De chat a agente: 5 formas de trabajar con IA

La conversación sobre IA se volvió confusa porque muchas herramientas hacen varias cosas a la vez. Un mismo producto puede responder una pregunta, recordar archivos, ejecutar un workflow (una secuencia de trabajo) y usar herramientas externas. Desde afuera, todo parece simplemente “hablar con la IA”.

Pero no es lo mismo pedir una respuesta que darle contexto permanente. Tampoco es lo mismo repetir un proceso que convertirlo en una Skill. Y una Skill no es automáticamente un agente.

La forma más simple de entenderlo es pensar en cinco niveles de trabajo con IA.

chat → contexto → workflow → Skill → agente

Estos niveles describen estructura y autonomía. Podés quedarte en cualquiera de ellos según lo que requiera la tarea. La mejor solución suele ser la más simple que complete bien el trabajo.

Esta idea también aparece en la conversación de comunidades técnicas. En Reddit, personas que construyen automatizaciones y agentes repiten una advertencia útil: mucha gente salta a agentes cuando el problema real es un workflow que todavía no está claro. Esa conversación no es evidencia científica, pero sí refleja una fricción práctica que vale la pena escuchar.

La misma tarea en los cinco niveles

Vamos a usar una sola tarea durante toda la guía:

prepararte para tu reunión del lunes.

Imaginá que tenés una reunión semanal con tu equipo. Hay notas de la semana pasada, mensajes importantes, un proyecto en curso y tres decisiones pendientes.

La meta es llegar preparada sin pasar una hora reconstruyendo contexto.

Nivel 1: chat

Este es el uso más simple.

Abrís una conversación y preguntás algo.

Por ejemplo:

“Ayudame a preparar mi reunión del lunes. Estos fueron los temas de la semana pasada y estos son mis pendientes. Dame cinco preguntas que debería llevar.”

La IA trabaja con lo que le diste en ese momento.

Cuándo alcanza

Chat es suficiente cuando:

• la tarea es puntual;
• el contexto cabe fácilmente en la conversación;
• no necesitás repetir exactamente el mismo proceso;
• no necesitás que la IA consulte sistemas externos;
• vos seguís tomando todas las decisiones.

Ejemplos reales

• explicar un concepto;
• mejorar un borrador;
• comparar dos opciones;
• practicar una entrevista;
• resumir un documento que acabás de subir;
• pedir ideas para una presentación.

El error común

Convertir una tarea simple en un sistema enorme.

Si una conversación de diez minutos resuelve bien el problema, no necesitás crear un agente.

Nivel 2: contexto

Después de repetir varias conversaciones, aparece un problema.

La IA no sabe quién sos, cómo trabaja tu equipo, qué proyecto importa, cuál es tu tono o qué decisiones ya fueron tomadas, a menos que ese contexto esté disponible.

Entonces dejás de mejorar solamente el prompt y empezás a mejorar la información alrededor del prompt.

Para nuestra reunión del lunes podrías tener:

• una descripción corta del proyecto;
• objetivos actuales;
• responsables;
• decisiones tomadas;
• notas de reuniones anteriores;
• ejemplos de cómo querés recibir el brief;
• reglas como “no inventes estado de tareas que no aparece en las fuentes”.

Ahora tu solicitud puede ser mucho más pequeña:

“Preparame para la reunión del lunes usando el contexto del proyecto y las notas más recientes.”

La calidad aumenta porque la IA ya tiene mejores materiales para trabajar.

La habilidad que estás desarrollando

Esto se llama cada vez más ingeniería de contexto (context engineering): elegir y organizar la información que la IA necesita para una tarea.

Esto requiere decidir qué información merece entrar, cuál debería recuperarse solo cuando sea necesaria y cuál debería quedarse fuera.

Más contexto no siempre es mejor contexto.

Para construir esa capa, seguí con nuestra guía Creá tu carpeta de contexto.

Nivel 3: workflow

Ahora imaginá que preparar la reunión siempre requiere pasos parecidos.

1. Revisar las notas anteriores.
2. Identificar decisiones abiertas.
3. Revisar avances del proyecto.
4. Encontrar bloqueos.
5. Preparar preguntas.
6. Construir un brief corto.

