Cómo implementar agentes inteligentes sin empezar por la tecnología

La reunión suele empezar así: alguien vio una demo impresionante y ahora quiere “un agente para toda la empresa”.

Pero implementar un agente inteligente no empieza eligiendo modelo. Empieza escogiendo un trabajo concreto, una dueña del proceso y una forma visible de saber si salió bien.

Un agente inteligente es un sistema de IA que recibe un objetivo, consulta información, usa herramientas y decide algunos pasos del camino. Si todavía no tenés clara esa diferencia, leé primero qué es un agente de IA. Esta guía responde otra pregunta: ¿cómo pasa un equipo de la idea a un piloto útil y controlado?

Las seis piezas que vas a implementar

1. Modelo: el motor que interpreta y decide el siguiente paso.
2. Instrucciones: el objetivo, los límites y el formato de entrega.
3. Contexto: la información autorizada para ese trabajo.
4. Herramientas: las acciones disponibles, como buscar o crear un borrador.
5. Estado: el registro de qué ya hizo y qué falta.
6. Controles: pruebas, permisos, aprobaciones y una forma de detenerlo.

El modelo es solo una pieza. Cambiarlo no corrige por sí solo una fuente equivocada, un permiso excesivo o una definición confusa de éxito.

Antes de construir: elegí un trabajo, no un departamento

“Ayudar a Marketing” es demasiado amplio. “Preparar cada lunes un borrador del reporte de campañas usando tres fuentes autorizadas” sí se puede diseñar y probar.

Buscá una tarea que tenga estas cinco características:

• ocurre con frecuencia;
• consume tiempo real;
• permite revisar el resultado antes de usarlo;
• tiene fuentes y límites reconocibles;
• un error es reversible.

Un buen primer piloto puede clasificar solicitudes, preparar un informe o detectar información faltante. Cobrar, contratar, borrar datos o publicar sin aprobación son malos primeros casos.

La ficha de implementación en una página

Antes de abrir una plataforma, completá esta ficha:

Esta hoja convierte “queremos usar agentes” en una decisión que Finanzas, Tecnología y la persona que hará el trabajo pueden entender.

Un plan de implementación en seis pasos

1. Documentá cómo se hace hoy

Seguí una ejecución humana completa. Anotá entradas, decisiones, excepciones y resultado. Si el proceso cambia cada vez porque nadie se puso de acuerdo, el primer proyecto es ordenar el proceso.

2. Separá reglas de decisiones

Las reglas estables pueden quedar en una automatización: guardar un archivo, validar un campo o avisar que llegó una solicitud. Reservá el agente para el tramo que sí necesita interpretar contexto.

Si dudás entre ambos, usá nuestra guía de automatización versus agentes.

3. Diseñá herramientas y permisos mínimos

Una herramienta es la acción que el agente puede usar: buscar, leer una carpeta, consultar una base o crear un borrador. Dar acceso a Drive completo para leer una carpeta es como entregar todas las llaves del edificio para abrir una sala.

Empezá con lectura y borradores. Las acciones externas o difíciles de revertir deben pedir aprobación humana.

4. Creá una prueba antes de crear el agente

Prepará entre 20 y 50 casos reales: fáciles, ambiguos, incompletos y raros. Definí qué respuesta sería aceptable y qué error sería crítico.

Una eval (evaluación repetible) es una colección de casos que permite comprobar si una nueva versión mejoró o rompió algo. Anthropic recomienda evaluar tanto el resultado como el recorrido del agente; OpenAI también recomienda usar evaluaciones y trazas para observar decisiones y llamadas a herramientas.

Una traza es el historial técnico del recorrido: qué paso intentó, qué herramienta llamó y qué recibió. Se parece al comprobante detallado de un envío; permite investigar un fallo sin adivinar.

5. Probalo en modo borrador

Durante el piloto, el agente prepara y una persona aprueba. Registrá:

• porcentaje de resultados aprobados;
• correcciones por resultado;
• minutos humanos;
• costo por ejecución;
• acciones incorrectas o innecesarias;
• casos en que se detuvo correctamente.

6. Aumentá autonomía de una acción a la vez

Después de varias semanas estables, permití una acción reversible. Volvé a correr las pruebas. Recién después evaluá otra.

Una buena implementación coloca a la persona donde su criterio tiene más valor.

Ejemplo: el reporte semanal de campañas

El agente recibe una lista de campañas, consulta métricas autorizadas, detecta movimientos importantes y crea un borrador.

No cambia presupuestos. No pausa anuncios. No inventa la causa de una caída. Si faltan datos, abre una observación para la analista.

El equipo mide si el borrador reduce tiempo sin aumentar errores. Ese indicador vale más que contar cuántos mensajes produjo el modelo.

Cuándo detener el proyecto

Detenelo si no hay dueña, no existe forma de revisar el resultado, requiere acceso desproporcionado o cada ejecución necesita más corrección de la que ahorra.

También frená si el equipo solo está midiendo velocidad. Un agente rápido que produce decisiones incorrectas escala el problema.

Para seguir aprendiendo

Podés diseñar un prototipo sencillo con cómo crear un agente sin código, estudiar flujos de trabajo con agentes y entender con un caso real por qué los permisos y la contención importan.

Antes de conectar datos sensibles o acciones externas, completá también la guía de seguridad para agentes.

Si sos mujer y querés aprender a usar IA con ejemplos claros, práctica y acompañamiento, unite gratis a Pioneras en IA.

Fuentes

• Anthropic: Building effective agents
• Anthropic: Demystifying evals for AI agents
• OpenAI: Agents guide
• OpenAI: Agent evals
• NIST: Artificial Intelligence Risk Management Framework

Revisión editorial: fuentes primarias verificadas el 21 de septiembre de 2026.