Introducción

Os presento una serie de tres artículos sobre IA agéntica y flujos de trabajo, que me han servido para ponerme al día sobre una de las evoluciones más destacadas, y también más comentadas, de la inteligencia artificial actual. Es una tecnología que está avanzando muy rápidamente y que, sin duda, tendremos que seguir observando durante los próximos meses para ver hasta dónde llega y cómo acaba integrándose realmente en el ámbito profesional.

En este debate conviven dos visiones. Por un lado, una parte de la industria de la IA apuesta por sistemas cada vez más autónomos, capaces de ejecutar procesos completos con una intervención humana mínima, lo que puede hacer que dependamos más de estas herramientas y de las empresas que las crean. Por otro, existe una visión más orientada a entender estos agentes como una evolución de las herramientas actuales: sistemas pensados para asistir, automatizar y aumentar las capacidades de las empresas y de los profesionales, manteniendo la supervisión y el criterio humano.

Es una cuestión especialmente interesante, que merece una reflexión propia y que desarrollaré con mayor profundidad en otro artículo.

Espero que esta serie os resulte útil y os ayude a entender mejor qué son los agentes de IA, cómo funcionan los flujos de trabajo agénticos y qué oportunidades —y también qué riesgos— pueden plantear. Personalmente, preparar estos artículos me ha servido para ordenar conceptos, actualizar conocimientos y comprender mejor hacia dónde puede evolucionar esta tecnología.

Primera parte: ¿Qué son los agentes de IA, en qué se diferencian de los chatbots y cuándo tiene sentido utilizarlos?

Primera parte de la serie «IA agéntica: de la teoría a la práctica»
Actualizado: 25 de agosto de 2026

Durante los últimos años hemos aprendido a conversar con la inteligencia artificial. Hemos pasado de realizar búsquedas tradicionales a pedir a ChatGPT, Gemini, Copilot u otros asistentes que resuman documentos, redacten textos, analicen información o nos ayuden a resolver problemas.

Pero en 2026 se está consolidando un cambio más profundo.

La pregunta ya no es solo:

¿Qué podemos preguntarle a la IA?

Sino:

¿Qué partes de un proceso de trabajo podemos delegar en la IA?

Esta evolución nos lleva a los agentes de inteligencia artificial y a los flujos de trabajo agénticos (agentic workflows).

Un sistema agéntico puede ir más allá de generar una respuesta: puede interpretar un objetivo, recuperar información, seleccionar herramientas, ejecutar diferentes pasos, comprobar resultados y, dentro de los límites establecidos, decidir cuál es el siguiente paso.

La Agencia Española de Protección de Datos (AEPD) describe la IA agéntica como sistemas capaces no solo de responder preguntas, sino también de interactuar de forma autónoma para alcanzar objetivos, accediendo a información de su entorno digital y ejecutando tareas complejas. Importante: el pilar de este cambio en la IA es que trabaja de forma autónoma.

Esto abre enormes posibilidades de productividad, pero también plantea retos, por ejemplo, en materia de seguridad.

Y también introduce una nueva cuestión: si la IA ya no solo responde, sino que también puede actuar, ¿cómo controlamos esa capacidad de acción?

1. Automatización, asistente, workflow y agente: no son lo mismo

El término agente se utiliza actualmente con mucha facilidad. Pero no toda automatización que incorpora IA es realmente agéntica.

Podemos distinguir cuatro modelos:

Esta distinción es importante porque no todo necesita un agente. Esta idea es fundamental: esta tecnología está de moda, pero no todo necesita un flujo agéntico. Otro punto importante es que la IA agéntica y los flujos de trabajo suelen ser más costosos económicamente que la IA generativa, por lo que conviene saber en qué tareas profesionales podemos obtener realmente un mayor beneficio.

Si cada vez que llega una factura debemos guardarla en una carpeta determinada, no necesitamos que un modelo de IA “razone” qué debe hacer.

Una regla convencional será más rápida, económica, predecible y fácil de auditar.

En cambio, si debemos determinar si un documento corresponde a una reclamación, una notificación, una demanda o un requerimiento, interpretar su contenido y decidir qué proceso debe iniciarse, la IA puede aportar valor.

La tendencia más interesante no es sustituir toda la automatización tradicional por agentes.

Es combinar:

automatización determinista + IA cuando realmente es necesario interpretar o decidir.

Microsoft, por ejemplo, diferencia actualmente los workflows deterministas —adecuados para procesos repetibles— de los pasos en los que un agente aporta razonamiento, conocimiento y uso de herramientas.

2. Del prompt al objetivo

En un chat tradicional solemos trabajar así:

Prompt → Respuesta

En un sistema agéntico el patrón puede ser mucho más amplio:

Objetivo → Contexto → Planificación → Herramientas → Acción → Verificación

Imaginemos que un despacho recibe una reclamación en PDF.

En lugar de pedir manualmente:

«Resume este documento.»

un flujo podría:

1. detectar que ha llegado un nuevo documento;
2. identificar su tipología;
3. extraer las partes;
4. identificar fechas y plazos;
5. recuperar el expediente relacionado;
6. consultar documentación autorizada;
7. preparar una síntesis;
8. identificar la información que falta;
9. elaborar un borrador;
10. presentarlo al profesional para que lo revise.

