AI Agents en un minuto
Un chatbot puede explicar cómo revisar un catálogo. Un asistente con herramientas puede abrir el archivo. Un agente puede encadenar comprobaciones, investigar datos incompletos y continuar hasta entregar el resultado acordado o encontrar un límite. Los tres pueden aparecer en una ventana de chat; la interfaz no indica por sí sola quién decide los pasos.
AI Agents: una progresión que ayuda a entenderlos
Pregunta → respuesta. Por ejemplo, explicar qué campos necesita una ficha de producto.
Pregunta → buscar, calcular o consultar un archivo. Una herramienta permite realizar una operación concreta.
Objetivo → elegir pasos → utilizar herramientas → comprobar resultados → continuar o detenerse.
Esta clasificación es práctica, no una norma universal para etiquetar productos. Un chatbot también puede utilizar herramientas y una misma aplicación puede resolver algunas tareas con reglas fijas y otras de forma flexible. Lo importante es identificar qué determina el siguiente paso: código predefinido, una nueva instrucción de la persona o una elección del modelo dentro de límites.
Un LLM interpreta lenguaje y puede proponer una acción. Tool Use permite solicitar operaciones mediante funciones disponibles. El software que rodea al modelo valida entradas, comprueba derechos y ejecuta esas solicitudes. El modelo no obtiene acceso automático a la tienda, el correo o la contabilidad. Sin una herramienta conectada, describir una acción sigue siendo solamente texto.
El agente no necesita redactar todo su plan antes de empezar. Puede escoger una primera comprobación, analizar lo que devuelve y ajustar los pasos siguientes. Esa flexibilidad resulta útil cuando la tarea depende de lo que vaya encontrando. Para detectar campos vacíos en una lista fija, en cambio, suelen bastar reglas sencillas sin pedir una nueva decisión al modelo en cada fila.
Tres encargos habituales en una empresa
Primer ejemplo: revisa 400 productos y detecta cuáles tienen datos incompletos. Antes hay que definir qué significa completo: identificador, título, dimensiones, precio o imagen, entre otros campos. Un dato vacío no es igual a un 'no aplicable' explícito. Una medida desconocida tampoco debe inventarse. Además, el sistema debe confirmar que ha obtenido los 400 registros, incluidas las páginas adicionales de resultados.
Las reglas pueden marcar ausencias evidentes. El agente puede investigar casos menos claros, como una descripción que parece corresponder a otra variante o medidas expresadas en unidades incompatibles. El resultado útil es una tabla con identificadores, problemas y evidencia. Preparar esa tabla no autoriza por sí solo a escribir valores nuevos en la tienda.
Segundo ejemplo: analiza las facturas de una carpeta y prepara una tabla. Las herramientas recuperan los archivos autorizados y extraen proveedor, fecha, número e importes. El proceso comprueba sumas y señala duplicados, páginas ilegibles o posibles abonos. Cada fila debe poder relacionarse con su documento. Preparar el análisis es distinto de aprobar pagos o tomar decisiones contables.
Tercer ejemplo: comprueba una condición periódicamente y avisa cuando se cumpla. Esto necesita un programador real, una definición persistente de la tarea y un canal de aviso disponible. Una promesa dentro del chat no crea ejecución en segundo plano. Hay que fijar frecuencia, zona horaria, condición y tratamiento de avisos repetidos. Un fallo al consultar no debe comunicarse como si la condición fuera falsa.
- Delimitar
Definir registros, criterios de éxito, acciones permitidas y condiciones de parada.
- Ejecutar y comprobar
Usar herramientas, revisar resultados y resolver información incompleta o contradictoria.
- Entregar o pedir una decisión
Mostrar el resultado acordado y obtener revisión cuando la siguiente acción la requiera.
El valor del agente está en coordinar el trabajo y manejar variaciones, no en acumular permisos. Los Connectors pueden proporcionar acceso a una aplicación. MCP es una forma de exponer herramientas y contexto. Cuando falta una API adecuada, Computer Use puede permitir una ruta limitada a través de botones y formularios.
Agentes y automatización pueden trabajar juntos
| Pregunta | Automatización fija | Comportamiento de agente |
|---|---|---|
| ¿Quién elige el siguiente paso? | Una regla definida previamente. | Un modelo que selecciona entre operaciones permitidas. |
| ¿Dónde resulta útil? | Tareas repetidas con condiciones claras. | Situaciones variables que requieren interpretación. |
| ¿Qué limita la ejecución? | Código, permisos y condiciones. | Esos controles y límites sobre las acciones elegidas. |
| ¿Qué demuestra la finalización? | Un resultado comprobado en el sistema de destino. | Lo mismo: una explicación convincente no basta. |
Automatización significa reducir la intervención manual en un proceso. No exige utilizar un modelo de lenguaje. Una consulta programada a una base de datos puede funcionar con reglas deterministas. A su vez, un agente puede trabajar únicamente durante una sesión supervisada. Un Agentic Workflow combina comprobaciones fijas con investigación flexible cuando cada enfoque aporta algo al encargo.
La autonomía es una decisión de diseño. Se puede permitir que el agente lea y compare de forma independiente, pero que prepare los cambios para revisión. Los límites pueden afectar a cuentas, carpetas, operaciones, tiempo, coste o intentos. Si no puede alcanzar el objetivo dentro de ellos, debe explicar qué falta para continuar.
AI Memory puede conservar avances entre pasos o sesiones. La Context Window contiene la información disponible para el modelo en una interacción concreta. Ninguna de las dos garantiza que un dato sea correcto o actual. Un precio antiguo o un borrador pendiente no se convierten en hechos confirmados por haber quedado almacenados.
Human-in-the-loop incorpora una decisión humana en el momento adecuado. Antes de una acción importante, muestra el cambio concreto, la fuente y las consecuencias. La aprobación debe corresponder a la versión revisada: si la propuesta cambia de forma sustancial, el acuerdo anterior no debe cubrir automáticamente la nueva acción.
Para SEO Bureau Eindhoven, el objetivo es preparar mejor el trabajo y comprobarlo con más consistencia, manteniendo el criterio profesional. Evalúa el sistema por tareas terminadas y verificadas, excepciones bien gestionadas y correcciones necesarias. Una larga lista de llamadas a herramientas no sustituye al resultado que la empresa necesita.