Un agente de IA es un programa que usa un modelo de lenguaje para decidir su siguiente paso: qué herramienta usar, qué registro leer, cuándo responder y cuándo pasarle el caso a una persona. Una empresa lo necesita cuando un proceso tiene demasiadas variaciones para resolverse con reglas fijas y demasiado volumen para resolverse solo con gente, y cuando un paso equivocado tiene un costo que alguien puede nombrar.
Qué construyo
- Agentes para un proceso a la vez. Preguntas de admisiones, cotizaciones, casos de soporte, solicitudes internas. Un agente, un proceso y una lista clara de lo que puede hacer.
- Sistemas multiagente. Varios agentes con tareas separadas detrás de una sola conversación, con ruteo, estado compartido y relevos entre ellos.
- Las herramientas que usa el agente. Conexiones a tus bases de datos, tu CRM y tus sistemas internos, cada una con sus permisos, sobre el Model Context Protocol cuando conviene.
- La evaluación que decide una versión. Casos escritos como código, comprobaciones deterministas, un modelo juez calibrado contra personas y una compuerta que detiene la versión cuando el agente empeora.
- La operación. Despliegue, registro de cada llamada a herramientas y una forma de ver qué hizo el agente y por qué.
Señales de que un proceso está listo para un agente
- El trabajo llega en lenguaje (mensajes, documentos, solicitudes) y termina en una acción dentro de un sistema.
- La gente ya sigue un procedimiento, aunque no esté escrito, y sabe distinguir un buen resultado de uno malo.
- Los datos y los sistemas que hacen falta se pueden alcanzar por una interfaz, con una cuenta que se pueda limitar.
- Una respuesta equivocada se puede detectar: con una regla, con una persona o en un paso posterior.
Cuando falta una de estas, esa pieza es el primer trabajo y el agente viene después. El orden importa más que el modelo: la empresa que primero describe su proceso obtiene un agente que puede revisar, y la que empieza por el modelo obtiene una demostración.
Cómo se trabaja
- Primero el proceso. Leo cómo se hace hoy el trabajo, dónde se rompe y qué es un resultado correcto. Un agente puesto sobre un proceso que nadie ha descrito repite la confusión más rápido.
- Casos antes que código. Escribimos las situaciones que el agente debe resolver y los resultados que no se aceptan. Esos casos se vuelven las pruebas.
- Un primer agente con datos reales. Una versión acotada corre contra los casos, con las herramientas reales y una copia del estado real.
- La compuerta. Antes de cada versión corre la batería de pruebas. Si falla un caso obligatorio, la versión no sale, la pida quien la pida.
- Publicar y observar. El agente empieza con una parte pequeña del trabajo. Lo que hace queda registrado y cada falla nueva se vuelve un caso nuevo.
Qué recibes
El agente y sus herramientas en tus repositorios y en tu cuenta de nube, los casos y el harness de evaluación, el despliegue y notas escritas para operarlo y cambiarlo. Nada depende de una cuenta mía.
Qué no incluye
No prometo que un agente sustituya a un equipo, y no pongo un agente frente a clientes sin pruebas que digan qué no puede hacer. Si el proceso no está listo para un agente, lo digo, y el primer trabajo es el proceso.
Dónde está la evidencia
Los agentes de un grupo de educación superior que atiende a más de 700,000 estudiantes operan en producción sobre Vertex AI, el Agent Development Kit y Cloud Run. Mi parte fue el harness de evaluación, el juez calibrado, el estado aislado de cada caso y las compuertas de cada ambiente. El caso de estudio y las guías enlazadas abajo lo describen, con lo que demuestra y lo que no.