- \n
- Un agente de IA es m\u00e1s que un chatbot: recibe una tarea, trabaja de forma aut\u00f3noma y usa para ello memoria (memory) y herramientas (tools) para acceder a sistemas como el CRM o el ERP.<\/li>\n
- Los agentes ya est\u00e1n realmente en uso, pero son m\u00e1s lentos y m\u00e1s propensos a fallar de lo que sugiere el hype. Estamos en la fase de probar, no en la de automatizar departamentos enteros.<\/li>\n
- Empezar bien significa elegir casos de uso sencillos con poca exigencia de precisi\u00f3n, no procesos altamente cr\u00edticos como los formularios fiscales.<\/li>\n
- Hay m\u00e1s personas dentro del proceso (“human in the loop”) de lo que muchos esperan. El control y la trazabilidad son centrales.<\/li>\n
- Solo alrededor del 15 por ciento de las empresas encuestadas tiene agentes en uso productivo: quien empiece ahora est\u00e1 entre los que se mueven pronto.<\/li>\n<\/ul>\n<\/div>\n
![\"Comparaci\u00f3n](\"https:\/\/pletzenauer.com\/wp-content\/uploads\/2026\/06\/1493-1.png\")
Recomendaci\u00f3n de Joe Mora, CEO de crewAI: empezar por lo sencillo y escalar desde ah\u00ed.<\/figcaption><\/figure>\n Qu\u00e9 es realmente un agente de IA<\/h2>\n
Los grandes modelos de lenguaje, como los que hay detr\u00e1s de ChatGPT o Claude, son en esencia muy buenos prediciendo la siguiente palabra y generando contenido. Escriben un correo, lo hacen m\u00e1s informal si se les pide e incluso pueden elegir entre dos variantes con una justificaci\u00f3n: una especie de valoraci\u00f3n rudimentaria.<\/p>\n
Un agente aprovecha justamente esa capacidad para razonar un problema por su cuenta. La diferencia con el chat: usted le da una tarea al agente y puede salir de la habitaci\u00f3n. \u00c9l intenta entonces alcanzar un objetivo de forma aut\u00f3noma a lo largo de varios pasos. Mora lo resume as\u00ed: un agente necesita agency<\/strong>, es decir, capacidad de actuar.<\/p>\n
Para ello son t\u00edpicos dos componentes:<\/p>\n
- \n
- Memory (memoria):<\/strong> para que el agente retenga informaci\u00f3n a lo largo de los distintos pasos, a corto y a largo plazo.<\/li>\n
- Tools (herramientas):<\/strong> interfaces con otros sistemas como CRM, ERP o servicios de documentaci\u00f3n, para que el agente pueda actuar en su nombre.<\/li>\n<\/ul>\n
La prueba de realidad: lento, pero \u00fatil en segundo plano<\/h2>\n
Sirve de ejemplo el “Operator” de OpenAI, disponible en la variante ChatGPT Pro por unos 200 d\u00f3lares estadounidenses al mes. El agente maneja un navegador y puede buscar, por ejemplo, hoteles, vuelos o restaurantes. El veredicto en la conversaci\u00f3n es sobrio: Operator es lento y a veces engorroso, se estima que unas diez veces m\u00e1s lento que una persona en la misma tarea.<\/p>\n
El punto decisivo: en tareas que pueden correr en segundo plano, la lentitud apenas importa. Mora describe c\u00f3mo usa agentes para sus publicaciones en redes sociales: introducir la idea, ir a por un caf\u00e9, seguir trabajando, y el borrador est\u00e1 listo cuando vuelve. As\u00ed saca adelante con regularidad algo que de otro modo dejar\u00eda de lado por falta de tiempo.<\/p>\n
Idea central:<\/strong> la latencia no es cr\u00edtica cuando un peque\u00f1o “ej\u00e9rcito” de agentes va despachando tareas en segundo plano mientras usted se dedica a lo m\u00e1s importante.<\/p><\/blockquote>\n
