Qué son los agentes de IA (y por qué no son lo mismo que un chatbot)

Un agente de IA no te responde. Termina el trabajo.

Esa es la diferencia que casi nadie explica bien, y por eso hay tanto humo dando vueltas. Un chatbot te contesta una pregunta. Un agente agarra una tarea, decide los pasos, usa las herramientas que tiene a mano y te vuelve con el resultado hecho. La pregunta es tuya. El laburo, de él.

Lo que sigue no es un diccionario. Es lo que entendí armando y corriendo agentes todos los días, escrito para alguien que quiere dejar de ver videos de YouTube sobre el tema y ponerse a usarlos.

Cuando termines de leer vas a poder explicar qué es un agente en una frase, saber cuál te sirve a vos, y arrancar el tuyo hoy si querés. Sin humo y sin curso de trescientos dólares.

ChatGPT te dice cómo se hace una planilla de ventas.

Un agente la arma, la manda por WhatsApp y te avisa si el número del día es raro.

La primera charla. El segundo labura.

Vale la pena quedarse un segundo con esto porque acá se juega todo. Cuando alguien me dice "probé ChatGPT y no me sirvió para nada", casi siempre lo que probó fue un chat. Escribió un mensaje, leyó una respuesta larga, la copió a mano y pensó "esto es todo". Y no. El chat es la punta del ovillo, no el ovillo.

Un agente usa el chat como cerebro, pero le agrega algo que el chat no tiene: manos. Puede escribir en una base de datos, mandar un mail, mover un archivo, leer un calendario, llamar una API. El chat piensa. El agente piensa y hace.

Para entender qué es un agente conviene entender de dónde viene, porque no apareció de la nada.

Antes estaba la automatización clásica. Una regla fija: "si llega un mail con el asunto X, moverlo a la carpeta Y". Eso funcionó durante veinte años y sigue funcionando. El problema es que la regla clásica es tonta: si el mail dice "factura" escrito con una letra cambiada, no lo agarra. Si la situación cambia un poco, la regla se rompe y hay que escribir otra.

Pensalo en un filtro de mail de hace diez años: "mover a spam si el asunto contiene la palabra gratis". El día que un cliente legítimo te escribe "quería agradecerte el trabajo gratis que hiciste", el filtro lo manda a spam sin dudar. Porque no entiende. Solo matchea.

Después llegaron los modelos de lenguaje. Y con ellos apareció la capacidad de entender lo que no está escrito al pie de la letra. Un modelo lee un mail y entiende de qué va aunque esté mal redactado, con faltas, en medio de un hilo de quince mensajes.

El agente junta las dos cosas. Toma la paciencia de la automatización clásica y le suma la comprensión del modelo. El resultado no es magia: es una regla de trabajo que ahora tiene criterio.

¿Y hacia dónde va esto? Mi apuesta es simple: los agentes se van a volver tan comunes como el correo electrónico. Hace veinte años un mail automático era cosa de empresas grandes; hoy lo tiene hasta el kiosco. Acá va a pasar lo mismo. Primero los que arrancan temprano, después todos, y en el medio la gente que entiende qué hace un agente le saca ventaja a la que no. No hace falta ser visionario para verlo. Hace falta arrancar antes.

Todo agente, por más sofisticado que parezca, es un loop de tres pasos que se repite:

Mira. Lee algo. Un mail, un precio, un listado, una base de datos, el resultado de una búsqueda. Todo lo que va a procesar tiene que entrar por acá.

Decide. Piensa qué corresponde hacer con eso. Acá está el criterio. No es un "si A entonces B" fijo: es un razonamiento sobre lo que vio.

Actúa. Escribe, llama una API, manda un mensaje, crea un archivo, actualiza una fila. Hace algo que tiene un efecto en el mundo.

Y vuelve a empezar.

La magia no está en la inteligencia. Está en que el loop no se detiene a preguntarte cada cinco minutos. Le das una regla una vez y la ejecuta todas las veces que haga falta, a la hora que haga falta, sin quejarse ni olvidarse.