Aquí la IA no se utiliza simplemente para producir texto, sino para orquestar una secuencia de trabajo.

3. Los seis componentes de un sistema agéntico

Para entender estos sistemas, resulta útil separar sus principales componentes.

3.1. Objetivo e instrucciones

El agente necesita saber:

• qué debe hacer;
• qué no debe hacer;
• qué fuentes puede consultar;
• qué herramientas puede utilizar;
• cuándo debe detenerse;
• cuándo necesita intervención humana.

Por ejemplo:

Analiza la documentación aportada, identifica los hechos y los plazos y prepara una propuesta. Utiliza únicamente las fuentes autorizadas. No inventes normativa ni jurisprudencia. Si no puedes verificar una información, indícalo. No envíes ninguna comunicación sin aprobación humana.

El prompt sigue existiendo.

Pero deja de ser únicamente una pregunta y pasa a formar parte de la política operativa del agente.

3.2. Contexto y conocimiento

Un agente necesita acceder a información fiable:

• documentos internos;
• expedientes;
• protocolos;
• manuales;
• contratos;
• bases documentales;
• normativa;
• jurisprudencia.

Aquí entra en juego el RAG (Retrieval-Augmented Generation), que permite recuperar información relevante antes de generar la respuesta.

Pero conviene evitar una simplificación frecuente:

Utilizar RAG no elimina las alucinaciones.

El RAG proporciona contexto, pero el modelo todavía puede interpretarlo de forma incorrecta.

Por ello, es preferible combinar:

RAG + fuentes identificables + verificación + supervisión.

3.3. Memoria

Podemos diferenciar:

Memoria de trabajo: información utilizada durante la ejecución actual.

Memoria persistente: información que puede conservarse entre ejecuciones.

Base de conocimiento: documentos y datos que el sistema puede consultar.

La memoria puede ser extraordinariamente útil, pero también es necesario controlar qué se conserva, durante cuánto tiempo y quién puede acceder a ello.

Este apartado es fundamental: aportar información, memoria y una buena base de conocimiento determina en gran medida la calidad de los resultados en cualquier tarea que pidamos a la IA.

3.4. Herramientas

Aquí aparece una de las grandes diferencias respecto de un chatbot.

Un agente puede disponer de herramientas para:

• consultar el correo;
• leer documentos;
• realizar búsquedas;
• consultar bases de datos;
• crear tareas;
• generar documentos;
• actualizar sistemas;
• ejecutar APIs.

Sin herramientas, la IA principalmente responde. Con herramientas, puede actuar.

3.5. Orquestación

Si el proceso tiene varios pasos, el sistema necesita gestionar:

• el orden de ejecución;
• el estado;
• los errores;
• los reintentos;
• las bifurcaciones;
• las condiciones de parada.

No siempre es necesario que la IA decida todo el proceso.

De hecho, los sistemas más robustos suelen combinar partes rígidas con partes flexibles.

3.6. Supervisión humana

En entornos profesionales es especialmente importante el concepto de:

Human-in-the-Loop

IA analiza

     ↓

IA propone

     ↓

Profesional revisa

     ↓

APROBAR · MODIFICAR · RECHAZAR

     ↓

Sistema ejecuta

La IA puede tener una gran capacidad de análisis sin necesidad de disponer de una autoridad equivalente para actuar. Esta distinción será fundamental en los sistemas agénticos profesionales. Recordad: la responsabilidad sigue correspondiendo al profesional, no a la IA.

4. No empieces por la herramienta: empieza por el proceso

Ante todas estas posibilidades es tentador empezar preguntando:

«¿Qué agente puedo crear?»

Pero la pregunta adecuada es otra:

¿Qué proceso repetitivo nos consume tiempo y puede mejorarse?

Algunos buenos primeros candidatos son:

• clasificación documental;
• extracción de datos;
• triaje de correos;
• resumen de expedientes;
• comparación de documentos;
• preparación de informes;
• generación de borradores.

Después hay que separar el proceso en partes.

Por ejemplo:

Llega un documento

        ↓

Guardarlo                 → Automatización

        ↓

Identificar su tipo       → IA

        ↓

Extraer las fechas       → IA + validación

        ↓

Crear registro           → Automatización

        ↓

Preparar resumen         → IA

        ↓

Revisión profesional     → Humano

Esta arquitectura híbrida suele ser más fiable que entregar todo el proceso a un único agente.

5. ¿Cuánta autonomía necesita realmente?

Podemos imaginar diferentes niveles:

0 │ IA informa

1 │ IA recomienda

2 │ IA prepara

3 │ IA ejecuta después de una aprobación

4 │ IA ejecuta dentro de límites preautorizados

5 │ IA actúa con un grado elevado de autonomía

El objetivo no debería ser necesariamente llegar al nivel 5.

En muchos procesos profesionales, los niveles 2, 3 o 4 pueden ofrecer un mejor equilibrio entre productividad y control.

Especialmente cuando existen consecuencias:

• jurídicas;
• económicas;
• administrativas;
• reputacionales.

La pregunta correcta, por tanto, no es:

«¿Cuánta autonomía podemos dar a la IA?»

Sino:

«¿Cuánta autonomía necesita realmente este proceso?»