Confianza y control: por qu\u00e9 la persona debe seguir siendo visible<\/h2>\n
Una cuesti\u00f3n central de los agentes aut\u00f3nomos es la l\u00f3gica de uso: \u00bfdebe el agente limitarse a informar de una reserva de restaurante como “hecha”, o debe poderse observar su trabajo? Operator apuesta por dejar que el agente trabaje a la vista y permitir intervenir en cualquier momento.<\/p>\n
Hay dos motivos: seguridad y confianza. Se ve lo que ocurre y se puede corregir. Un ejemplo de advertencia que aparece en la conversaci\u00f3n: un agente de correo temprano solo deb\u00eda crear borradores, pero empez\u00f3 a enviar por su cuenta mensajes en parte curiosos. Sobre todo en las empresas vale la regla: quien automatiza un proceso cr\u00edtico quiere poder visualizarlo, controlarlo y revisarlo despu\u00e9s.<\/p>\n
Empezar bien: primero la baja precisi\u00f3n<\/h2>\n
La recomendaci\u00f3n probablemente m\u00e1s pr\u00e1ctica se refiere a la elecci\u00f3n de los primeros casos de uso. Mora distingue entre exigencia de precisi\u00f3n baja y alta:<\/p>\n
- \n
- Precisi\u00f3n baja (basta con un 90 por ciento de acierto aproximadamente):<\/strong> por ejemplo, un agente que, a partir de transcripciones de conversaciones o de datos del CRM, elabora borradores de presentaciones comerciales. Aqu\u00ed los errores son asumibles y f\u00e1ciles de corregir.<\/li>\n
- Precisi\u00f3n alta (hace falta un 99,99 por ciento):<\/strong> por ejemplo, rellenar formularios fiscales o administrativos. Mora menciona formularios de m\u00e1s de 70 p\u00e1ginas y manuales de 620 p\u00e1ginas: aqu\u00ed no puede fallar nada.<\/li>\n<\/ul>\n
El mensaje es claro: no empiece por la precisi\u00f3n alta, o se quemar\u00e1 los dedos.<\/strong> Empiece por lo sencillo y escale desde ah\u00ed.<\/p>\n
Cuatro pautas para empezar<\/h3>\n
- \n
- Adoptar pronto:<\/strong> tome ventaja en lugar de esperar.<\/li>\n
- No esperar a los casos de uso ajenos:<\/strong> no mire lo que hace el grupo X; encuentre su propio punto de partida sencillo.<\/li>\n
- Empezar por lo sencillo:<\/strong> descomponga un puesto en tareas concretas y qu\u00e9dese con las de baja exigencia de precisi\u00f3n.<\/li>\n
- Ampliar hacia “low risk, high impact”:<\/strong> extienda paso a paso a casos de bajo riesgo y alto beneficio.<\/li>\n<\/ul>\n
Un consejo pr\u00e1ctico de la conversaci\u00f3n: tome un puesto concreto, por ejemplo el de un comercial (BDR), y haga que le repartan las tareas entre precisi\u00f3n baja y alta. Precisamente las tareas de baja precisi\u00f3n son campos de experimentaci\u00f3n ideales. Para construir hay hoy varios caminos: plataformas no-code para usuarios menos t\u00e9cnicos y tambi\u00e9n frameworks para desarrolladores que programan agentes en Python.<\/p>\n
C\u00f3mo usan bien los agentes las empresas<\/h2>\n
El enfoque equivocado es construir agentes como copia 1:1 de un puesto humano. Da mejor resultado automatizar microtareas concretas, de modo que las personas queden libres para lo m\u00e1s importante: una especie de ascenso. La responsabilidad del resultado final sigue siendo de la persona; el agente asume el trabajo previo.<\/p>\n
Un ejemplo de la pr\u00e1ctica: una empresa de telecomunicaciones automatiza el an\u00e1lisis de contratos. Antes de que un contrato llegue al departamento jur\u00eddico, los agentes ya aportan recomendaciones y cambios marcados (“red lines”). As\u00ed se pueden escalar cosas que antes resultaban demasiado caras.<\/p>\n