Un ejemplo concreto para que no quede abstracto. El agente que vigila precios de la competencia funciona así:

Mira: baja el listado de productos y los precios de hoy. Decide: compara contra lo que había ayer y marca cuáles cambiaron más de un porcentaje que yo le definí. Actúa: me arma un mensaje con lo que cambió, o no me manda nada si no cambió nada.

Tres pasos. Se repite a las siete de la mañana. Todos los días.

Conviene mirar de cerca el paso del medio, porque ahí vive la diferencia entre un agente que sirve y uno que no. Decidir no es aplicar una condición fija. Es evaluar. El agente de precios tiene que decidir si un cambio de dos por ciento es noticia o ruido. Yo le di una regla: marcame solo lo que cambia más de un porcentaje que te defino. Si mañana le cambio ese porcentaje, se adapta solo. No tengo que escribir un bot nuevo.

La confusión más común es pensar que un agente es un bot de esos que responden "oprimí 1 para ventas, 2 para soporte". No es lo mismo, y la diferencia no es de grado sino de tipo.

Un bot de menú hace siempre lo mismo sin importar lo que pase. Está atado a un guion. Si el cliente pregunta algo que no está en el guion, el bot se traba o tira una respuesta genérica y listo.

Un agente puede salirse del guion cuando la situación lo pide. Lee el mensaje, entiende qué quiere la persona, y arma la respuesta o la acción en función de eso. No está programado con todas las respuestas posibles. Está programado con una forma de razonar.

Otra forma de verlo: el bot tiene un mapa. El agente tiene un compás.

El bot necesita que le dibujen cada calle. El agente sabe hacia dónde va y resuelve la ruta en el momento.

Un ejemplo para que se entienda. Llega un mail de un cliente que dice "no me llegó el envío, qué onda". Un bot de menú responde con una lista de opciones genéricas, o directamente no entiende. Un agente lee, ve que es un reclamo sobre un pedido, busca el número de envío en el sistema y arma una respuesta con el estado real. La misma entrada, dos salidas de distinto nivel.

Esto no quiere decir que el agente sea infalible. De hecho falla, y falla feo a veces. Pero falla de una forma distinta: no se traba, se equivoca con criterio. Y eso se corrige con una mejor regla, no con un menú más largo.

Dicho esto, no todo necesita un agente. Si la tarea es siempre idéntica y las opciones son fijas, un bot de menú alcanza y sale más barato. El agente suma cuando la tarea tiene matices. El buen criterio es usar cada herramienta para lo que sirve, no poner un agente donde alcanza un bot.

No todos los agentes son iguales. Los separo en tres cortes que sirven para entender de qué habla la gente cuando dice "agente".

El primer corte es por tamaño de la tarea. Está el agente chico, que hace una sola cosa: revisar precios, clasificar mails, transcribir un audio. Y está el orquestador, que coordina a varios agentes chicos. Uno baja los datos, otro los limpia, otro escribe el resumen, otro lo manda. Cada uno hace una parte y el orquestador los va llamando.

El segundo corte es por autonomía. Está el asistido, que hace el trabajo pero te pregunta antes de los pasos importantes. Y está el autónomo, que ejecuta de punta a punta y te avisa al final. Casi siempre conviene arrancar asistido y soltarle la rienda de a poco, a medida que le vas ganando confianza.

El tercer corte es por dónde vive. Está el agente que corre cuando vos lo invocás, apretando un botón o mandando un mensaje. Y está el que corre solo a una hora fija, todos los días, sin que nadie lo llame. Ese segundo es el que de verdad te cambia la semana, porque no depende de que te acuerdes.

La mayoría de la gente empieza por el agente chico, asistido y a demanda. Está bien: es el camino corto para ver el valor sin armar nada complejo. Después, cuando una tarea te quedó clara y la repetís semana tras semana, la convertís en algo que corre solo.

Dos ejemplos para ubicarte. El agente que revisa precios es chico, autónomo y corre a hora fija. El que me ayuda a armar un plan de la semana es asistido: me muestra el borrador y me pregunta antes de decidir nada. Mismo cerebro, distinta rienda, según cuánto confío en cada tarea.

