«Agente» es hoy la palabra más sobrecargada del software. Los proveedores la usan para chatbots, para scripts programados, para cualquier cosa que lleve una clave de API pegada. Bajo todo ese ruido, sin embargo, hay un patrón real que vale la pena aprender. Si quieres crear un agente de IA este año, la primera tarea es separar ese patrón del marketing, en parte porque buena parte de los proyectos de «agente» que la gente esboza estarían mejor construidos como simples automatizaciones, en una tarde y a una fracción del coste.
Esta guía hace tres cosas. Define qué es realmente un agente, en una frase que puedas reutilizar en una reunión de planificación. Expone tres caminos de construcción ajustados a tus habilidades: plataformas sin código, frameworks para desarrolladores y la honesta tercera opción de no construir ningún agente en absoluto. Y recorre un ejemplo concreto, un agente de triaje de bandeja de entrada, desde el objetivo hasta los límites de seguridad.
Nada de esto requiere formación en aprendizaje automático. Todo ello sí requiere tener claro qué quieres que haga la cosa.
Qué es realmente un agente de IA
Quita la marca y un agente son tres partes ejecutándose en un bucle:
- Un modelo que decide qué hacer a continuación
- Un conjunto de herramientas que se le permite invocar: buscar en una base de datos, leer un correo, aplicar una etiqueta, redactar un mensaje
- Un objetivo con una condición de parada, para que el bucle sepa cuándo ha terminado
Un agente es un bucle: un modelo que decide, herramientas que actúan y un objetivo que indica cuándo parar.
El bucle es la parte que importa. Un chatbot responde a un mensaje y espera. Un flujo de trabajo ejecuta siempre los mismos pasos fijos. Un agente lee la situación, elige una herramienta, mira el resultado y vuelve a decidir, repitiendo hasta que se cumple el objetivo o se agota un presupuesto. Ese punto de decisión en mitad del bucle es toda la diferencia entre un agente y todo lo demás que se vende como tal.
También te ofrece una prueba limpia para tu propio proyecto. Si puedes dibujar cada paso como un diagrama de flujo antes de que se ejecute nada, no necesitas un agente: necesitas un flujo de trabajo, que es el camino tres de más abajo y nada de lo que avergonzarse. Los agentes justifican su complejidad solo cuando el siguiente paso depende de verdad de lo que apareció en el anterior.
Tres formas de crear un agente de IA
El camino que tomes depende menos de la ambición que de quién construye y de qué forma tiene el problema. El directorio de ToolPotion enumera 700 herramientas para crear agentes de IA. El sentido de estos tres caminos es que nunca deberías necesitar evaluar más de un puñado de ellas.
Camino 1: plataformas de agentes sin código
Esta es la ruta para la persona que es dueña del proceso (un responsable de soporte, un jefe de operaciones, un PM) y no para quien escribe el código.
Microsoft Copilot Studio te permite crear agentes que se conectan a los datos de tu negocio, responden a indicaciones en lenguaje natural y se despliegan en las aplicaciones de Microsoft 365 o en un sitio web. Si tu empresa ya funciona sobre Microsoft, es la distancia más corta entre una idea y un agente desplegado: el acceso al modelo, las conexiones de datos y los canales ya están donde trabajan tus colegas. Cuanto más lejos esté tu stack del de Microsoft, menos rentable resulta.
Voiceflow aborda el problema desde el lado conversacional: diseñas flujos de agentes de chat y de voz de forma visual, los lanzas en distintos canales e iteras sobre transcripciones reales. Encaja muy bien con agentes de soporte de cara al cliente. Tiene la forma equivocada si tu agente nunca habla con una persona.
El compromiso compartido en este camino: estás alquilando el bucle. Cuando el agente se porta mal, depurar significa hacer clic por la interfaz de un proveedor en lugar de leer tus propios registros, y cambiarse más adelante a otra plataforma implica reconstruir. Sé honesto también sobre si estás construyendo un agente siquiera: muchos proyectos a este nivel son en realidad chatbots, y si el tuyo es de esos, el directorio de herramientas para crear chatbots es el lugar más específico donde buscar.
