APRENDER
Qué es un agente de IA: definición, tipos y ejemplos en empresas
Todos los proveedores usan la misma palabra para cosas distintas. Esta página define qué es un agente de IA, qué lo separa de un chatbot de reglas y de un asistente generativo, de qué está hecho por dentro y cómo se evalúa uno antes de firmar: la palabra sin definición.
Respuesta corta
Un agente de IA es un software que recibe un objetivo, razona con un modelo de lenguaje sobre el conocimiento de la organización, elige y ejecuta acciones en sistemas conectados y decide cuándo derivar a una persona. Se diferencia de un chatbot de reglas porque ejecuta acciones, y de un asistente generativo porque trabaja hacia un resultado sin instrucciones paso a paso.
Qué es un agente de IA, en definición operativa
La definición clásica dice que un agente es un sistema que percibe su entorno y actúa sobre él para alcanzar un objetivo. Es correcta, pero un termostato también entra en ella.
La definición que sirve en una operación B2B tiene cuatro partes, y las cuatro tienen que estar presentes:
- Objetivo. Recibe un resultado a alcanzar ("conseguir que este cliente tenga su cotización"), no una instrucción de un solo paso.
- Razonamiento sobre conocimiento propio. Interpreta el pedido contra el catálogo, las reglas, los precios y los procedimientos de esa organización, no contra internet.
- Acción sobre sistemas. Lee y escribe en el ERP, el CRM, la agenda, el expediente. La conversación termina con algo hecho.
- Criterio de derivación. Sabe cuándo no le corresponde resolver y pasa el caso a una persona con el contexto completo.
Si falta la tercera, tenés un asistente que redacta. Si falta la cuarta, tenés un riesgo. Objetivo antes que instrucción.
Agente de IA, chatbot de reglas y asistente generativo: la diferencia en la práctica
Un chatbot de reglas falla cuando el cliente escribe "operador" en el tercer mensaje; un asistente generativo, cuando su respuesta suena bien y contradice el precio vigente; un agente de IA, cuando ejecuta una acción que no le correspondía. Por eso en un agente los permisos y el registro de acciones importan más que la redacción. El desarrollo completo está en chatbot o agente de IA.
| Criterio | Chatbot de reglas | Asistente generativo | Agente de IA |
|---|---|---|---|
| Entrada que acepta | Opciones de un menú | Lenguaje natural | Lenguaje natural, audio, imágenes |
| De dónde saca la respuesta | Texto precargado en el flujo | El modelo y lo que tenga en el prompt | Conocimiento de la organización más consulta al sistema en vivo |
| Qué hace con un pedido imprevisto | Repite el menú | Improvisa una respuesta | Pregunta lo que falta o deriva |
| Ejecuta acciones en sistemas | No | No, salvo que alguien lo integre a mano | Sí: crea, actualiza, agenda, cotiza |
| Mantiene contexto entre mensajes | Dentro del flujo | Dentro de la ventana de conversación | Dentro del caso, con historial persistente |
| Sabe cuándo callarse | No aplica | Rara vez | Sí, es una regla explícita |
| Deriva a una persona | Por botón | No por sí mismo | Por criterio escrito y con contexto |
| Qué se puede auditar | El árbol de flujos | El texto generado | Cada acción ejecutada, con quién y cuándo |
Si tu consulta típica se responde con información fija, un chatbot de reglas alcanza y cuesta menos. Si requiere mirar un dato que cambia (stock, precio, estado de un expediente), hace falta un agente. La diferencia es la acción.
La anatomía de un agente de IA: los cinco componentes
Cuando un proveedor dice "agente", pedí que te muestre estas cinco piezas. Si no puede señalar dónde está cada una, lo que te están vendiendo tiene otro nombre.
1. El modelo. El motor de razonamiento y de lenguaje. Es el componente más intercambiable.
2. Las herramientas (tools). Las funciones que el agente puede invocar: consultar stock, crear una oportunidad, reservar un turno, generar un número de reclamo, adjuntar una ficha técnica. Cada herramienta lleva un permiso asociado.
3. La memoria. Dos niveles que suelen confundirse. La memoria de la conversación mantiene el hilo dentro del intercambio. La memoria del caso recuerda que esta persona ya reclamó dos veces por lo mismo y que tiene una cotización abierta.
4. Los guardrails. Las reglas que acotan el comportamiento: qué temas no responde, qué montos no confirma, qué acción no ejecuta sin aprobación, qué hace cuando su confianza es baja. Se escriben antes de producción y se prueban contra conversaciones históricas.