Un agente se arma con tres piezas. Las tres existen ya, no hay que inventar nada:

Un modelo. Es el cerebro. Puede ser DeepSeek, GPT, Claude, Gemini, el que tengas a mano. Para tareas simples sirve cualquiera. Para tareas largas con muchos pasos conviene un modelo que razone bien, porque se nota la diferencia cuando el agente tiene que decidir en el medio del camino.

La regla práctica que uso: si la tarea es corta y clara, el modelo más barato alcanza. Si tiene varios pasos y decisiones en el medio, paso a uno que razona. No tiene sentido pagar el modelo caro para revisar precios ni usar el barato para armar un plan con diez decisiones encadenadas. Elegí por la tarea, no por la marca.

Herramientas. Es lo que el agente puede tocar: tu mail, tu calendario, una base de datos, WhatsApp, una hoja de cálculo, una API. Sin herramientas el agente solo piensa. Con herramientas, actúa. La parte técnica de "darle una herramienta" hoy es cada vez más simple: hay un estándar que se llama MCP que es básicamente un enchufe universal para conectar herramientas a un modelo. Lo que antes era un laburo de programador hoy es configurar un conector.

Una regla clara. Acá está el ochenta por ciento del trabajo, y es la parte que nadie vende porque no es sexy. La regla es la descripción de la tarea: qué mirar, qué decidir, qué hacer, cuándo parar. Si no sabés explicarle a otra persona la tarea en tres frases, al agente tampoco.

Fijate que no mencioné programación. No porque no haga falta nunca, sino porque no es el cuello de botella. El cuello de botella es tener la tarea clara. El que tiene la tarea clara arma el agente. El que no, por más que sepa programar, arma un chat caro.

Y una aclaración sobre dónde corre todo esto. Un agente no vive en una app mágica: vive en algún lado. Puede correr en tu máquina, en un servidor o en un servicio de terceros. Para arrancar, lo más simple es que corra en tu propia computadora a una hora fija. Para el agente de clasificar mails no necesitás nada más que eso.

Te paso seis, para que veas que esto no es teoría y que ninguno es ciencia ficción. Los seis corren en una Mac.

El que vigila precios. Cada mañana revisa los precios de una lista de productos de la competencia y me arma un reporte con qué cambió y cuánto. Antes eso era media hora mirando pantallas. Hoy es un mensaje que me llega solo, o silencio si no cambió nada. Lo más difícil no fue armarlo: fue definir qué cuenta como cambio y qué es ruido. Eso lo afiné durante dos semanas mirando los reportes que me mandaba.

El que descompone videos. Le paso un video de referencia y me devuelve los factores por los que funciona: el hook, la estructura, el ritmo, por qué la primera escena te agarra. Después otro agente toma eso y arma el guion. Yo no escribo el guion. Apruebo el que llegó. Acá el trabajo fino fue enseñarle qué mirar: no cualquier cosa del video, sino los factores que de verdad mueven la retención. La primera versión me devolvía una descripción genérica que no servía.

El que responde lo repetido. Las preguntas que me llegan siempre iguales (precio, cómo trabajo, plazos) las contesta un agente con mi tono y mis datos. Lo que necesita una persona me llega a mí. Lo que no, ni lo veo.

El que mira el tráfico de la web. Revisa qué páginas perdieron visitas en la semana y me deja una lista corta de las que conviene mirar primero. Antes era entrar a una plataforma de métricas y perderse una hora mirando gráficos. Hoy llego directo a las tres páginas que importan. Le tuve que enseñar qué es una caída normal y qué es una caída que hay que mirar, porque si no me mandaba un mensaje cada lunes, que es justo cuando las visitas bajan siempre.

El que arma el plan de la semana. Agarra las tareas sueltas que tengo repartidas en varios lados, las ordena por prioridad y me deja una lista para arrancar el lunes sin decidir nada en el momento.

El que junta lo que pasó en la semana. Los viernes me arma un resumen de qué se avanzó, qué quedó colgado y qué conviene atacar la semana que viene. Es la versión automática de eso que todos decimos que vamos a hacer el viernes y nunca hacemos.

