Agentes de IA: qué son y cómo poner uno a trabajar

Un agente de IA es un software que recibe un objetivo, lee los datos y el contexto de la empresa, decide el siguiente paso, ejecuta acciones en los sistemas en los que tiene permiso y pide aprobación a una persona cuando la regla lo exige. El chatbot responde dentro de un guion, el copiloto sugiere y espera a que alguien ejecute, y la automatización tradicional repite una secuencia fija sin decidir nada. El agente une lectura, decisión y ejecución, y por eso necesita un diseño que el liderazgo firma: objetivo, contexto, permisos, reglas, aprobación humana, responsable y medición. Para poner el primero a trabajar, elige una tarea de alto volumen, hecha sobre datos que el CRM ya tiene y con errores baratos de corregir, y dale un responsable con nombre y apellido.

En Iasbeck&Co implementamos CRM y agentes de IA en operaciones B2B, y la pregunta que más escucho de directores comerciales, de marketing y de atención es qué están comprando cuando el proveedor dice “agente”. En octubre hice un workshop en vivo mostrando agentes dentro de un CRM real. Los usos por área están en IA en ventas, marketing y CS; aquí organizo el concepto y el método de diseño que usamos en los proyectos.

¿Qué son los agentes de IA?

Un agente de IA trabaja en ciclo. Recibe un objetivo, como “hacer el seguimiento de los negocios en propuesta enviada sin actividad hace 15 días”, encuentra esos negocios en el CRM, lee el historial de cada cliente, decide qué escribir y ejecuta la acción permitida, como guardar un borrador o enviar el mensaje. Cuando la acción pasa un límite que alguien definió, se detiene y pide aprobación. Por debajo, el agente usa un modelo de lenguaje del mercado, y la plataforma en la que corre determina qué datos y acciones quedan a su alcance.

Cuatro verbos resumen la definición: leer, decidir, ejecutar y pedir aprobación. Si falta ejecutar, tienes un asistente que escribe bien y le devuelve el trabajo a la persona. Si falta decidir, tienes una automatización que sigue el camino que alguien dibujó. Ante cualquier herramienta que se presente como agente, pregunta qué lee, qué ejecuta sola y en qué punto llama a una persona.

Esa pregunta protege el presupuesto. En un comunicado de Gartner de junio de 2025, la firma estimó que solo cerca de 130 de los miles de proveedores que se presentan como de IA agéntica son reales, y llamó “agent washing” a la práctica de rebautizar asistentes, chatbots y automatización robótica de procesos como agentes sin capacidad agéntica relevante. En la demostración, pide ver al agente decidir y ejecutar sobre datos parecidos a los tuyos.

¿Cuál es la diferencia entre chatbot, copiloto y agente de IA?

Los cuatro términos aparecen mezclados en las presentaciones de proveedores, y cada uno pide una decisión distinta del liderazgo. La tabla usa un mismo escenario, el cliente que pidió una propuesta y desapareció.

	Chatbot	Copiloto o asistente	Automatización tradicional	Agente de IA
Qué hace	Responde preguntas dentro de un guion o base de respuestas	Sugiere texto, resumen o análisis cuando alguien lo pide	Ejecuta una secuencia fija cuando se dispara un gatillo	Lee el contexto, decide el siguiente paso y ejecuta en el sistema
Quién decide el siguiente paso	El guion	La persona que pidió	Quien diseñó el flujo	El agente, dentro de las reglas y aprobaciones
Con el cliente que desapareció	Responde si el cliente vuelve a escribir	Escribe un seguimiento cuando el vendedor lo pide	Envía el mismo correo a todo negocio parado hace 15 días	Lee el historial de cada negocio, escribe un mensaje para cada uno y pide aprobación antes de enviar
Cuándo tiene sentido	Dudas repetidas de clientes	Trabajo individual de análisis y redacción	Tarea previsible, de regla clara	Tarea repetida que exige criterio en cada caso

En el mismo comunicado, Gartner recomienda usar agentes cuando hay decisiones que tomar, automatización para flujos de rutina y asistentes para consultas simples. Yo aplico ese filtro: distribuir leads por región o crear la tarea de onboarding cuando se firma el contrato cabe en una automatización común, más barata y previsible. El agente entra cuando cada caso pide lectura, como clasificar un ticket a partir de lo que escribió el cliente, y las dos tecnologías conviven: en el workshop, el flujo de automatización disparaba el agente de triaje con cada ticket nuevo.