5. El handoff. El criterio explícito de derivación a una persona y el mecanismo que lo hace posible: a quién le llega, con qué contexto, en qué plazo. Sin contexto, el cliente repite todo.
Estos cinco componentes explican por qué dos agentes con el mismo modelo se comportan de forma completamente distinta. El modelo es lo intercambiable.
Tipos de agentes de IA
Hay dos ejes útiles para clasificar, y conviene usarlos juntos.
Por alcance de acción:
- Agente informativo. Responde con conocimiento propio y no escribe en ningún sistema. Riesgo bajo.
- Agente de consulta a sistemas. Lee en vivo del ERP, la agenda o el expediente y responde con el dato real, pero no modifica nada. Riesgo bajo, valor alto.
- Agente transaccional. Escribe: crea la oportunidad, agenda el turno, radica el reclamo, arma la cotización. Acá empiezan a importar los permisos.
- Agente de proceso. Sostiene un caso a lo largo del tiempo: hace seguimiento, reabre, recuerda, cierra. Necesita memoria persistente y una capa de control.
Por autonomía:
- Asistido. Propone y una persona confirma antes de que la acción se ejecute.
- Supervisado. Ejecuta dentro de límites definidos (monto, tipo de caso, horario) y registra todo para revisión posterior.
- Autónomo acotado. Ejecuta sin confirmación dentro de un dominio cerrado y derivable.
La literatura académica clásica clasifica además por arquitectura (reactivos, basados en modelo, en objetivos, en utilidad, de aprendizaje). Esa taxonomía es correcta y no ayuda a comprar: en una operación lo que define el riesgo es qué puede escribir el agente y quién confirma antes. Autonomía por dominio.
Hay un tercer eje que pesa al elegir proveedor: si el agente es horizontal o vertical.
Agentes de IA verticales y horizontales: en qué se diferencian
Un agente de IA vertical está entrenado y conectado para un solo rubro: conoce el catálogo, las reglas y los sistemas de ese sector, y deriva a las personas que corresponden en él. Un agente de IA horizontal resuelve tareas generales para cualquier empresa, como redactar, resumir o responder preguntas frecuentes. IndusBot, CityBot y ConstBot de MoPッ son agentes verticales para industria, municipios y materiales de construcción.
| Dimensión | Agente horizontal | Agente vertical |
|---|---|---|
| Para qué sirve | Tareas generales que se repiten en cualquier empresa | Los procesos de un rubro: cotizar repuestos, registrar reclamos, presupuestar una obra |
| Qué sabe | Conocimiento general y los documentos que le cargues | Catálogo, reglas y vocabulario del rubro, más los datos de tu organización |
| Con qué sistemas se conecta | Correo, documentos, calendario | Sistemas del rubro: ERP con stock y precios, gestión de reclamos, stock por sucursal |
| Quién lo configura | Cada usuario, con instrucciones | El proveedor con tu equipo, durante el diseño |
| Ejemplo | Un asistente que resume reuniones | Un agente que identifica una pieza por foto y cotiza con el precio del ERP |
Cuando el agente atiende clientes y toca sistemas, el conocimiento del rubro decide si la respuesta es correcta. El rubro cambia la respuesta.
Agentes verticales de MoPッ
Los tres son versiones de SmartBot y trabajan sobre PanelCRM.
| Agente | Rubro | Qué hace | Dónde verlo |
|---|---|---|---|
| IndusBot | Industria y distribuidores de maquinaria | Responde con la ficha técnica, consulta stock y precio en el ERP, cotiza en forma preliminar y deriva al vendedor | Ver agentes para industria |
| CityBot | Municipios | Clasifica pedidos en texto, audio o foto, genera reclamos o turnos con número y avisa cuando cambia el estado | Ver agentes para municipios |
| ConstBot | Materiales de construcción y corralones | Calcula por m² y m³, confirma stock y precio por sucursal y arma el presupuesto | Ver agentes para construcción |
Ejemplos de agentes de IA en operaciones B2B
Un ejemplo que vale toca un sistema y deja un resultado auditable. Este lo opera MoPッ con SmartBot.
Cotización técnica en distribución industrial. Entra un audio de WhatsApp de un jefe de compras pidiendo repuestos por descripción, sin código. El agente transcribe, identifica la pieza contra el catálogo, consulta stock y precio vigente en el ERP, arma la cotización y la envía. Si el cliente negocia o el monto supera el umbral, pasa a un vendedor con la cotización armada.