El que convierte audios en texto. Le paso una reunión grabada y me devuelve la transcripción con los puntos importantes y las decisiones tomadas subrayadas. Antes era transcribir a mano o pagar por hora. Hoy un audio de cuarenta minutos se procesa solo.

Fijate el patrón. Ninguno es creativo, ninguno inventa estrategia, ninguno reemplaza una decisión mía. Todos sacan de encima el trabajo repetido de mirar, comparar y resumir. Lo aburrido. Lo que nadie tiene ganas de hacer a las siete de la mañana.

Este es el blueprint. Si llegás hasta acá y querés arrancar hoy, hacé esto, en este orden. Si solo vas a hacer una cosa de todo el artículo, que sea el paso 1: elegir bien la tarea. El resto se aprende sobre la marcha. La tarea mal elegida no la arregla nada.

Paso 1: elegí una tarea. No cualquiera. Buscá una tarea que cumpla tres condiciones: la repetís seguido, la sabés explicar en tres frases, y cuando la hacés manual sabés distinguir un resultado bueno de uno malo. Si no podés distinguir bueno de malo, no la automatices todavía.

Paso 2: escribí la regla. Sentate y escribí, en lenguaje normal, qué hay que mirar, qué hay que decidir y qué hay que hacer. Con ejemplos de lo que está bien y lo que está mal. Este texto es el agente. El resto es mecánica.

Paso 3: dale una herramienta. Empezá con lo mínimo: una hoja de cálculo o un archivo de texto donde pueda leer y escribir. No hace falta conectar WhatsApp el primer día.

Paso 4: hacelo correr a demanda. Vos lo invocás, él hace la tarea, vos revisás el resultado. Corregí la regla cada vez que se equivoque. Este paso dura más de lo que parece: dos o tres semanas de corregir la regla hasta que quede bien.

Paso 5: programalo. Cuando la tarea sale bien casi siempre y ya no la corregís, pasalo a que corra solo a una hora fija. Y ahí recién te olvidás.

El error número uno es saltearse el paso 4. Querer un agente autónomo y perfecto el primer día. No sale. Un agente se entrena corrigiendo la regla, no apretando un botón mágico.

Para que veas cómo se ve una regla de verdad, te armo el agente de clasificar mails de la mañana. Es el que más me piden cuando hablo del tema, así que sirve de ejemplo.

La tarea: cada mañana me llegan mails de tres tipos. Los de clientes, que necesitan respuesta mía. Las notificaciones, que no necesitan respuesta pero conviene archivar. Y la basura, que hay que borrar. Hacer eso a mano me lleva veinte minutos y me deja la cabeza en el mail en vez de en el trabajo.

La regla que le escribí al agente, en lenguaje normal, dice más o menos así:

"Leé los mails nuevos de la casilla y clasificalos en tres carpetas: responder, archivar y basura. A responder van los mails de una persona que me pide algo o espera una respuesta mía. A archivar van las notificaciones, los avisos de pago, los recibos, los reportes automáticos. A basura va el spam y la publicidad. Si un mail te genera dudas, ponelo en responder con una nota de por qué dudaste. No borres nada. No respondas nada. Solo clasificá."

Fijate qué tiene esa regla. Le dice qué mirar (los mails nuevos), qué decidir (a cuál de las tres carpetas va cada uno), qué hacer (mover, no borrar, no responder) y qué hacer cuando duda (para el lado seguro). Ese "cuando dudes, andá a lo seguro" es lo que convierte un agente peligroso en uno confiable.

La herramienta es mínima: permiso para leer la casilla y mover mails entre carpetas. No puede mandar, no puede borrar.

Las primeras dos semanas corría a demanda. Yo lo invocaba a las diez de la mañana y revisaba qué había clasificado. Los primeros días se equivocaba: metía un mail de un cliente en archivar porque el asunto no era obvio. Cada error era una línea más en la regla: "si el mail es de alguien que ya me escribió antes, va a responder". A la semana andaba bien. A las dos semanas lo dejé correr solo.