Anatomía de un agente de IA: las piezas que define el liderazgo

Crear un agente dentro de un CRM se volvió rápido: describes la tarea en una conversación y la herramienta arma el agente. El trabajo que exige a alguien que conozca la operación está en responder las preguntas de abajo antes de encender nada, y en esa etapa veo fallar a la mayoría de los agentes. Mostré en el workshop un agente estructurado en entradas, método, reglas y formato de salida; en los proyectos sumamos aprobación, responsable y medición.

Pieza	Pregunta que responde el liderazgo	Ejemplo en el agente de triaje de tickets
Objetivo y gatillo	¿Qué entrega el agente y cuándo corre?	Clasificar todo ticket nuevo apenas se abre
Contexto	¿Qué conocimiento de la empresa consulta?	Base de conocimiento del producto y definición de cada categoría
Datos y permisos	¿Qué registros lee y dónde escribe?	Lee la conversación y los tickets de la empresa; graba cuatro campos
Reglas y formato	¿Qué respeta y cómo devuelve el resultado?	Solo las categorías de la lista, con la frase del cliente como justificación
Aprobación humana	¿Qué hace solo, qué espera aprobación y qué nunca hace?	Clasifica solo; nunca responde al cliente en un ticket crítico
Responsable	¿Quién responde por el resultado y ajusta la instrucción?	Coordinación de soporte
Registro y medición	¿Dónde queda el rastro y cómo saber si funciona?	Clasificaciones corregidas y tiempo de primera respuesta

Objetivo, gatillo y contexto

Un agente con un objetivo vago, como “ayudar al equipo comercial”, consume créditos y produce texto que nadie usa. Un buen objetivo cabe en una frase con verbo, objeto y criterio, y el gatillo dice cuándo trabaja el agente: un pedido, un horario fijo o un evento en el CRM. El contexto es lo que alguien escribió para que el agente consulte, como qué vende la empresa, a quién, los criterios de cada etapa y el tono de los mensajes, y en el workshop llamamos a ese trabajo la fase cero de la implementación. Las plataformas recientes permiten repositorios de conocimiento separados, para que el agente de triaje consulte solo la base del producto y el de negociación solo el playbook comercial, lo que reduce la probabilidad de que mezcle información e invente respuestas.

Permisos y reglas

Cada agente debe leer lo que la tarea pide y escribir en la menor cantidad posible de lugares: el de triaje graba cuatro campos del ticket y no envía mensajes a nadie. Las reglas dicen qué respeta, como usar solo las opciones de una lista cerrada y marcar “no mencionado” cuando falta la información. Una regla objetiva facilita la revisión, porque quien revisa sabe qué buscar.

Aprobación, registro y medición

Con cada liderazgo diseño tres listas: lo que el agente hace solo, lo que hace y espera aprobación, y lo que nunca hace. La responsabilidad queda con quien aprobó, porque ningún cliente acepta “fue la IA” como explicación, y por eso toda acción deja rastro en el registro, con lo que el agente leyó, lo que decidió y quién aprobó. La medición combina la calidad del agente, como los borradores aprobados sin edición, con el efecto en la operación, como el tiempo de respuesta.

Agentes de IA en el CRM: ejemplos por área

Los ejemplos de abajo vienen del workshop y funcionan con agentes nativos o personalizados dentro del CRM. De una empresa a otra, cambian el contexto y el umbral de aprobación.

Ventas: seguimiento de propuesta e informe de pipeline

Una pregunta frecuente es si se puede asociar un agente a una etapa del embudo y usarlo en el seguimiento de propuestas enviadas. Se puede: el negocio pasa el plazo acordado sin actividad, y el agente lee el historial, escribe un mensaje que retoma el punto en que se detuvo la conversación y deja el borrador para que el vendedor lo apruebe. Mostré también un agente de resultados comerciales que devuelve ingresos, conversión por etapa y un plan de acción con negocios en riesgo. Ese agente solo lee, y su riesgo está en el dato: si el equipo empuja negocios de etapa para mejorar el informe, el agente analiza la ficción como si fuera la operación real.

Marketing: nutrición con control de créditos

El agente de nutrición reescribe, en cada envío, un correo de la jornada automatizada a partir de los datos y del engagement del contacto. Antes de activarlo, el analista compara la versión original con la personalizada. El equipo define el porcentaje de envíos que pasa por el agente, lo que limita el gasto de créditos y mantiene un grupo con el correo estándar para comparar.

