Los agentes de IA para empresas prometen algo concreto: que un sistema lea una solicitud, consulte sus datos, ejecute pasos en sus aplicaciones y avise a una persona cuando dude. Antes de comprar nada, un gerente de operaciones o de TI necesita cuatro respuestas: en qué se distinguen de un chatbot, qué proceso probar primero, cuánto cuestan y qué puede salir mal. Esta guía las responde con fuentes fechadas.
- Un agente decide pasos, usa herramientas y ejecuta acciones en sus sistemas; un chatbot responde con guiones y un RPA repite reglas fijas.
- El primer proceso se elige con tres criterios: volumen alto, reglas claras y error barato de corregir.
- Un piloto de seis a ocho semanas con línea base y criterio de parada evita sumarse al grupo de proyectos que se cancelan.
- El costo real tiene tres partes: consumo de modelo (tokens), integración con sus sistemas y mantenimiento mensual.
- Con datos personales o decisiones sobre personas, la regla es humano en el bucle, registro de cada acción y revisión de la norma de cada país.
Qué es un agente de IA y en qué se diferencia de un chatbot o un RPA
Un agente de IA es un software que, ante un objetivo, decide qué pasos dar, consulta sus sistemas, ejecuta acciones y escala a una persona cuando supera un umbral que usted define. Un chatbot, en cambio, responde con guiones predefinidos, como describe la página de IA aplicada de Mtechnology.
La diferencia práctica se ve cuando algo no sale como estaba previsto. El RPA se detiene, el chatbot repite su guion y el agente razona sobre la excepción, siempre dentro de los permisos que se le dieron.
| Característica | Chatbot de guiones | RPA | Agente de IA |
|---|---|---|---|
| Cómo trabaja | Árbol de respuestas predefinidas | Reproduce clics y reglas fijas | Interpreta la solicitud y elige los pasos |
| Ante una excepción | Deriva o repite | Falla y se detiene | Razona, consulta más datos o escala |
| Actúa sobre sus sistemas | Rara vez | Sí, con interfaz o API fija | Sí, con herramientas y permisos acotados |
| Entiende lenguaje libre y documentos | Limitado | No | Sí |
| Se equivoca de forma distinta | No entiende | Rompe por un cambio de pantalla | Puede inventar un dato: por eso lleva controles |
Si busca el panorama general de la automatización, incluidos RPA y flujos de trabajo, lo encuentra en mejorando la eficiencia con automatización de procesos. Aquí nos concentramos en el agente.
Qué dicen los datos sobre adopción y retorno
La adopción de IA es amplia, pero el retorno en agentes todavía es escaso y desigual. Cuatro fuentes ayudan a calibrar la expectativa:
- McKinsey, The state of AI in 2025: el 88 % de los encuestados usa IA con regularidad en al menos una función. En cualquier función concreta, como máximo el 10 % dice estar escalando agentes. La encuesta se hizo entre el 25 de junio y el 29 de julio de 2025, con 1.993 participantes de 105 países (McKinsey).
- Gartner, junio de 2025: más del 40 % de los proyectos de IA agéntica se cancelará antes de que termine 2027, por costos crecientes, valor poco claro o controles de riesgo insuficientes.
- Stanford AI Index 2026: los agentes mejoraron con rapidez en pruebas de tareas reales, de cerca del 12 % a cerca del 66 % de éxito. Aun así, fallan aproximadamente uno de cada tres intentos, y los incidentes de IA documentados subieron a 362 desde 233 (Stanford HAI).
- MIT NANDA, agosto de 2025: alrededor del 5 % de los pilotos de IA generativa logra crecimiento rápido de ingresos. Las soluciones compradas a proveedores especializados o desarrolladas con aliados tuvieron éxito cerca del 67 % de las veces, y el mayor retorno estuvo en el back-office (Fortune). Es un estudio con críticos metodológicos: tómelo como señal, no como ley.
Para América Latina, la CEPAL describe una adopción que se acelera, con desafíos en inversión, talento y gobernanza (Índice Latinoamericano de IA 2025, 19 países). Un estudio del BID con 12.765 empresas manufactureras de Colombia estimó que cerca del 6 % había adoptado alguna forma de IA en 2019 y 2020: es un dato antiguo, pero útil como piso histórico (BID).
La lectura para un decisor es sencilla: la tecnología funciona, pero los proyectos mal acotados fracasan. Por eso importan los dos apartados siguientes.
Cómo elegir el primer proceso para un agente de IA
El mejor primer proceso es el que reúne mucho volumen, reglas bastante claras y un error barato de detectar y corregir. Puntúe cada candidato de uno a tres en esos tres criterios y empiece por los que sumen siete o más.
| Proceso candidato | Volumen | Reglas claras | Costo del error bajo | Total |
|---|---|---|---|---|
| Registrar pedidos recibidos por correo o WhatsApp | 3 | 3 | 2 | 8 |
| Conciliar pagos contra facturas | 3 | 3 | 2 | 8 |
| Leer contratos y extraer cláusulas clave | 2 | 2 | 2 | 6 |
| Aprobar o negar un crédito a un cliente | 2 | 1 | 1 | 4 |
Los puntajes son un ejemplo ilustrativo del equipo editorial, no una medición. Lo que importa es el método: obliga a discutir con datos antes de elegir.