Esa secuencia constituye un workflow.

Un workflow define una secuencia de trabajo.

Puede ser completamente manual, parcialmente asistido por IA o automatizado.

La diferencia importante es que ya sabés qué significa “hacer bien la tarea”.

Ejemplo para la reunión

Podrías usar esta instrucción:

“Prepará el brief semanal siguiendo este proceso: primero revisá decisiones de la reunión anterior, después compará el estado actual contra los objetivos, luego identificá bloqueos y finalmente prepará cinco preguntas. Separá hechos, inferencias y temas sin suficiente información.”

Eso produce más consistencia que improvisar un prompt distinto cada lunes.

Cuándo crear un workflow

Crealo cuando:

• repetís la tarea con frecuencia;
• los pasos son bastante estables;
• ya sabés qué inputs necesitás;
• podés describir un resultado aceptable;
• querés reducir decisiones innecesarias durante la ejecución.

Una regla muy útil

No automatices un proceso que todavía no entendés.

Si cada semana descubrís que el workflow cambia completamente, todavía estás aprendiendo el proceso.

Nivel 4: Skill

Una Skill (capacidad reutilizable con instrucciones, recursos y pasos guardados) aparece cuando el workflow ya funciona y querés conservarlo para usarlo de nuevo.

OpenAI define Skills como workflows reutilizables que enseñan a ChatGPT cómo completar una tarea específica de manera consistente. Una Skill puede incluir instrucciones, ejemplos, recursos y herramientas. Su valor principal es evitar explicar desde cero el mismo proceso cada vez.

En otras plataformas existen patrones equivalentes. El nombre puede cambiar. La idea es portable.

Nuestra reunión como Skill

Podrías crear una Skill llamada:

weekly meeting prep

Y documentar:

• cuándo usarla;
• qué fuentes necesita;
• qué preguntas debe responder;
• qué pasos debe seguir;
• cómo debe verse el brief;
• qué información nunca debe asumir;
• qué decisiones deben quedarse en tus manos.

Después no necesitás escribir el proceso completo cada semana.

Pedís:

“Prepará mi weekly meeting brief.”

Y la Skill contiene el cómo.

Qué vuelve buena a una Skill

Una buena Skill no es un prompt enorme.

Tiene:

1. un objetivo claro;
2. inputs definidos;
3. pasos comprobados;
4. criterios de calidad;
5. límites;
6. ejemplos buenos;
7. un formato de salida;
8. instrucciones sobre qué hacer cuando falta información.

OpenAI Academy recomienda crear Skills alrededor de tareas repetibles donde seguir un proceso consistente realmente mejora el resultado.

Cuándo vale la pena

Creá una Skill cuando pensás:

“Estoy explicando exactamente lo mismo otra vez.”

Si todavía estás cambiando el proceso cada vez, guardá primero un workflow simple.

Nivel 5: agente

Ahora llegamos al nivel con más autonomía.

Un agente no recibe solamente una instrucción sobre qué escribir. Recibe un objetivo y puede decidir parte del camino para alcanzarlo.

Puede:

• buscar información;
• elegir qué herramienta usar;
• abrir archivos;
• comparar resultados;
• ejecutar pasos;
• observar qué ocurrió;
• ajustar el siguiente paso.

Nuestro ejemplo podría convertirse en:

“Prepará mi reunión del lunes. Revisá las fuentes autorizadas, detectá cambios desde la última reunión y prepará el brief final. Si encontrás una contradicción importante, detenete y preguntame.”

El agente podría decidir qué notas consultar primero o qué archivo necesita revisar.

Eso es más poderoso.

También es más riesgoso.

Qué cambia cuando hay herramientas

Si el sistema puede consultar tu calendario, correo, Drive o task manager, ya no estamos hablando solamente de generación de texto.

Tenemos que preguntar:

• ¿qué puede leer?;
• ¿qué puede cambiar?;
• ¿qué acciones requieren aprobación?;
• ¿qué pasa si interpreta mal algo?;
• ¿podés revisar lo que hizo?;
• ¿existe un registro de acciones?;
• ¿quién es responsable del resultado?

