TRES CATEGORÍAS
Chatbot, asistente de IA y agente de IA: qué cambia y cuándo conviene migrar
Un chatbot de reglas sigue un árbol. Un asistente de IA redacta con un modelo de lenguaje. Un agente de IA ejecuta acciones en tus sistemas y decide cuándo deriva. Acá está la línea que las separa y las cinco señales de que tu bot actual ya no alcanza.
Respuesta corta
Son tres categorías, no dos. Un chatbot de reglas recorre un árbol de opciones definido a mano. Un asistente de IA redacta respuestas con un modelo de lenguaje sobre documentos cargados. Un agente de IA además ejecuta acciones en sistemas conectados, consultar stock, crear una cotización, abrir un reclamo, y decide por regla cuándo transferir a una persona. La línea que las separa es la acción, no la calidad del texto.
La distinción en una sola prueba
Esta página no explica qué es un agente de IA. Esa definición, con tipos y ejemplos, está completa en qué es un agente de IA. Acá importa una sola cosa: cómo distinguir las tres categorías en una demo de treinta minutos.
La prueba es una pregunta de cliente real: "¿tenés el modelo X en stock y a cuánto?".
- Un chatbot de reglas te ofrece un menú. Catálogo, horarios, hablar con un asesor. Si tu pregunta no está en el árbol, el árbol no la tiene.
- Un asistente de IA te responde con lo que dice el documento cargado. Redacta bien, cita la ficha técnica, y llegado el precio te dice que consultes con un asesor, porque el precio no está en ningún documento: está en un sistema.
- Un agente de IA consulta el stock de esa referencia, lee la lista de precios que le corresponde a ese cliente, arma la cotización preliminar y te la manda. Si pedís descuento, deriva al vendedor con todo el contexto, porque esa es la regla escrita.
La diferencia no está en la interfaz ni en lo bien que redacta. Está en la acción.
Por qué la tercera categoría suele quedar afuera
La mayoría del material del sector compara dos cosas y salta el medio. El problema es que el medio es donde está hoy casi todo el mundo: muchas empresas que creen tener un agente tienen un asistente de IA bien hecho, que responde muy bien y no ejecuta nada.
Se detecta rápido. Preguntate qué pasa después de la mejor respuesta que da tu bot. Si después de esa respuesta siempre tiene que actuar una persona para que algo ocurra en un sistema, es un asistente. Si algo ocurre solo y queda registrado con quién lo autorizó, es un agente.
La distinción importa por una razón comercial, no académica. Las tres categorías se venden con el mismo vocabulario y con demos que se parecen, y el precio cambia mucho entre ellas. Saber cuál te están ofreciendo es lo que evita pagar precio de agente por un asistente, o esperar de un asistente algo que nunca va a poder hacer. Mismo vocabulario, distinto precio.
Las cinco señales de que tu chatbot de reglas ya no alcanza
Si tenés un bot de reglas andando, no lo cambies por novedad. Cambialo cuando aparezcan estas señales, y cuantas más aparezcan juntas, más clara es la decisión.
1. El porcentaje de "no entendí" no baja aunque agregues nodos. Cada rama nueva cubre un caso y deja dos afuera. Cuando agregar reglas deja de mover el número, el problema es el modelo, no el árbol.
2. Mantener los flujos es un trabajo de alguien. Si hay una persona cuya tarea recurrente es actualizar el árbol cada vez que cambia una promoción, ya estás pagando el costo de un sistema más capaz sin tener sus beneficios.
3. Las preguntas que importan necesitan un dato vivo. Stock, precio del día, estado de un pedido, número de expediente. Un árbol puede mostrar texto guardado. No puede mirar tu sistema.
4. La derivación es la salida por defecto. Si el bot deriva porque no entiende y no porque una regla de negocio lo indica, no tenés criterio de handoff: tenés una válvula de escape, y tu equipo recibe el desborde.
5. Nadie puede auditar lo que se prometió. Cuando alguien pregunta qué precio se le pasó a ese cliente y quién lo autorizó, el historial de mensajes no alcanza. Hace falta registro de acciones.
Dos señales son ruido. Cuatro o cinco juntas significan que el árbol llegó a su techo. El árbol tiene techo.
Cuándo un chatbot de reglas sigue siendo la respuesta correcta
Con la misma honestidad. Un bot de reglas conviene si tu operación tiene pocas consultas repetidas y siempre iguales, si no hay ningún sistema que consultar, si el volumen es bajo y una persona puede cubrir lo que el árbol no cubre, o si necesitás determinismo absoluto por una razón regulatoria: en un árbol sabés exactamente qué va a responder, siempre.
