Agentes de IA en empresas: cuándo merecen la pena y cuándo basta con automatizar

La IA ya no es una rareza en la empresa española. Según el INE, el 33,6 % de las empresas de 10 o más empleados la usó en el primer trimestre de 2026, y el 21,4 % de las de menos de 10. En servicios, la cifra sube al 38,2 %. En el conjunto de la UE, Eurostat situó el uso en el 20 % de las empresas de 10 o más empleados en 2025, aunque el periodo y la base no son iguales.

El paso siguiente que venden muchos proveedores son los agentes: sistemas que no solo responden, sino que deciden pasos y actúan en tus programas. La expectativa va por delante de los resultados. Gartner predijo en 2025 que más del 40 % de los proyectos de IA agéntica se cancelarán antes de que acabe 2027, por costes crecientes, valor poco claro o controles de riesgo insuficientes. También estimó que solo unos 130 de los miles de proveedores que se presentan como tales ofrecen de verdad esta tecnología, y llamó «agent washing» a poner la etiqueta a chatbots o RPA de siempre.

Es una predicción y no un dato medido, pero el consejo que la acompaña es útil: usa agentes cuando hagan falta decisiones, automatización para los flujos rutinarios y asistentes para buscar información.

Tres herramientas para tres trabajos

• Automatización con reglas: siempre sigue los mismos pasos. Es barata de ejecutar, predecible y fácil de auditar. Ejemplo: cuando entra un pedido en la tienda, se crea en el ERP y se avisa a almacén.
• Asistente: responde o redacta, y una persona decide. Ejemplo: buscar en vuestra documentación cómo se gestiona una devolución.
• Agente: recibe un objetivo, elige los pasos y usa herramientas para conseguirlo. Ejemplo: revisa una incidencia, consulta el pedido y el historial, y propone o ejecuta la solución dentro de unos límites.

Lo habitual es combinarlas. En muchos procesos, un modelo interpreta un documento o un correo y el resto lo hacen reglas. Sigue siendo una automatización de procesos con una pieza de IA, sin necesidad de un agente con libertad para decidir.

Cinco preguntas antes de elegir un agente

• ¿Cambian los pasos de un caso a otro? Si siempre son los mismos, una automatización será más barata y fiable.
• ¿La información de entrada es desordenada, como correos, llamadas o documentos variados? Ahí es donde un modelo aporta más.
• ¿Cuánto cuesta un error? Si es alto o irreversible, debe aprobarlo una persona.
• ¿Puedes comprobar si el resultado es correcto? Sin un criterio de acierto no sabrás si funciona ni si empeora con el tiempo.
• ¿Hay volumen suficiente? Evaluarlo y mantenerlo tiene un coste que unos pocos casos al mes no justifican.

Si respondes que no a las dos primeras, probablemente no necesitas un agente. Y si no sabes cuánto tiempo consume hoy el proceso, empieza por calcular el retorno de automatizarlo.

Dónde suelen encajar bien

• Atención al cliente: entender la consulta, recopilar datos de pedidos y resolver lo sencillo, derivando el resto con el contexto ya preparado.
• Ventas: investigar un contacto con datos públicos y preparar el borrador de seguimiento para que lo revise un comercial.
• Administración: gestionar facturas o pedidos que no cuadran, proponiendo la causa probable a quien debe decidir.
• Operaciones: revisar alertas, reunir información de varios sistemas y sugerir la siguiente acción.

El punto común es que hay un trabajo de búsqueda y criterio, pero la acción está acotada. Son casos en los que el agente prepara la mayor parte y deja la decisión final a una persona cuando importa.

Los controles que no deberían faltar

Permisos mínimos

Dale una identidad propia y solo el acceso que necesita. Si solo debe leer pedidos, no le des permiso para modificarlos. Empieza en modo lectura o borrador y amplía después, a la vista de los resultados.

Aprobación humana en lo irreversible

Pagos, devoluciones, envíos a clientes o borrados deben pasar por una persona, o quedar dentro de límites fijados en el código y no en las instrucciones del modelo. Por ejemplo, reembolsos de hasta cierto importe, comprobados por el sistema y no a criterio de la IA.

Cuidado con la inyección de instrucciones

Es el riesgo más propio de los agentes. Un correo, una web o un PDF pueden contener texto que intente engañar al modelo para que filtre datos o ejecute una acción. Trata todo contenido externo como datos no fiables y evita que un mismo agente lea contenido externo, acceda a datos sensibles y además pueda enviarlos fuera sin aprobación.

Trazabilidad y límites de gasto

Registra qué vio, qué decidió y qué herramientas usó en cada caso, respetando la protección de datos. Fija topes de pasos y de coste por tarea para que un bucle no se convierta en una factura inesperada. Y si la tarea se atasca, debe pasar a una persona con el contexto, sin obligarla a empezar de cero.

Un piloto que te dé una respuesta clara

• Elige un solo proceso y define el éxito antes de empezar: casos resueltos correctamente, tiempo por caso y errores graves.
• Reúne un conjunto de casos reales ya resueltos, incluidos los difíciles, para evaluar el sistema y repetir la prueba tras cada cambio.
• Ejecútalo en paralelo o en modo borrador, sin actuar, y compara su resultado con lo que hizo tu equipo.
• Da autonomía por tramos, empezando por los casos sencillos y donde el coste de equivocarse es bajo.
• Calcula el coste real, incluidas las revisiones humanas, y decide: seguir, simplificar a una automatización con reglas o parar.

Parar un piloto también es un buen resultado si te evita mantener algo que no compensa. Si quieres ver cómo los planteamos nosotros, tienes más información en agentes de IA. Si usa datos de personas o habla con clientes, revisa también lo que pide el Reglamento europeo de IA.

Preguntas frecuentes