En cuanto a su anclaje dentro de la empresa se dibuja un patr\u00f3n: se pasa de empleados sueltos que usan ChatGPT a escondidas, revelando quiz\u00e1 datos sensibles y encerrando el conocimiento en silos, a una direcci\u00f3n centralizada, a menudo bajo el CIO, el CTO o un Head of AI. Eso da control sobre qu\u00e9 modelos se utilizan y c\u00f3mo se tratan los datos personales. El valor realmente grande lo obtienen los equipos t\u00e9cnicos, porque las automatizaciones complejas deben integrarse a fondo en datos no estructurados y en los sistemas propios.<\/p>\n
Casos de uso concretos en marketing y ventas<\/h2>\n
Tres ejemplos de la conversaci\u00f3n muestran para qu\u00e9 sirven hoy los agentes:<\/p>\n
- \n
- Enriquecimiento de leads con hip\u00f3tesis:<\/strong> cuando alguien se registra por primera vez en un sitio web, los agentes investigan a la persona y a la empresa. Adem\u00e1s formulan hip\u00f3tesis sobre c\u00f3mo esa persona podr\u00eda usar el producto, estructuran el resultado como JSON y lo vuelcan en HubSpot y en la base de datos de producto. Resultado: correos hiperpersonalizados y demostraciones de producto ajustadas.<\/li>\n
- Preparaci\u00f3n comercial:<\/strong> los agentes investigan a los clientes de antemano, por ejemplo mediante herramientas de b\u00fasqueda como Sonar de Perplexity. As\u00ed el comercial no se prepara necesariamente m\u00e1s r\u00e1pido, pero s\u00ed mejor en amplitud, y puede atender m\u00e1s citas. Tambi\u00e9n resulta atractiva la idea de replicar la forma de trabajar del mejor comercial, de modo que todos lleguen preparados a ese nivel.<\/li>\n
- Optimizaci\u00f3n de SEO y conversi\u00f3n:<\/strong> los agentes hacen capturas de pantalla del propio sitio web, analizan textos y competidores y derivan de ah\u00ed hip\u00f3tesis sobre qu\u00e9 se podr\u00eda cambiar. La aportaci\u00f3n humana se mantiene m\u00ednima: el propio sitio web, una descripci\u00f3n del sector y el objetivo de optimizaci\u00f3n. El resto lo hacen los agentes, que entregan propuestas de test A\/B.<\/li>\n<\/ul>\n
D\u00f3nde se separan expectativa y tecnolog\u00eda<\/h2>\n
Seg\u00fan Mora, el mayor desajuste entre hype y realidad est\u00e1 en dos puntos:<\/p>\n
- \n
- M\u00e1s persona en el proceso de lo que se piensa:<\/strong> justo ahora hace falta bastante m\u00e1s “human in the loop”. La automatizaci\u00f3n completa de extremo a extremo, sobre todo en procesos de alta precisi\u00f3n, todav\u00eda no est\u00e1 lista. Los agentes a\u00fan fallan a menudo a mitad de camino.<\/li>\n
- La integraci\u00f3n cuesta m\u00e1s de lo esperado:<\/strong> en las empresas hay mucho “pegamento” entre sistemas. Para que los agentes puedan recorrer esos caminos hacen falta c\u00f3digo claro e instrucciones claras. No es casualidad que el sector empiece por el navegador: ah\u00ed existe una interfaz com\u00fan. Muchas empresas, sin embargo, usan software de escritorio que ni siquiera est\u00e1 en l\u00ednea.<\/li>\n<\/ul>\n