El patrón se repite en los agentes verticales de la tabla anterior: canal que la persona ya usa, consulta a un sistema real, acción registrada y criterio escrito de derivación. Termina con algo hecho.
Riesgos de seguridad propios de un agente de IA
Un agente de IA tiene riesgos que un chatbot de reglas no tiene, por dos motivos: ejecuta acciones en sistemas y lee contenido que no controla, como el mensaje, el audio, la foto o el documento que manda un cliente. OWASP, referencia en seguridad de aplicaciones, publicó en diciembre de 2025 un Top 10 específico para aplicaciones con agentes. Para quien atiende clientes por WhatsApp, importan tres.
Que lo desvíen de su objetivo
Un texto, un audio, una imagen o un PDF pueden traer instrucciones escondidas que intentan cambiar lo que hace el agente. Esa técnica se llama prompt injection: meter instrucciones dentro del contenido que el agente procesa. En un distribuidor industrial, un mensaje puede pedirle al agente que ignore la lista de precios y confirme un descuento que nadie aprobó.
Control: limitá lo que el agente puede hacer sin una persona, para que un desvío nunca termine en una acción.
Que use mal sus herramientas o permisos
Cada herramienta de un agente es una acción posible: cambiar un estado, crear un pedido, enviar un documento. Si el agente tiene más permisos de los que su tarea necesita, un error o una manipulación se convierte en una acción real sobre tus sistemas. En un municipio, un mensaje podría intentar que el agente marque como resuelto un reclamo que sigue abierto.
Control: dale a cada herramienta el permiso mínimo, pedí aprobación humana para lo sensible y registrá cada acción.
Que muestre datos que no corresponde
Un agente que consulta el ERP o el CRM tiene acceso a datos de muchos clientes. Si identifica a quien escribe por lo que esa persona dice, alguien puede hacerse pasar por otro cliente y pedir su historial o su lista de precios. En un corralón, eso significa entregar las condiciones de una constructora a otra empresa.
Control: tomá la identidad del cliente de la sesión y de una consulta al sistema, nunca de lo que escribe en el chat.
Ningún diseño garantiza resistir todo intento de manipulación; importa qué puede hacer el agente después de uno. Cómo aplica MoPッ estos controles está en seguridad y datos en SmartBot y PanelCRM. El permiso define el riesgo.
Cómo evaluar un agente de IA antes de comprarlo
Ocho preguntas que separan una demo de una operación.
- Mostrame la lista de acciones que puede ejecutar. Sin lista, no hay herramientas definidas.
- ¿Qué pasa cuando no sabe? Tiene que preguntar, derivar o decir que no tiene el dato.
- ¿Contra qué se prueba antes de producción? Contra tus conversaciones históricas.
- ¿Dónde se ven las acciones ejecutadas? En un registro por caso: qué hizo, cuándo y con qué dato.
- ¿Cómo se escribe un guardrail nuevo? Si requiere un desarrollo de semanas, el sistema no es gobernable por tu equipo.
- ¿Cuál es el criterio de derivación y quién lo define? Lo define tu organización, por escrito.
- ¿Qué se mide? Tiempo a primera respuesta, casos resueltos, derivados y plazos, contra la línea base de tu operación.
- ¿Qué puede hacer sin una persona y qué queda registrado? Una lista corta, con aprobación humana para lo sensible. Los motivos están en riesgos de seguridad propios de un agente de IA.
Una demo bien preparada aprueba las ocho con conversaciones inventadas. Traé tres casos reales tuyos, incluido uno que haya salido mal. Traé el caso feo.
Cuándo un agente de IA no es la respuesta
Un agente de IA no corresponde si tu consulta típica se resuelve con una página de preguntas frecuentes y un formulario, porque vas a pagar razonamiento para entregar texto fijo. Tampoco si no existe ningún sistema con el dato que el agente debería consultar: sin eso, el proyecto se convierte en redacción automática. Tampoco si nadie va a mantener el conocimiento que lo alimenta.
Y no corresponde si el objetivo es eliminar al equipo. El trabajo repetitivo se va; el criterio se queda, y alguien lo tiene que ejercer. Alguien tiene que decidir.
