Agentes y automatización Inteligencia artificial

De hablar con una IA a dejarla trabajar por ti: el salto a los agentes inteligentes

Redacción LedSolEo

Durante mucho tiempo, hablar con una IA era sencillo: preguntabas y ella respondía. Hoy empiezan a existir sistemas a los que se puede encargar un trabajo entero y volver más tarde a revisarlo. Este artículo, último de nuestra colección sobre agentes, se centra en lo que cambia en nuestros hábitos. La definición la tienes en qué es un agente de IA y en qué se diferencia de un chatbot y los ejemplos de tareas, en qué puede hacer un agente y dónde están sus límites.

Cuando la IA era, sobre todo, una conversación

Cuando OpenAI presentó ChatGPT en noviembre de 2022, explicó que el formato de diálogo permitía al modelo responder a preguntas de seguimiento, admitir sus errores, cuestionar premisas incorrectas y rechazar peticiones inadecuadas. Ese fue el punto de partida del hábito: escribir una pregunta y recibir un texto.

Se podía pedir una explicación, un borrador o un resumen, pero el resultado se quedaba en la pantalla. Copiar, comprobar o enviar seguía en nuestras manos. Era un consultor brillante que, muy educadamente, nunca se levanta de la silla.

Cuando la IA puede usar herramientas

El cambio llega cuando el modelo depende menos de lo que sabe y se le dan medios: consultar información, usar herramientas y ejecutar acciones. Anthropic describe el bloque básico como un modelo aumentado con recuperación de información, herramientas y memoria.

Para esas conexiones existen estándares abiertos como el Model Context Protocol, que su documentación compara con un «puerto USB-C para la IA». Algunos sistemas incluso pueden ver la pantalla y manejar ratón y teclado en un bucle: el modelo pide una acción, la aplicación la ejecuta y le devuelve el resultado para el paso siguiente.

Chatbot, asistente, automatización y agente

Conviene separar cuatro cosas que se mezclan a menudo:

Chatbot: conversa y responde. Su resultado es texto.
Asistente con herramientas: además de conversar, consulta información o usa aplicaciones. Lo habitual es que la persona siga marcando los pasos.
Automatización tradicional: según Microsoft Learn, automatiza tareas repetitivas con flujos entre aplicaciones, como sincronizar archivos o recibir avisos. Es una cinta transportadora excelente, hasta que alguien le cambia la caja.
Agente de IA: según Anthropic, los flujos de trabajo siguen caminos de código predefinidos, mientras que los agentes dirigen dinámicamente su propio proceso y su uso de herramientas.

Hay un matiz: a veces se llama «agente» a lo que es un flujo predefinido, y Anthropic usa «sistemas agénticos» para englobar ambos. No todos los productos tienen las mismas capacidades y controles.

Encargar un objetivo en lugar de dictar pasos

Con un chatbot, la persona lleva el volante: pide, lee, corrige y vuelve a pedir. Con un agente, se describe el resultado que se quiere, con sus límites y criterios, y el sistema decide cómo llegar. Es la diferencia entre dictar cada gesto y encargar una tarea.

Nuestro análisis es que esto cambia el papel de la persona: pasa de dar instrucciones a fijar el objetivo y revisar lo entregado. Es un trabajo menos mecánico, pero no desaparece: un encargo vago produce resultados vagos. Anthropic cuenta que, al construir su agente para una prueba de referencia, dedicó más tiempo a afinar las herramientas que el propio encargo: unas herramientas mal diseñadas inducen errores.

Y un matiz importante: esa autonomía no es total ni infalible, ni equivale a conciencia ni a voluntad propia.

Ilustración didáctica con dos columnas, Conversar y Encargar, que compara lo que devuelve cada una y el papel que queda en manos de la persona, con una flecha etiquetada «el salto». — De la respuesta que se queda en la pantalla al trabajo completo listo para revisar.

El recorrido de un agente, de principio a fin

Según Anthropic, un agente arranca con un encargo de la persona; cuando la tarea está clara, planifica y opera de forma independiente, y puede volver a preguntar si necesita criterio. El recorrido típico tiene estas fases:

Planifica: divide el objetivo en pasos.
Investiga y usa herramientas: consulta fuentes, abre documentos, ejecuta acciones.
Comprueba: necesita «verdad del entorno», es decir, resultados reales de herramientas o de código, para saber si avanza bien.
Pausa en puntos de control: puede detenerse a pedir opinión humana o ante un bloqueo.
Se detiene con condiciones: conviene fijar límites, como un máximo de iteraciones. La guía práctica de OpenAI añade que el agente reconoce cuándo ha terminado y, si algo falla, devuelve el control.
Entrega: presenta un trabajo terminado para revisar.