Atención y CS: triaje de tickets

El agente de triaje corre con cada ticket nuevo, lee la conversación, los otros tickets de la misma empresa y la base de conocimiento, y graba categoría, prioridad, sentimiento y un resumen. En el workshop, clasificó un ticket como problema de producto, urgente y crítico, citando la frase en que el cliente decía que no lograba emitir ninguna factura. El diseño completo de este uso está en IA en la atención al cliente.

Agente	Gatillo	Lee	Ejecuta	Quién aprueba	Indicador
Seguimiento de propuesta	Negocio parado X días	Historial del negocio	Borrador de mensaje	Vendedor; gerente en etapa de decisión	Aprobados sin edición y negocios reactivados
Informe de pipeline	Pedido del gerente	Negocios y actividades	Informe y plan de acción	El gerente valida antes de usar	Diferencias con la revisión del gerente
Nutrición personalizada	Envío de la jornada	Datos y engagement del contacto	Correo reescrito	El analista aprueba el modelo	Respuesta frente al grupo estándar
Triaje de tickets	Ticket nuevo	Conversación y base de conocimiento	Categoría, prioridad, sentimiento	Lo hace solo	Clasificaciones corregidas

¿Cómo elegir el primer agente de IA de la empresa?

El liderazgo decide si confía en un segundo agente mirando el resultado del primero. Para el primero, busco una tarea con alto volumen, para que la ganancia aparezca en semanas; materia prima que ya existe en el CRM, como correos, transcripciones y tickets; errores baratos de corregir antes de llegar al cliente; y un indicador que el área ya mide. El triaje de tickets y el resumen de llamadas suelen cumplir los cuatro criterios. El seguimiento enviado al cliente en negociación queda para después, cuando el equipo ya aprendió a revisar lo que escribe la máquina.

¿Quién es el responsable del agente?

Todo agente necesita una persona que responda por el resultado, ajuste la instrucción y decida apagarlo. El responsable suele ser el líder del proceso en el que trabaja el agente, con apoyo técnico de quien administra el CRM o del equipo de operaciones de ingresos. Con tecnología como única responsable, el agente queda bien configurado y desalineado del proceso; con el líder sin apoyo técnico, nadie toca la configuración después del primer mes.

¿Cuánto cuesta y cómo medirlo?

Las plataformas de CRM suelen cobrar las acciones de agente en créditos, en una cantidad que varía con la complejidad del pedido. Antes de encenderlo, multiplica el volumen mensual esperado por el consumo medio por acción, medido en una prueba con casos reales, y define un tope mensual por agente y quién puede encender un agente nuevo; el retorno frente a ese costo está en ROI de IA. Para medir, compara el indicador del área en las cuatro semanas anteriores al agente con las cuatro siguientes. Si la tasa de corrección no baja después de dos ajustes en la instrucción, busca el problema en el contexto o en el dato antes de cambiar de herramienta.

¿Cuáles son los riesgos de poner agentes de IA en la operación?

El primer riesgo es que el agente trabaje sobre datos malos. La empresa duplicada recibe dos seguimientos la misma mañana, y el contacto con cargo desactualizado recibe una nutrición escrita para la función que dejó. Cuando una persona hacía el trabajo, el error aparecía en un cliente a la vez; con el agente, aparece en todos los registros que tocó en esa hora. Antes de encenderlo, ordena los campos que ese agente va a leer y deja el resto de la base para después del piloto.

El segundo riesgo es la proliferación de agentes sin responsable. Cuando cualquier persona crea un agente en minutos, la empresa acumula en pocos meses decenas de ellos, con instrucciones parecidas, contextos distintos y créditos sumando en la misma factura, y el cliente recibe mensajes con tono e información divergentes. La respuesta es un inventario con el responsable, lo que cada agente lee y ejecuta, quién aprueba y el consumo del mes, revisado por el liderazgo todos los meses. Las reglas sobre quién puede crear agentes y con qué datos van en la política de uso de IA de la empresa.