Camino 2: frameworks y código, para desarrolladores
Los desarrolladores obtienen más control y más deberes. El bucle lo escribes tú: eliges un modelo, defines cada herramienta como una función, expresas el objetivo en un prompt de sistema y fijas límites estrictos de iteraciones y gasto.
La elección del modelo importa aquí más que en ningún otro sitio. Claude Opus está hecho justo para este trabajo: un modelo de razonamiento diseñado para programación y agentes, con una ventana de contexto de 1 millón de tokens capaz de contener el equivalente a un buzón o un código base entero a lo largo de una tarea de larga duración. La advertencia es la disciplina de costes: un modelo de frontera en cada vuelta del bucle se acumula, así que dirige los pasos baratos (clasificación, formateo) a modelos más pequeños y reserva el grande para las decisiones.
Para una primera construcción, un framework estrecho supera a uno general. Vanna 2.0 es un buen ejemplo: un framework de código abierto para agentes que consultan bases de datos de la empresa en lenguaje llano, con soporte para múltiples proveedores de LLM y bases de datos, más control de acceso y memoria del agente para uso en producción. Si tu primer agente es «responder preguntas a partir de nuestros datos», eso ya es la mayor parte del andamiaje escrito. Como con cualquier framework de código abierto, el despliegue y el mantenimiento corren de tu cuenta.
Más opciones, desde librerías de orquestación hasta arneses de evaluación, viven en el directorio de frameworks de IA.
Camino 3: no necesitas un agente, necesitas un flujo de trabajo
Este es el resultado honesto más habitual de la prueba del diagrama de flujo, y merece tratarse como un camino de verdad y no como un premio de consolación.
Si los pasos son conocidos, una herramienta de flujo de trabajo con un paso de modelo para la parte difusa te da la mayor parte del valor sin nada de la imprevisibilidad del bucle. Zapier construye flujos de trabajo y agentes de IA a través de más de 9.000 aplicaciones, con límites de seguridad y controles de acceso para equipos, aunque su modelo de precios por tarea escuece en cuanto crece el volumen. Make te da un lienzo visual de arrastrar y soltar, más de 3.000 integraciones y un plan gratuito para prototipar. Los escenarios grandes tienen la costumbre de convertirse en un plato de espaguetis sobre ese lienzo. n8n encaja mejor con equipos técnicos (código donde lo necesitas, sin código donde no, y puedes autoalojarlo), pero espera que haya en el equipo alguien a quien no le importe leer JSON.
Un flujo de trabajo con un paso de LLM bien planteado no es un agente de menor categoría. Es la herramienta correcta, terminada antes, y falla de maneras que puedes predecir.
| Camino | Mejor para | Puesta en marcha | El truco |
|---|---|---|---|
| Plataforma de agentes sin código | Dueños del proceso sin ingenieros | Días | Bucle alquilado: depuración opaca, dependencia del proveedor |
| Framework y código | Desarrolladores | Una o dos semanas | Las evaluaciones, la monitorización y el mantenimiento son tuyos |
| Flujo de trabajo más un paso de LLM | Cualquiera con un proceso definido | Horas | No maneja tareas abiertas |
Un ejemplo trabajado: el agente de triaje de bandeja de entrada
Digamos que gestionas una bandeja de entrada de soporte compartida y el objetivo es: cada mensaje entrante se etiqueta por tipo y urgencia, se enruta al responsable adecuado y, cuando es seguro, se responde con un borrador. Así es como se ve eso como agente, sea cual sea el camino por el que lo construyas.
- El objetivo, por escrito. «Haz el triaje de cada mensaje nuevo; detente cuando esté etiquetado, asignado y con un borrador o escalado.» La condición de parada no es adorno: es lo que evita que el bucle se ponga a divagar.
- Las herramientas. Leer el mensaje. Buscar hilos anteriores y el CRM para este remitente. Aplicar una etiqueta. Asignar un responsable. Redactar una respuesta. Fíjate en lo que falta: enviar. Es deliberado.