La documentación de Claude Code añade que se prefiere la herramienta más precisa y que el control del escritorio es también el más lento.

Ilustración didáctica del recorrido de un agente en seis pasos —Objetivo, Investiga, Usa herramientas, Comprueba, Pide aprobación y Entrega—, con la parada de aprobación destacada. — El agente recibe un objetivo, investiga, usa herramientas, comprueba y se detiene a pedir aprobación antes de entregar.

Ejemplo cotidiano: el viaje del fin de semana

Un caso ilustrativo, no un producto real: pides a un agente que organice una escapada, con fechas, preferencias y límites. Compara alternativas, prepara un itinerario y te lo presenta; antes de reservar nada, se detiene y pide tu aprobación.

Ese freno es clave: hay mecanismos que pausan el flujo antes de una acción sensible y lo reanudan después conservando el estado. Así decides tú, sin que nadie reserve «porque le sonaba bien».

Ejemplo profesional: del documento al correo

Otro caso inventado: encargas un informe a partir de documentos internos. El agente los consulta, extrae lo relevante, redacta el informe y prepara un correo, y lo deja como borrador. Tú revisas las conclusiones, contrastas lo dudoso y decides si se envía: el agente ahorra recorrido, pero la firma es de quien lo envía.

Qué se puede hacer hoy y qué sigue necesitando una persona

Conviene separar tres planos: demostración, capacidad real y posibilidad futura. La demostración muestra lo que puede ocurrir en condiciones favorables; la capacidad real es lo que funciona de forma fiable con tus datos y tus cuentas; lo futuro es una previsión.

Lo documentado es que estos sistemas usan herramientas, se conectan a datos, ejecutan bucles de trabajo y pausan para pedir aprobación. Siguen necesitando a una persona las decisiones de criterio, la verificación de lo importante y todo lo que implique dinero o consecuencias para otros.

Errores, costes, tiempos y permisos

Un agente puede equivocarse o quedarse atascado. Según Anthropic, los sistemas agénticos intercambian latencia y coste por mejor desempeño: tardan y gastan más que una respuesta simple y a veces no compensan, porque en muchas aplicaciones basta una sola llamada al modelo bien optimizada. Por eso ambos fabricantes recomiendan empezar por la solución más simple y preguntarse si hace falta un agente.

También importan los permisos: OpenAI sugiere salvaguardas por herramienta según el riesgo (si solo lee o escribe, si la acción se puede deshacer y qué impacto económico tiene) y señala dos disparadores para llamar a una persona: superar umbrales de fallo y ejecutar acciones de alto riesgo.

Por eso un agente no debe tener acceso ilimitado a nuestras cuentas: cuantos más permisos, mayor impacto de un fallo. Existen incluso clasificadores que examinan lo que devuelven las herramientas para detectar instrucciones maliciosas, y algunos sistemas permiten detener la acción al instante, por ejemplo con la tecla Esc. Pero no todos los productos ofrecen las mismas protecciones. Para profundizar, tienes cómo dar permisos a un agente sin perder el control y hasta dónde dejarle actuar.

Qué puede significar para el futuro

Lo que sigue son previsiones, no capacidades demostradas. Para los asistentes personales, podría suponer delegar gestiones domésticas con aprobación previa; para los profesionales, preparar borradores y consultas que luego se revisan; para las pequeñas empresas, aligerar tareas repetitivas que hoy requieren tiempo manual. Si te intriga la idea de agentes que trabajan de forma continuada, la explicamos en agentes que operan todo el día.

El salto, en el fondo, es de hábito: de preguntar a encargar. Nuestra función no desaparece: se desplaza hacia fijar objetivos, poner límites y revisar con criterio.

Para ampliar información

Fuentes externas:

NOTA PARA MIQUEL — SEO pendiente. ELIMINAR ANTES DE PUBLICAR

Título SEO: De hablar con una IA a dejarla trabajar por ti

Metadescripción: Cómo hemos pasado de conversar con una IA a encargarle trabajos completos: qué cambia cuando usa herramientas, qué puede hacer hoy y qué límites y permisos necesita.

Frase clave objetivo: de conversar a delegar en un agente