Agentes de IA y formación de equipos: lo que RR. HH. y T&D deben considerar

Los agentes cambian el trabajo de quien está a su lado: el vendedor revisa borradores y el analista de soporte corrige clasificaciones. En el workshop, cuando preguntaron si quien crea los agentes necesita formación, la respuesta fue sí, y yo agregué la frase que repito en los proyectos: la herramienta se volvió simple, y simple es distinto de fácil. RR. HH. reconoce la necesidad por señales en la operación: agentes sin nadie que responda por ellos, personas que aprueban borradores sin leer, gasto de créditos que sorprende a finanzas y líderes que no saben qué hacen los agentes de su área. Los líderes participan para decidir objetivo, aprobación, presupuesto y responsable; los profesionales practican revisión y corrección con casos de su propia área; quien administra el CRM aprende a configurar agentes, repositorios y límites de créditos. En las semanas siguientes, evalúa la tasa de aprobación sin edición y la cantidad de agentes con responsable en el inventario.

Hoja de ruta para poner a trabajar el primer agente de IA

Esta es la hoja de ruta que usamos con el liderazgo de un área para llevar un agente del papel a la operación en cuatro semanas.

Semana 1: elige la tarea y completa la ficha del agente. Aplica los cuatro criterios y quédate con un solo agente. Completa una ficha con las piezas de la anatomía y registra el indicador de las cuatro semanas anteriores.

Semana 2: prepara el contexto y los datos. Escribe el contenido que consulta el agente, como categorías de ticket, criterios de etapa y tono de los mensajes, en un repositorio acotado para él. Ordena solo los campos que va a leer.

Semana 3: prueba con casos reales y calibra el costo. Corre el agente en modo de prueba sobre algunas decenas de casos recientes y compara con lo que hizo el equipo. Ajusta la instrucción, mide el consumo medio de créditos y define el tope mensual y el porcentaje de cobertura inicial.

Semana 4: enciéndelo con aprobación y mide. Pon el agente en el flujo de un equipo pequeño, con las acciones que llegan al cliente en la lista de aprobación. Al final de la semana, el responsable presenta aprobación sin edición, correcciones y consumo, y el liderazgo decide si amplía, ajusta o apaga.

Lo que traba esta hoja de ruta rara vez es la configuración. Se traba cuando el liderazgo no definió quién aprueba qué y cuando el equipo no sabe revisar lo que produce el agente. Ese es el trabajo de la capacitación in company de IA aplicada, armada sobre el proceso y los datos de la empresa, con grupos para el liderazgo, para quien opera y para quien administra el CRM, que entrega la biblioteca de prompts de cada área y la arquitectura de agentes, con lo que lee cada agente, lo que ejecuta solo y quién aprueba el resto.

Preguntas frecuentes

¿Qué es un agente de IA, en pocas palabras?

Es un software que recibe un objetivo, lee los datos de la empresa, decide el siguiente paso y ejecuta acciones en sistemas como el CRM, pidiendo aprobación a una persona cuando la regla lo exige. Trabaja dentro de los permisos que la empresa definió.

¿Cuál es la diferencia entre agente de IA y chatbot?

El chatbot conversa con quien pregunta y sigue un guion o una base de respuestas. El agente actúa en los sistemas de la empresa, decide qué hacer en cada caso y puede dispararse por un evento en el CRM, como un ticket nuevo.

¿Los agentes de IA van a reemplazar personas del equipo?

Los agentes asumen tareas repetidas, como triaje, primeros borradores e informes, y el trabajo de las personas pasa a incluir revisar, corregir y decidir. En los proyectos que acompaño, el tiempo liberado va a la conversación con el cliente y a mantener el contexto que consultan los agentes.

¿Cuánto cuesta un agente de IA en el CRM?

Depende de la plataforma y del volumen. En las que cobran por crédito, la cuenta es el volumen mensual multiplicado por el consumo medio medido en una prueba, con un tope mensual por agente definido por el liderazgo.

¿Quién debe ser el responsable de un agente de IA?

El líder del proceso en el que trabaja el agente, con apoyo técnico de quien administra el CRM o del equipo de RevOps. El responsable responde por el resultado, ajusta la instrucción y decide ampliar o apagar el agente.

¿Cómo sabe RR. HH. que el equipo necesita formación sobre agentes de IA?

Las señales aparecen en la operación: agentes sin responsable conocido, aprobaciones sin lectura y gasto de créditos fuera de lo previsto. La formación involucra a los líderes, a quienes trabajan con los agentes y a quienes los configuran, y la evaluación sigue las correcciones en las semanas siguientes.