Llama la atenci\u00f3n la cifra de adopci\u00f3n: de unas 4.000 a 4.500 personas encuestadas, solo alrededor del 15 por ciento ten\u00eda agentes en uso productivo; en las grandes empresas, en torno al 23 por ciento. Como esas personas encuestadas ya son de por s\u00ed afines a la tecnolog\u00eda, la cifra en el conjunto de la econom\u00eda ser\u00e1 probablemente menor. El mensaje para quienes deciden: es muy pronto, y quien empiece ahora sigue estando entre los que se mueven r\u00e1pido.<\/p>\n
Los agentes como futuro criterio de contrataci\u00f3n<\/h2>\n
Una perspectiva que hace levantar la vista: el CEO de Microsoft, Satya Nadella, plante\u00f3 que en el futuro se podr\u00eda contratar a las personas tambi\u00e9n por los agentes que se hayan construido, y no solo por certificados y experiencia laboral previa. Mora est\u00e1 de acuerdo, menos por los agentes en s\u00ed que porque dicen algo sobre la persona. En crewAI, los candidatos pueden usar expresamente todas las herramientas de IA en la entrevista de ingenier\u00eda; quien no lo hace, suspende. Lo bien que alguien maneje esas herramientas pesa de forma decisiva en la decisi\u00f3n de contrataci\u00f3n.<\/p>\n
Conclusi\u00f3n<\/h2>\n
Estamos en la fase en la que muchas empresas prueban agentes y los llevan a producci\u00f3n, pero no en la fase en la que los agentes asumen la plantilla. La realidad sobria: hoy los agentes son a menudo m\u00e1s lentos que las personas, necesitan supervisi\u00f3n y todav\u00eda fallan con regularidad. Su valor se despliega en tareas de segundo plano, en microtareas dentro de un puesto y all\u00ed donde los errores son asumibles. Para quienes deciden en pymes esto significa: empezar peque\u00f1o y sencillo, comenzar por baja exigencia de precisi\u00f3n, mantener a la persona visible en el bucle y ampliar paso a paso hacia casos de bajo riesgo y alto impacto. Quien procede as\u00ed acumula hoy experiencia pr\u00e1ctica, sin caer en el hype.<\/p>\n
- La integraci\u00f3n cuesta m\u00e1s de lo esperado:<\/strong> en las empresas hay mucho “pegamento” entre sistemas. Para que los agentes puedan recorrer esos caminos hacen falta c\u00f3digo claro e instrucciones claras. No es casualidad que el sector empiece por el navegador: ah\u00ed existe una interfaz com\u00fan. Muchas empresas, sin embargo, usan software de escritorio que ni siquiera est\u00e1 en l\u00ednea.<\/li>\n<\/ul>\n
- Preparaci\u00f3n comercial:<\/strong> los agentes investigan a los clientes de antemano, por ejemplo mediante herramientas de b\u00fasqueda como Sonar de Perplexity. As\u00ed el comercial no se prepara necesariamente m\u00e1s r\u00e1pido, pero s\u00ed mejor en amplitud, y puede atender m\u00e1s citas. Tambi\u00e9n resulta atractiva la idea de replicar la forma de trabajar del mejor comercial, de modo que todos lleguen preparados a ese nivel.<\/li>\n
- No esperar a los casos de uso ajenos:<\/strong> no mire lo que hace el grupo X; encuentre su propio punto de partida sencillo.<\/li>\n
- Precisi\u00f3n alta (hace falta un 99,99 por ciento):<\/strong> por ejemplo, rellenar formularios fiscales o administrativos. Mora menciona formularios de m\u00e1s de 70 p\u00e1ginas y manuales de 620 p\u00e1ginas: aqu\u00ed no puede fallar nada.<\/li>\n<\/ul>\n
- Tools (herramientas):<\/strong> interfaces con otros sistemas como CRM, ERP o servicios de documentaci\u00f3n, para que el agente pueda actuar en su nombre.<\/li>\n<\/ul>\n
- Memory (memoria):<\/strong> para que el agente retenga informaci\u00f3n a lo largo de los distintos pasos, a corto y a largo plazo.<\/li>\n