Qué necesita un agente de IA antes de trabajar en una empresa
Antes de trabajar dentro de una empresa, un agente de inteligencia artificial necesita un objetivo concreto, fuentes autorizadas, herramientas delimitadas, reglas de actuación, criterios de calidad, permisos y un mecanismo claro de supervisión. Conectar un modelo a varias aplicaciones no resuelve estas decisiones; únicamente le proporciona capacidad para actuar.
OpenAI describe los agentes como sistemas que realizan tareas por cuenta de un usuario y destaca tres elementos básicos: modelo, herramientas e instrucciones. En la práctica empresarial hace falta añadir una capa que conecte esos componentes con la realidad del negocio: qué proceso se quiere resolver, qué información puede utilizarse, qué riesgos existen y quién responde por el resultado.
Un proceso definido
Un agente necesita saber qué resultado debe producir y dónde empieza y termina su responsabilidad.
«Ayudar al equipo comercial» no define una tarea operativa. Preparar un resumen de una oportunidad a partir del CRM, comprobar si faltan datos obligatorios y dejarlo pendiente de aprobación antes de redactar una propuesta sí permite diseñar un flujo, evaluar el resultado y establecer límites.
Cuanto más ambiguo es el proceso, más decisiones debe improvisar el sistema. Conviene observar primero cómo se realiza el trabajo de verdad, incluidas las excepciones, las fuentes y las situaciones en las que una persona decide no continuar.
Fuentes autorizadas y contexto vigente
El agente debe conocer qué información puede consultar y cuál tiene prioridad cuando aparecen contradicciones.
Una conexión con Drive o Notion puede darle acceso a cientos de documentos, pero el acceso no resuelve la vigencia. Si conviven ofertas antiguas, borradores y decisiones recientes, el agente necesita distinguir lo aprobado, lo pendiente, lo histórico y lo privado.
El contexto debe ser proporcional a la tarea. Enviar toda la memoria puede aumentar el ruido y exponer información innecesaria.
Herramientas y permisos
Las herramientas determinan qué puede hacer el agente: leer una base de datos, consultar una web, actualizar un CRM, enviar un mensaje o generar un documento.
Cada herramienta debe tener permisos mínimos y una descripción precisa. Un agente que prepara borradores no necesita publicar; uno que consulta un CRM no debería modificar cualquier registro; uno que analiza contratos no necesita acceso al correo completo.
OpenAI recomienda diseñar herramientas y guardrails de manera explícita. Anthropic aconseja aumentar la complejidad solo cuando aporta una mejora demostrable, empezando por flujos simples antes de construir sistemas autónomos o multiagente.
Reglas, límites y paradas
Un agente fiable necesita saber qué debe hacer y también cuándo debe detenerse.
Puede encontrarse con información sensible, instrucciones contradictorias, una solicitud fuera de alcance o una decisión de riesgo legal, reputacional o económico. En esas situaciones, continuar no es autonomía: es ausencia de gobierno.
Las reglas de parada deben señalar qué condición activa la revisión humana, quién recibe el aviso, qué información lo acompaña y cómo se retoma el proceso.
Criterios de calidad y evaluación
No se puede mejorar un agente si la empresa no ha definido qué significa una buena ejecución.
El criterio puede incluir exactitud, uso correcto de fuentes, formato, ausencia de datos sensibles, tiempo, coste o correcciones humanas. Debe probarse con casos normales, excepciones y situaciones que deberían provocar una parada. Después del despliegue necesita seguimiento, porque las fuentes, los procesos y el comportamiento cambian.
Responsable y trazabilidad
Cada agente necesita un responsable empresarial, no solo una persona técnica.
Alguien debe decidir qué función cumple, aprobar sus fuentes, revisar incidencias y determinar cuándo una modificación entra en producción. También debe conservarse trazabilidad para entender qué información utilizó el sistema, qué herramienta llamó y en qué punto intervino una persona.
Antes de conectar el agente
¿Qué tarea concreta va a resolver?
¿Cómo se reconoce un resultado correcto?
¿Qué fuentes puede consultar?
¿Qué herramientas puede utilizar?
¿Qué acciones requieren aprobación?
¿Cuándo debe detenerse?
¿Quién revisará su comportamiento y sus métricas?
Si estas respuestas no están claras, todavía no falta una automatización. Falta diseñar la arquitectura de trabajo en la que esa automatización tendrá sentido.
Fuentes
Empieza por la arquitectura, no por la herramienta
Identificamos qué proceso está preparado y qué base necesita antes de activar un agente.