Hoy no miro la casilla hasta el mediodía. Cuando la abro, los mails ya están en su carpeta y yo arranco directo por lo que necesita respuesta. Veinte minutos menos por día, todos los días.

Y no fue perfecto, para que quede claro. Una vez clasificó mal un mail de un banco porque venía en inglés y lo metió en basura. Lo encontré a la semana porque el log guardaba todo. Agregué una línea a la regla: "los mails de bancos o de servicios, aunque estén en inglés, van a archivar". No volvió a pasar. Ese es el mantenimiento real: no es magia, es un log y una línea.

El punto no es que copies este agente. Es que veas la forma: tarea clara, regla en lenguaje normal, herramienta mínima, semanas de corrección, y recién después autonomía. Eso se replica en cualquier tarea.

Ya me los comí casi todos, te los dejo para que no los repitas.

Querer automatizar una tarea que no tenés clara. Es el error rey. Si vos no podés explicar la tarea, el agente no la va a adivinar. Primero hacela a mano cinco veces y mirá qué estás haciendo en cada paso.

Darle todo de golpe. Quince herramientas, tres modelos, un orquestador de seis agentes. Se cae todo y no sabés por qué. Empezá con una herramienta y una tarea.

Confiar ciego. El agente se equivoca, inventa números, da por hecho cosas que no verificó. El primer mes, revisá todo lo que hace. Después podés aflojar. Al principio no.

No guardar lo que aprendés. Cada vez que el agente se equivoca y corregís la regla, eso es oro. Si no lo anotás en la regla, la semana que viene se vuelve a equivocar en lo mismo.

Medir el resultado mal. No importa si el agente es rápido. Importa si la tarea quedó bien. Revisá el resultado, no el proceso.

Conviene decirlo con honestidad, porque el marketing del rubro no lo dice.

Un agente no decide por vos. Puede prepararte la decisión, juntarte los datos, armarte las opciones. Pero la decisión, la que tiene consecuencias, es tuya. Y va a seguir siéndolo un buen tiempo.

Un agente no tiene contexto de tu vida. No sabe que este mes estás apretado de caja, que ese cliente es amigo de tu socio, que esa palabra le cayó mal a alguien la semana pasada. Ese contexto fino es lo que hace que tu criterio valga más que el de un modelo. Por ahora, es tuyo y de nadie más.

Un agente no asume responsabilidad. Si manda un mail mal, el mail lo mandaste vos. El agente es una herramienta con criterio, no un empleado al que le podés pedir que se haga cargo. La responsabilidad siempre queda del lado humano.

Un agente no verifica datos externos si no se lo pedís. Si la regla no le dice "andá a buscar el dato real", el agente puede inventar un número con total seguridad. Por eso las reglas buenas obligan a buscar la fuente antes de responder.

Un agente no es barato si lo armás mal. Un loop que corre diez veces por hora sin necesidad quema plata y no aporta. Hay que ponerle freno: cada cuánto corre, cuándo para, qué pasa si algo sale mal.

No digo esto para pinchar el globo. Lo digo porque el que arranca sabiendo los límites arma algo que sirve. El que cree que es un empleado gratis se lleva un chasco caro.

Un agente solo puede tocar lo que vos le dejás tocar. Suena obvio, pero es lo que más gente ignora.

Si le das acceso a tu casilla de mail, va a leer y mover mails. Si le das acceso a la base de datos de clientes, va a leer y escribir ahí. Si le das una herramienta que borra, va a poder borrar. El agente no es más peligroso que lo que le habilitás.

Tres reglas que me funcionan:

Dale lo mínimo. Si la tarea es clasificar mails, dale solo leer y mover. No borrar, no mandar. Si la tarea es reportar ventas, dale solo lectura de la base, no escritura.

Poné el freno en la regla. La regla debería decir explícitamente qué no hacer: no borrar, no mandar a nadie que no esté en la lista, no tocar nada fuera de la carpeta X. Un agente sin frenos explícitos es un accidente esperando.

Guardá un log. Hacé que anote qué hizo en cada corrida. El día que algo salga mal, el log te dice exactamente qué pasó sin tener que adivinar.

