertidumbre a cambio de poco. Mejor una automatización clásica.
Volumen bajo. Construir, probar y mantener tiene un coste. Por debajo de cierto volumen no sale la cuenta, y preferimos decirlo antes que después.
Decisiones irreversibles o con consecuencias legales. Lo fiscal, lo irreversible y todo lo que sale hacia otras personas pasa por una persona. El agente propone; la persona responde con un «ok». No automatizamos ese «ok».
Datos de entrada malos. Si el catálogo está desordenado o los clientes están duplicados, el agente hereda el desorden. A veces el primer trabajo útil no es el agente, sino limpiar.
Expectativa de «lo hace todo solo». Un agente que decide puede decidir mal. Por eso cada agente nuestro lleva tres cosas desde el primer día: interruptor para pararlo, tope de gasto y registro de cada decisión, con su porqué, su coste y quién la aprobó. Si un agente no tiene eso, no lo ponemos en producción.
Coste del modelo sin control. Un agente que llama a un modelo grande en cada paso se encarece rápido. De ahí la criba en capas y los topes diarios.
Cómo lo comprobamos antes de darle permiso
No ponemos un agente a ejecutar el primer día. Antes trabaja en simulación: lee, decide y deja escrito lo que habría hecho, pero no ejecuta. Así se ven sus decisiones durante unas semanas y se puede comparar con lo que haría una persona. Sólo cuando esas decisiones son buenas pasa a real, y empieza por lo que no tiene riesgo.
Esa es, además, la mejor forma de responder a la pregunta de esta guía en tu caso concreto: mirando el registro de decisiones de un proceso real, se ve enseguida cuánto hay de decisión (agente) y cuánto de receta (automatización clásica).
Qué preguntar antes de contratar nada
Si estás valorando una propuesta —nuestra o de cualquiera—, estas preguntas separan bastante bien el grano de la paja:
- ¿Qué parte de esto decide un modelo y qué parte son reglas? Si todo es modelo, hay coste de más.
- ¿Dónde está el interruptor y quién puede pararlo?
- ¿Cuál es el tope de gasto y cada cuánto se revisa?
- ¿Puedo ver, para un caso concreto, por qué el sistema decidió lo que decidió?
- ¿Qué pasa cuando el agente no sabe? Lo razonable es que pregunte, no que invente.
- ¿Qué se queda fuera? Debería haber una lista explícita de lo que nunca se automatiza.
Si estas respuestas no están claras, el problema rara vez es la tecnología.
En resumen
Un agente de IA es una pieza concreta para un problema concreto: tareas repetidas, entradas variables y un resultado que hay que dejar en algún sitio. No es un chat, no sustituye a una automatización de pasos fijos cuando ésta basta, y no decide lo delicado.
Si quieres saber si uno de tus procesos entra en esa categoría, lo vemos en el diagnóstico exprés de 30 minutos, gratis. Y si no compensa, te lo decimos. En servicios está el detalle de cómo trabajamos después.
Fuentes
Registro de cambios
- 4 de octubre de 2026: primera versión.
Más sobre Agentes de IA
Hablas con Rafa Martínez, fundador ¿Qué tarea repites cada semana?
En 30 minutos te digo si merece un agente, cuánto costaría y por dónde empezar. Si no merece la pena, también te lo digo. Gratis.
¿Prefieres hablar ya? Llama al 910 052 322 (te atiende nuestro agente de voz, a cualquier hora) o escríbenos por WhatsApp.
