Cómo funciona un agente de IA
Un agente combina cuatro piezas: un modelo de lenguaje (GPT, Claude, Gemini o un modelo open source) que razona sobre qué hacer; un conjunto de herramientas que puede usar, como la API de tu CRM o tu ERP, el correo o una base de datos; un contexto con instrucciones, reglas de negocio e información relevante; y un bucle de ejecución en el que planifica un paso, lo ejecuta, observa el resultado y decide el siguiente, hasta completar el objetivo o pedir ayuda.
Los agentes no aprenden solos de cada interacción. Mejoran porque revisamos sus registros, detectamos dónde fallan y ajustamos instrucciones, herramientas y datos, como se hace con cualquier otro software.
Casos de uso con flujos concretos
- Gestión de pedidos: recibe un pedido por email, identifica al cliente, comprueba stock y condiciones, crea el pedido en el ERP y, si supera cierto importe, lo deja pendiente de aprobación.
- Soporte técnico: diagnostica una incidencia consultando manuales e historial, propone la solución o abre un ticket con el resumen y los pasos ya probados.
- Investigación comercial: recopila información pública de un posible cliente, la cruza con tu CRM y prepara un resumen antes de la reunión.
- Revisión documental: compara contratos o licitaciones con tus criterios y señala las cláusulas que debe revisar una persona.
Sistemas multiagente e interoperabilidad: MCP y A2A
Cuando un proceso es amplio, en lugar de un único agente que lo hace todo se pueden coordinar varios agentes especializados (uno que clasifica, otro que consulta datos, otro que redacta) dirigidos por un orquestador. Aporta orden, pero también complejidad, así que solo compensa cuando un agente no basta.
Para que agentes y herramientas se entiendan han surgido estándares abiertos. MCP (Model Context Protocol), presentado por Anthropic, define cómo un agente se conecta con herramientas y fuentes de datos, de modo que una integración puede reutilizarse con distintos modelos. A2A (Agent2Agent), impulsado por Google, define cómo agentes de distintos proveedores se comunican y se delegan tareas. Son complementarios: uno conecta al agente con sus herramientas y el otro conecta agentes entre sí.
De ahí nace el concepto de empresa agéntica: una organización en la que agentes de IA ejecutan partes de los procesos bajo supervisión humana. Es un horizonte útil, pero el camino realista empieza por un proceso concreto bien resuelto.
Cómo dar autonomía sin perder el control
Un agente que actúa en tus sistemas necesita controles desde el diseño, no añadidos al final. Estos son los que aplicamos siempre:
- Permisos mínimos: el agente solo accede a las herramientas y los datos que necesita para su tarea.
- Aprobación humana en las acciones sensibles, como pagos, envíos a clientes o cambios de condiciones.
- Registro de cada paso y cada decisión, para poder auditar y corregir.
- Evaluación con casos reales antes de producción, y límites de gasto y de número de pasos.