Referencia
La tabla que te podés llevar
| Componente | Qué es | Qué preguntar al proveedor | Qué pasa si falta |
|---|---|---|---|
| Modelo | El motor de razonamiento y lenguaje | Cuál usa, si está declarado, cómo se cambia | Dependencia opaca de un proveedor |
| Herramientas | Las acciones que puede ejecutar en sistemas | La lista completa, una por una | Conversa pero no resuelve |
| Memoria | Contexto de la conversación y del caso | Qué recuerda entre conversaciones y dónde se guarda | El cliente repite todo cada vez |
| Guardrails | Reglas de qué no hace y qué no confirma | Cómo se escriben y quién las aprueba | Respuestas inventadas y acciones indebidas |
| Handoff | El criterio y el mecanismo de derivación | Quién lo define, a quién le llega, con qué contexto | Casos sensibles resueltos por software |
Dónde entra MoPッ
De la teoría a tu operación
En MoPッ el agente se llama SmartBot y los cinco componentes están separados a propósito. Las herramientas son la lista de acciones que SmartBot puede ejecutar sobre tu ERP, tu agenda o tu sistema de expedientes, y cada una lleva un permiso. Los guardrails y el criterio de derivación se escriben con tu equipo en la semana de diseño y se prueban contra tu histórico antes de salir a producción. La memoria del caso y el registro de cada acción viven en PanelCRM, donde un supervisor ve qué hizo el agente, con qué dato y qué derivó. La persona entra cuando se cumple un criterio escrito y siempre que el cliente lo pida. El criterio queda escrito.
Preguntas
Lo que preguntan antes de decidir
Un agente de IA es un software que recibe un objetivo, razona sobre el conocimiento de una organización, ejecuta acciones en sus sistemas y deriva a una persona cuando corresponde. Sirve para cerrar tareas completas en el canal donde la persona ya está: armar una cotización con el precio vigente, agendar un turno con cupo real, registrar un reclamo con número y hacerle seguimiento.
Relacionado: Cotizaciones automatizadas
Los tipos de agentes de IA se ordenan en dos ejes. Por alcance de acción hay cuatro: informativo (responde), de consulta a sistemas (lee el dato en vivo), transaccional (escribe: crea, agenda, cotiza) y de proceso (sostiene el caso en el tiempo). Por autonomía hay tres: asistido (una persona confirma), supervisado (ejecuta dentro de límites y queda registrado) y autónomo acotado (ejecuta solo dentro de un dominio cerrado).
No. Absorbe lo repetitivo y de bajo criterio, y entrega a las personas los casos que requieren decidir, con el contexto ya armado. En toda implementación seria hay un criterio escrito de derivación (negociación, riesgo legal o de seguridad, baja confianza del sistema, pedido explícito de la persona) y el equipo es quien lo define.
Relacionado: Dónde entra la persona
Un agente de IA tiene tres riesgos de seguridad propios, porque ejecuta acciones y lee contenido que no controla: que lo desvíen de su objetivo con instrucciones escondidas en un mensaje, audio, imagen o documento; que use mal sus herramientas o permisos; y que muestre datos de otro cliente. Los controles son limitar lo que hace sin una persona, tomar la identidad de la sesión y registrar cada acción.
Relacionado: Implementación y seguridad
Sí, se puede intentar engañar a un agente de IA que atiende clientes con textos, audios, imágenes o documentos que traen instrucciones escondidas. Ningún diseño garantiza que esos intentos fallen siempre, así que lo importante es qué puede hacer el agente después: las acciones sensibles, como un descuento, un reembolso o un cambio de estado, tienen que pasar por una persona.
Un agente de IA puede mostrar datos de otro cliente si identifica a quien escribe por lo que esa persona dice en el chat. Para evitarlo, la identidad tiene que salir de la sesión, como el número desde el que escribe, y de una consulta al sistema, y el agente tiene que poder leer solo la ficha de ese cliente.
Un agente de IA vertical es un agente entrenado y conectado para un solo rubro: conoce su catálogo, sus reglas y su vocabulario, se conecta a los sistemas de ese sector y deriva a las personas que corresponden. IndusBot para industria, CityBot para municipios y ConstBot para materiales de construcción son los agentes verticales de MoPッ, todos construidos sobre SmartBot.
Relacionado: Soluciones para municipios · Soluciones para construcción
La diferencia entre un agente de IA vertical y uno horizontal está en el conocimiento y los sistemas. El horizontal resuelve tareas generales para cualquier empresa, como redactar o resumir, con conocimiento general. El vertical conoce el catálogo y las reglas de un rubro, se conecta a sus sistemas, como el ERP o la gestión de reclamos, y aplica reglas de derivación propias del sector.
Relacionado: Integraciones y datos