Ethan Mollick ha defendido una dirección útil para esta etapa: diseñar la IA alrededor de augmentación del trabajo humano, no asumir que el objetivo es reemplazar a la persona. Para Pioneras, esa es una buena filosofía operativa.

La autonomía debería aumentar solo cuando también aumentan los controles.

La escalera completa

Elegí el nivel según esta secuencia:

problema simple → estructura suficiente → autonomía solamente cuando aporta valor

El árbol de decisión

¿Solo necesitás pensar, escribir o analizar algo una vez?

Usá chat.

¿La respuesta mejora mucho cuando la IA conoce tu trabajo?

Agregá contexto.

¿Repetís siempre una secuencia parecida?

Documentá un workflow.

¿Ese workflow ya funciona y querés reutilizarlo sin volver a explicarlo?

Convertílo en una Skill.

¿El siguiente paso depende de lo que la IA encuentre durante la tarea?

Considerá un agente.

¿Los pasos siempre son iguales?

Probablemente necesitás automatización, no un agente.

Esa última distinción importa mucho. En comunidades de automatización y agentes hay una crítica recurrente al “agent everything”: si un proceso es determinista, software convencional puede ser más barato, predecible y fácil de auditar.

No todo necesita subir de nivel

Pensá en estas tareas.

“Explicame este email técnico”

Chat.

“Ayudame a responder emails usando mi voz y mis políticas”

Contexto.

“Cada viernes convertí estas métricas en un resumen siguiendo seis pasos”

Workflow.

“Quiero que todo el equipo use exactamente ese proceso”

Skill.

“Quiero que investigue varias fuentes, decida qué consultar después y prepare un reporte”

Agente.

“Cuando entra un formulario, copiá estos campos a una hoja”

Automatización simple.

No hay premio por elegir la opción más sofisticada.

Un ejercicio de veinte minutos

Elegí una tarea que repetís en tu trabajo o vida.

Puede ser:

• preparar reuniones;
• investigar candidatos;
• crear briefs;
• estudiar;
• organizar viajes;
• revisar contenido;
• preparar reportes;
• responder consultas.

Ahora escribí cinco versiones.

1. Chat

¿Qué pedirías en una conversación?

2. Contexto

¿Qué necesitaría saber la IA para hacerlo mejor?

3. Workflow

¿Cuáles son los pasos que vos seguís?

4. Skill

¿Qué parte del proceso ya es estable y reusable?

5. Agente

¿Hay algún momento donde realmente necesita decidir qué hacer después según lo que encuentre?

Después preguntate:

¿Cuál es el nivel más bajo que resuelve bien mi problema?

Empezá ahí.

El error que queremos evitar en Pioneras

En Pioneras aprendemos a reconocer estructuras para decidir qué herramienta y qué nivel de autonomía necesita cada tarea.

Cuando entendés estos cinco niveles, los nombres de producto importan menos.

Podés mirar una nueva función y preguntar:

• ¿esto agrega contexto?;
• ¿esto guarda un workflow?;
• ¿esto crea una Skill?;
• ¿esto conecta herramientas?;
• ¿esto aumenta autonomía?;
• ¿qué controles necesito ahora?;

Eso te permite elegir por función, sin depender de una marca o herramienta.

Para seguir dentro de Pioneras

Primero leé Fundamentos de IA si todavía se mezclan modelo, producto, herramienta y agente.

Después seguí con Agente vs chatbot vs automatización para elegir la arquitectura más simple.

Si ya tenés un workflow estable, nuestra guía CLAUDE.md y Skills explica cómo separar contexto y proceso reusable.

Y si querés empezar a construir tu propia capa reusable, seguí con Creá tu carpeta de contexto.

Fuentes para profundizar

• OpenAI Academy: Using Skills
• OpenAI Help Center: Skills in ChatGPT
• Anthropic: Building effective agents
• Anthropic: Effective context engineering for AI agents
• Ethan Mollick sobre augmentación del trabajo humano
• Reddit: Most people don’t need agents. They need cleaner workflows
• Reddit: AI Agents are overrated, simple automations are still king

Revisión editorial: investigada y verificada el 6 de septiembre de 2026.