Y una cosa más: las credenciales. Si el agente usa la clave de una API, esa clave no va escrita en el texto de la regla. Va en un lugar aparte que el agente lee en el momento. Nunca en el código, nunca en un archivo que se comparte. Es la diferencia entre un susto y un robo.

La pregunta correcta no es "¿puedo armar un agente para esto?". Es "¿cuánto me cuesta la tarea y cuánto me cuesta el agente?".

La tarea tiene un costo: tu tiempo multiplicado por la frecuencia. Si una tarea te lleva dos horas y la hacés una vez por semana, son ocho horas al mes. A eso sumale el costo de postergarla o de hacerla a las apuradas, que suele ser más caro todavía.

El agente también tiene un costo: el modelo (hoy los modelos buenos cuestan centavos por tarea, no es el drama), el tiempo de armarlo y afinarlo (acá está el costo real, y es una vez), y el tiempo de revisar (que baja con los meses).

La cuenta casi siempre cierra a favor del agente cuando la tarea se repite. Una tarea que hacés una vez al año no vale el esfuerzo. Una tarea diaria, sí. Una tarea semanal que odiás, sí.

Te hago la cuenta con un ejemplo. Una tarea de una hora, tres veces por semana, son doce horas al mes. A veinte dólares la hora son doscientos cuarenta dólares por mes, sin contar el costo de hacerla mal o de postergarla. Armar el agente te lleva una tarde entera, seis horas, y después media hora por semana de revisar y corregir. El primer mes ya empataste. Del segundo en adelante son doscientas y pico de horas al año que recuperás. La cuenta no es pareja: se inclina sola.

Y está el caso inverso, que también conviene decir: no todo vale la pena. Una tarea que hacés dos veces al año, que cambia cada vez, o donde el error cuesta caro (un mail a un cliente grande, una transferencia), conviene dejarla manual aunque sea aburrida. El costo de un error grave supera el ahorro de tiempo. La automatización es para lo repetido y de bajo riesgo, no para lo raro y delicado.

Lo que la cuenta no muestra es el segundo efecto: cuando una tarea corre sola, dejás de pensar en ella. Eso que te daba vueltas en la cabeza el domingo a la noche desaparece. Y ese alivio no aparece en ninguna planilla, pero es probablemente lo más valioso de todo esto.

Agente: el conjunto completo. Modelo, herramientas y regla trabajando juntos para terminar una tarea.

Modelo: el cerebro. Lo que razona. GPT, DeepSeek, Claude, Gemini.

Herramienta: lo que el agente puede tocar. Mail, calendario, base de datos, una API.

Regla: la descripción de la tarea. Qué mirar, qué decidir, qué hacer. La parte que escribís vos.

Loop: el ciclo de mirar, decidir y actuar que se repite.

Orquestador: un agente que coordina a otros agentes más chicos.

Autonomía: cuánto hace el agente sin preguntarte. De asistido (te pregunta) a autónomo (ejecuta y avisa).

MCP: un estándar para enchufar herramientas a un modelo. El adaptador universal.

Con estas ocho palabras podés leer cualquier artículo sobre agentes y entender de qué habla. Que ya es más de lo que se puede decir de la mayoría.

Si querés pasar de leer a hacer, acá va la lista corta:

Elegí una tarea que repetís seguido, sabés explicar en tres frases, y sabés juzgar si salió bien.

Escribí la regla en lenguaje normal: qué mirar, qué decidir, qué hacer, cuándo parar.

Dale una herramienta mínima. Una hoja de cálculo alcanza.

Correlo a demanda durante dos semanas y corregí la regla en cada error.

Recién cuando salga bien casi siempre, programalo para que corra solo.

Marcá en la regla lo que no debe hacer, y dejá un log de lo que hace.

Una sola tarea, una sola herramienta, un mes de paciencia. Después, la siguiente.

Más artículos relacionados:

• Loops y agentes de IA para dueños de empresas: 3 casos de uso y guíaLeer →
• Loops y agentes de IA para emprendedores: 3 casos de uso y guía 2026Leer →
• OpenAI DevDay: la capa de agentes de $100B que los founders pueden capturarLeer →