También conviene si recién arrancás. Un árbol bien armado en un canal es la forma más barata de descubrir qué preguntan de verdad tus clientes, y ese aprendizaje es el insumo del sistema que venga después. Nada de lo que aprendas ahí se pierde en una migración: las preguntas reales de tus clientes son el activo, y el árbol es solo el primer envase. El árbol es un envase.
Referencia
La tabla que te podés llevar
| Chatbot de reglas | Asistente de IA | Agente de IA | |
|---|---|---|---|
| Cómo responde | Árbol de opciones definido a mano | Modelo de lenguaje sobre documentos cargados | Modelo de lenguaje más consulta a sistemas en vivo |
| "¿Tenés el modelo X y a cuánto?" | Ofrece el menú de catálogo | Cita la ficha técnica y deriva por el precio | Consulta stock y precio, arma la cotización |
| Ejecuta acciones | No | No | Sí, las que estén autorizadas |
| Qué pasa con lo imprevisto | No lo tiene en el árbol | Improvisa una respuesta | Aplica la regla: responde o deriva |
| Cuándo entra una persona | Cuando el árbol se acaba | Cuando hay que hacer algo en un sistema | Cuando la regla de negocio lo indica |
| Qué queda registrado | Mensajes | Mensajes | Mensajes, acción ejecutada y quién la autorizó |
| Costo de mantenimiento | Actualizar el árbol a mano | Mantener los documentos | Mantener conocimiento, integraciones y evaluaciones |
| Conviene si | Pocas consultas fijas, sin sistemas que consultar | Mucha documentación, ninguna acción que ejecutar | La respuesta correcta depende de un dato vivo |
Dónde entra MoPッ
De la teoría a tu operación
SmartBot es un agente en el sentido de la tercera columna: responde con el catálogo, las fichas técnicas y las reglas de precio de la empresa, consulta stock y precio vigente en el ERP, arma la cotización preliminar y abre casos con número de seguimiento. PanelCRM es donde se define y se audita todo lo demás: qué acciones puede ejecutar el agente, cuáles necesitan aprobación, qué se registra y cuándo entra una persona. Las reglas de derivación habituales en equipos comerciales son pedido de descuento, monto por encima de cierto valor, cuenta estratégica, reclamo, y pedido explícito del cliente de hablar con alguien. Apache opera un SmartBot industrial sobre PanelCRM. La regla, no el desborde.
Preguntas
Lo que preguntan antes de decidir
Un chatbot recorre un árbol de opciones definido a mano y responde con texto guardado. Un agente de IA entiende el pedido, decide qué acción ejecutar en los sistemas conectados, la ejecuta y transfiere a una persona cuando la regla lo indica. La diferencia práctica se ve en una sola prueba: después de la respuesta, ¿ocurrió algo en un sistema, o alguien tiene que hacerlo a mano?
Relacionado: Qué es un agente de IA
No. Un asistente de IA redacta respuestas con un modelo de lenguaje sobre documentos cargados, y es muy bueno explicando. Un agente además ejecuta acciones en sistemas y decide cuándo derivar. Muchas empresas que creen tener un agente tienen en realidad un asistente bien hecho: se detecta preguntando qué pasa después de la mejor respuesta que da.
Relacionado: Dónde entra la persona
Un chatbot con IA generativa todavía no llega a agente. Usar un modelo de lenguaje mejora cómo redacta y cuánto entiende, pero no le da acceso a tu stock ni a tu lista de precios. Si el bot mejoró el texto y sigue derivando cada vez que hay que hacer algo concreto, cambió de asistente y no de categoría. Lo define qué puede ejecutar.
Casi nunca conviene tirarlo entero. El árbol suele cubrir bien las consultas repetidas y eso ya está probado con tus clientes. Lo habitual es conservar esa cobertura y agregar encima la capa que consulta sistemas y ejecuta acciones, con una regla clara de qué atiende cada uno. Lo que sí hay que rehacer desde cero es el criterio de derivación, porque el de un bot de reglas suele ser "no entendí".
Para evaluar la migración, tomá veinte conversaciones reales de tu bot actual, incluidas las que terminaron mal, y clasificá cada una en tres grupos: la resolvió el árbol, la habría resuelto un asistente con tus documentos, o hacía falta consultar un sistema. La proporción de la tercera categoría es tu respuesta. Si es baja, quedate donde estás.