Chatbot, flujo automatizado y agente: no son lo mismo
La confusión viene de meter tres cosas distintas en el mismo saco:
- Chatbot clásico. Un árbol de opciones. Si el usuario se sale del guion, se rompe. No entiende nada, solo compara con lo que tiene escrito.
- Flujo automatizado. «Cuando pase A, haz B.» Fiable y barato, pero rígido: no decide, ejecuta. La mayoría de lo que se vende como IA es esto.
- Agente de IA. Recibe un objetivo, decide qué pasos dar, consulta datos, usa herramientas y se detiene cuando lo ha cumplido o cuando debe preguntar.
La diferencia práctica es quién decide. En un flujo, el camino lo escribiste tú de antemano. En un agente, tú defines el objetivo, los límites y las herramientas, y él elige la ruta. Eso lo hace mucho más útil cuando la realidad no cabe en un diagrama, y también más peligroso si no le pones barreras.
Un flujo hace lo que le dijiste. Un agente hace lo que le pediste. La diferencia importa cuando la situación no estaba prevista.
De qué está hecho un agente por dentro
Todos los que ponemos en producción tienen las mismas cinco piezas:
- Instrucciones. Qué es, qué puede hacer, qué no debe hacer nunca y cuándo pasar la conversación a una persona.
- Conocimiento. Tu documentación, tus condiciones, tu histórico. Es lo que evita que se invente cosas: si no está aquí, no lo afirma.
- Herramientas. Lo que puede consultar o ejecutar: calendario, CRM, sistema de pedidos, envío de emails. Cada una con permisos de lectura o escritura definidos.
- Memoria. El contexto de la conversación y del cliente, para no preguntar tres veces lo mismo.
- Registro. Todo lo que hace queda anotado. Sin esto no hay forma de mejorar ni de auditar un error.
La calidad del agente depende mucho más de las piezas 2 y 3 que del modelo que use por debajo. Un modelo excelente con documentación mala responde mal; uno normal con datos buenos y límites claros responde bien.
Qué automatizan hoy, por sector
Negocios físicos y locales
Atención por WhatsApp fuera de horario, gestión de citas contra el calendario real, respuesta a reseñas, avisos de recordatorio para reducir plantones. En una clínica o un taller, la agenda y los mensajes son el 90 % del trabajo administrativo.
Empresas de servicios y B2B
Cualificación de leads entrantes antes de que los vea un comercial, preparación de propuestas a partir de plantillas y datos del cliente, seguimiento de oportunidades paradas y resúmenes de reuniones convertidos en tareas.
Formación online e infoproductos
Resolución de dudas de alumnos sobre el temario y el acceso, recuperación de matrículas abandonadas, atención durante un lanzamiento —cuando llegan cientos de mensajes en horas— y seguimiento de los que no compraron.
Ecommerce y retail
Estado del pedido, cambios y devoluciones dentro de la política definida, recomendación de producto con el catálogo real y gestión de incidencias con transportistas.
Cualquier empresa con datos
El caso más rentable y menos vistoso: reporting. Un agente que cada lunes lee tus fuentes, consolida, detecta desviaciones y escribe el informe en lenguaje claro. Se automatiza casi al completo y devuelve varias horas por semana a alguien caro.
Dónde todavía no llegan
Por honestidad, y porque saberlo evita proyectos fallidos:
- Criterio profesional con responsabilidad. Diagnósticos médicos, asesoramiento legal o fiscal, decisiones con consecuencias regulatorias.
- Negociación real. Puede aplicar una política de descuentos; no puede leer a la persona que tiene delante.
- Procesos indocumentados. Si el conocimiento vive solo en la cabeza de un empleado, primero hay que sacarlo de ahí.
- Datos sucios. Un agente sobre datos incoherentes produce respuestas incoherentes, con mucha más seguridad de la que debería.
- Relaciones de largo plazo. La llamada con el cliente importante la sigue haciendo una persona.
Riesgos reales y cómo se controlan
Que se invente datos
El riesgo más conocido. Se controla obligando al agente a responder solo desde tu documentación y a decir «no lo sé, lo consulto» cuando no tiene fuente. Es una decisión de diseño, no una cuestión de suerte.
Que actúe donde no debe
Un agente con permiso de escritura puede modificar cosas. La regla que aplicamos: leer, casi todo; escribir, lo mínimo, y las acciones irreversibles —cobrar, cancelar, borrar— siempre con confirmación humana.
Protección de datos
Trabajar con datos personales exige contrato de encargado del tratamiento con el proveedor, proveedores que no entrenen sus modelos con tu información, minimizar los datos que salen del sistema y poder borrar a petición del cliente. Esto se decide antes de la primera línea de código, no después.
Dependencia de un proveedor
Si todo tu sistema está atado a un único fabricante, cualquier cambio de precio o de condiciones es tu problema. Se mitiga separando la lógica de negocio del modelo que la ejecuta.
Qué cuesta poner uno en producción
Hay tres costes, y el que suele sorprender es el tercero:
- Implantación. Diseño, conocimiento, integraciones y pruebas. Es el grueso del proyecto y se paga una vez.
- Consumo. Lo que cuesta cada conversación. En volúmenes normales de pyme es la partida más pequeña, con diferencia.
- Mantenimiento. Revisar conversaciones, corregir, actualizar la documentación cuando cambian precios o servicios. Sin esta partida el agente se degrada en meses.
Antes de mirar ninguna de las tres, haz el cálculo del ahorro: horas de la tarea × coste por hora × porcentaje automatizable. Si el ahorro anual no supera con holgura el coste del primer año, no lo hagas todavía.
En resumen
Un agente de IA no es un chatbot con mejor marketing: es un sistema al que se le da un objetivo, unas herramientas y unos límites. Bien montado, se come el trabajo repetitivo que hoy hace tu equipo. Mal montado, es un generador de problemas con acceso a tus sistemas.
La diferencia está siempre en lo mismo: límites claros, datos buenos y alguien revisando.