para orientarte
Tenés un proceso que querés mejorar y tres opciones suenan posibles: chat, automatización o agente. Elegir la más nueva puede darte una demo más sexy y un sistema mucho más difícil de mantener.
La mejor arquitectura suele ser la más simple que completa bien el trabajo.
La palabra “agente” se usa tanto que a veces cualquier workflow (una secuencia de pasos para completar un trabajo) con IA termina recibiendo el nombre.
La diferencia útil es más sencilla:
Un chatbot conversa. Una automatización sigue una receta. Un agente puede decidir parte del camino.
Ninguno es mejor por defecto. Elegir la opción más autónoma cuando no la necesitás puede aumentar costo y riesgo sin mejorar el resultado.
La tabla de 30 segundos
| Opción | Qué hace | Decide siguiente paso | Usa herramientas | Mejor para |
|---|---|---|---|---|
| Chatbot | responde y colabora | poco | a veces | pensar, explicar, redactar |
| Automatización | ejecuta pasos definidos | no | sí | procesos estables |
| Agente | persigue un objetivo | sí | sí | trabajo con excepciones |
Chatbot: vos dirigís cada turno
Le das notas de una reunión y pedís tres versiones de un correo. Responde. Vos decidís qué ocurre después.
Usalo cuando:
- el valor está en pensar juntas;
- no necesitás que actúe fuera del chat;
- el siguiente paso depende de vos.
Ejemplo:
“Leé esta propuesta y decime qué preguntas haría un CFO antes de aprobarla.”
Automatización: el camino ya está decidido
Una automatización es ideal cuando conocés el trigger (el evento que inicia el proceso) y los pasos.
“Cuando llegue este formulario, validá campos obligatorios, creá una fila en Sheets y enviá una confirmación.”
No necesitás un modelo brillante para decidir algo que no cambia.
Ventajas:
- más predecible;
- fácil de probar;
- generalmente más barata;
- errores más fáciles de rastrear.
Agente: el camino cambia
Un agente tiene sentido cuando no podés escribir de antemano cada paso porque depende de lo que encuentre.
Ejemplo:
“Investigá cinco competidores, encontrá cambios de precios publicados esta semana, verificá cada cambio en la página oficial y prepará una tabla. Si un sitio bloquea acceso, usá otra fuente o marcá el dato como no verificado.”
Ahí hay decisiones intermedias.
El mismo problema en tres versiones
Newsletter
Chatbot: convierte tus notas en borrador. Automatización: envía el texto aprobado a una hora. Agente: investiga fuentes, selecciona señales con criterios y prepara el brief.
Onboarding de clienta
Chatbot: redacta preguntas. Automatización: crea carpetas y tareas al firmar. Agente: revisa documentos recibidos, detecta faltantes y prepara un diagnóstico preliminar.
Soporte
Chatbot: responde una consulta. Automatización: manda confirmación de ticket. Agente: investiga cuenta y documentación, intenta resolver y escala excepciones.
El caso híbrido: el más común
Los mejores sistemas no siempre son “100% agentic”.
Podés tener:
evento fijo → automatización → agente analiza la excepción → humana aprueba → automatización envía
Eso combina predictibilidad donde la necesitás con inteligencia flexible donde aporta valor.
Árbol de decisión
Preguntá en este orden:
- ¿Solo necesito una respuesta o borrador? → chatbot.
- ¿Los pasos son siempre los mismos? → automatización.
- ¿El sistema necesita decidir qué hacer según lo que encuentra? → considerar agente.
- ¿Puede la acción causar daño o ser difícil de revertir? → aprobación humana.
- ¿Puedo medir si terminó bien? → si no, diseñá el criterio antes de automatizar.
La autonomía tiene un costo
Cada decisión que delegás añade posibilidades de error.
Un agente puede:
- elegir la fuente incorrecta;
- interpretar mal el objetivo;
- repetir acciones;
- gastar más tokens o llamadas;
- usar una herramienta equivocada.
Para elegir, preguntate: “¿qué parte necesita realmente autonomía?”.
Ejemplo de permisos
Para un agente de research:
| Acción | Permiso inicial |
|---|---|
| buscar web | sí |
| leer carpeta de fuentes | sí |
| crear borrador | sí |
| enviar email | aprobación |
| publicar | aprobación |
| borrar archivos | no |
La inteligencia del modelo no reemplaza los controles.
Qué cambia con modelos más capaces
Modelos como Claude Fable 5.1 y GPT 6 Astra pueden sostener trabajos más largos y usar herramientas con mayor competencia. Eso hace a los agentes más viables, pero no convierte todo workflow en agente.
Para entender por qué, leé Fundamentos de IA. Para construir uno, seguí con Cómo crear un agente sin código.
La regla de Pioneras
Usá la solución menos autónoma que complete bien el trabajo.
No ganás puntos por tener más agentes. Ganás tiempo cuando el sistema termina un trabajo de forma confiable y podés entender qué hizo.
Fuentes
Revisión editorial: actualizada y verificada el 6 de septiembre de 2026.
Pasá de leer a hacer
Probalo esta semana
La habilidad que te llevás: Elegir la menor cantidad de autonomía que resuelva bien el problema
Tu prueba, paso a paso
Definí el resultado que necesitás, no la tecnología que querés usar.
Probá primero si una conversación asistida resuelve el problema.
Si los pasos siempre son iguales, probá una automatización.
Usá un agente solo cuando el siguiente paso dependa de lo que encuentre durante la tarea.
Ideas, recursos y límites para hacerlo bien
Dónde usarlo
Empezá donde ya hay fricción
En tu trabajo
- Elegir entre chat, automatización o agente para un proceso de operaciones.
- Evitar construir sistemas complejos para tareas que una plantilla ya resuelve.
También en tu día a día
- Automatizar recordatorios simples sin crear un agente completo.
- Usar un chat para decisiones puntuales y reservar agentes para investigaciones más largas.
Para profundizar
- OpenAI Academy: Automating workflowsRecurso para mapear el proceso antes de automatizarlo.
- DeepLearning.AI: Evaluating AI AgentsAyuda a medir cuándo un agente realmente funciona.
Cuándo pedir otra mirada
Conservá revisión humana cuando el error pueda afectar dinero, derechos, privacidad, reputación o una acción difícil de revertir.
Tu siguiente movimientoConstruí primero la versión mínima de la opción elegida.
Transparencia editorial
Este artículo fue investigado y preparado con ayuda de IA. Nina revisó fuentes, contexto, criterio editorial y versión final.