- El bucle sobre un mensaje. Llega una solicitud de reembolso. El modelo la lee, busca en el historial del cliente, encuentra una suscripción anual y una queja de marzo, la etiqueta como facturación/alta, se la asigna al responsable de facturación, redacta una respuesta que hace referencia a la queja anterior y se detiene.
- Los límites de seguridad. Un tope al número de iteraciones del bucle, un tope de gasto por mensaje y una etiqueta de escalar-a-humano que el agente debe usar siempre que tenga dudas.
Ahora la parte honesta. La mayor parte de este flujo no es un agente. Etiquetar y enrutar es un clasificador más reglas, territorio cómodo para Make o n8n. El bucle solo se gana su sitio en el paso tres, donde los resultados de la búsqueda deciden qué debería decir el borrador. Si esa redacción con conciencia del contexto no te aporta valor, construye la versión de flujo de trabajo y termínalo para el viernes.
Y revisa el lado de comprar antes siquiera de construir. Para una bandeja de entrada personal, Shortwave ya organiza, redacta, busca y programa el correo a partir de indicaciones sencillas. Construir el tuyo propio solo tiene sentido para un buzón compartido con reglas de enrutamiento que ningún producto de estantería podría conocer. Veinte minutos en el directorio de 553 agentes de IA listos para usar es una forma barata de averiguar si tu agente ya existe.
Cuándo se rompe, y cómo lo sabrás
Los agentes fallan con educación. No hay traza de pila cuando el modelo aplica la etiqueta equivocada o redacta un disparate con aplomo: el bucle se completa, informa de éxito, y el daño aflora días después en un hilo de cliente desconcertado.
Por eso la observabilidad es parte de la construcción, no un añadido para más adelante. LangSmith registra una traza de cada paso que da un agente, señala los fallos y hace seguimiento del coste y la latencia, con SDK para Python, TypeScript, Go y Java. Funciona uses o no sus frameworks hermanos. Langfuse es la contraparte de código abierto, que agrupa trazabilidad, gestión de prompts y evaluación, y puedes autoalojarlo. Cualquiera de los dos es otra pieza de infraestructura que hay que ejecutar o pagar. Ejecutar un agente a ciegas cuesta más de forma fiable.
Tu primera semana, entonces, se parece a esto: escribe la frase del objetivo con su condición de parada, enumera las herramientas que el agente puede tocar, haz la prueba del diagrama de flujo y elige el camino que la prueba señale. Construir es la mitad fácil. Ganar suficiente confianza para sacar al humano del bucle es el proyecto.
Preguntas frecuentes
¿Puedo crear un agente de IA sin programar?
Sí. Plataformas como Microsoft Copilot Studio y Voiceflow te permiten definir el objetivo de un agente, sus conexiones de datos y sus canales a través de una interfaz visual. Aun así, sin código no es sin trabajo: sigues teniendo que especificar el objetivo, elegir las herramientas, poner límites de seguridad y revisar transcripciones, así que cuenta con una configuración y unas pruebas que se miden en días.
¿Cuál es la diferencia entre un agente de IA y un chatbot?
Un chatbot responde a un mensaje y espera al siguiente. Un agente trabaja hacia un objetivo invocando herramientas en un bucle, decidiendo por sí mismo su siguiente paso en función de lo que devolvió el paso anterior. Muchos productos que se comercializan como agentes son chatbots con una sola llamada de API pegada. La prueba es si el sistema elige por sí mismo su siguiente acción.
¿Necesito conocimientos de aprendizaje automático para crear un agente de IA?
No. Invocas modelos a través de API o plataformas en lugar de entrenarlos. Una definición clara del proceso, unos prompts decentes y el conocimiento de tus propios datos y herramientas importan mucho más para un primer agente que la teoría de aprendizaje automático.
¿Cuánto se tarda en crear tu primer agente de IA?
Un flujo de trabajo con un paso de LLM puede funcionar el mismo día. Un agente en una plataforma sin código suele llevar días de configuración y pruebas. Un prototipo programado sobre un framework lleva una o dos semanas. La cola larga en todos los casos es la confianza: evaluar la salida y apretar los límites de seguridad antes de retirar la revisión humana suele llevar más tiempo que la propia construcción.