Casos de uso de IA en la operación que ya se ven en empresas medianas
La página de servicio de Mtechnology lista ocho usos: responder clientes, procesar facturas, agendar citas, pronosticar demanda, clasificar prospectos, conciliar pagos, leer contratos y vigilar inventarios. Publica además tres casos, y el único con cifra es el primero:
- Logística, Colombia: −38 % en el tiempo de ciclo por pedido, tras automatizar el registro de pedidos en el TMS.
- Comercio, México: atención 24/7 sin llamadas perdidas, con un agente que toma pedidos fuera de horario.
- Servicios, España: cero horas de digitación de facturas, con conciliación directa contra el sistema contable.
¿Quiere puntuar sus propios procesos? En el diagnóstico se evalúa el estado de sus datos y se estima el costo del piloto.
Ver cómo trabajamos la IA aplicadaCómo integrar un agente con su ERP y sus sistemas
Para integrar inteligencia artificial con un ERP, lo más seguro es conectar el agente por las interfaces oficiales del sistema, con un usuario de servicio de permisos mínimos, y empezar en modo lectura. El agente que solo consulta ya aporta valor; el que escribe se habilita después, cuando haya evidencia.
- Inventario de sistemas. Liste ERP, CRM, TMS, correo, WhatsApp y hojas de cálculo que toca el proceso. La página de servicio cita ERP, CRM, TMS y hojas de cálculo como sistemas habituales.
- Interfaz oficial. Use la API del ERP o una capa de integración. Evite que el agente «maneje la pantalla» si existe una vía estable.
- Permisos mínimos. Un usuario de servicio con solo las acciones necesarias: consultar inventario sí, anular facturas no.
- Registro de cada acción. Guarde qué consultó, qué decidió y qué ejecutó, con fecha y caso. Sin ese rastro no hay auditoría ni mejora.
- Escritura gradual. Primero el agente propone y una persona confirma; después ejecuta solo lo de bajo riesgo.
Si sus sistemas hoy no se hablan entre sí, ese es el primer trabajo. Mtechnology lo aborda como integración de sistemas y, cuando hace falta una pieza propia, como software a la medida. Para decidir entre conectar o reemplazar su ERP, lea integrar o cambiar de ERP.
Cómo es un piloto de seis a ocho semanas
Un piloto razonable dura entre seis y ocho semanas, trabaja con datos reales de un solo proceso y se mide contra una línea base tomada antes de construir. Es un marco de referencia: el plazo real depende del proceso y se confirma en el diagnóstico.
- Semana 1: línea base y criterio de parada. Mida hoy cuántos casos hay, cuánto tardan, cuánto cuestan y cuántos errores tienen. Escriba desde el inicio qué resultado le haría detener el piloto.
- Semanas 2 y 3: alcance, datos y permisos. Defina el proceso exacto, las excepciones que irán a una persona y las conexiones en modo lectura.
- Semanas 3 a 5: construcción y pruebas. Pruebe con un conjunto de casos pasados cuyo resultado correcto ya conoce.
- Semanas 5 y 6: modo sombra. El agente propone y la persona decide; se compara cada propuesta con la decisión humana.
- Semanas 7 y 8: operación acotada y decisión. El agente ejecuta lo de bajo riesgo con umbral de escalamiento. Al cierre se compara con la línea base y se decide: escalar, ajustar o detener.
Qué métricas medir en el piloto
- Porcentaje de casos resueltos sin intervención humana.
- Precisión, medida sobre una muestra que una persona audita cada semana.
- Tiempo de ciclo por caso, frente a la línea base.
- Costo por caso: modelo, integración y revisión humana.
- Tasa de escalamiento y motivos más frecuentes.
Esa es también la lógica del servicio de Mtechnology: diagnóstico del proceso, piloto con datos reales, integración y puesta en marcha, y operación con mejora mensual. Los datos se usan para medir el retorno contra la línea base.
Cuánto cuesta de verdad un agente de IA
El costo de un agente se compone de consumo de modelo, integración y mantenimiento, y los tres deben estar en el presupuesto desde el piloto. Mtechnology no publica tarifas: el costo depende del proceso y se estima en el diagnóstico.
| Componente | Qué incluye | Cómo se comporta |
|---|---|---|
| Consumo de modelo (tokens) | Lo que se paga por texto enviado y generado en cada caso | Variable: crece con el volumen y con el largo del contexto |
| Integración | Conexión con ERP, CRM y canales; permisos; registro de acciones | Se paga una vez, con ajustes por cada sistema nuevo |
| Mantenimiento | Monitoreo, revisión de errores, ajustes por cambios en sistemas o en el modelo | Mensual y continuo |
| Revisión humana | Tiempo de quien audita y atiende las escaladas | Alto al inicio, baja al madurar |
Un cálculo de tokens con supuestos explícitos
Supongamos un caso que el agente resuelve en seis llamadas al modelo, con unos 8.000 tokens de entrada por llamada (instrucciones, contexto y resultados de herramientas) y 2.000 de salida en total. Con la tarifa de lista de Anthropic consultada el 9 de octubre de 2026, el consumo sería:
- Sonnet 5.5 (USD 2 por millón de tokens de entrada y USD 10 de salida): unos USD 0,12 por caso, es decir, cerca de USD 1.160 al mes con 10.000 casos.
- Haiku 5.5 (USD 0,10 de entrada y USD 0,50 de salida, hasta 100.000 tokens): unos USD 0,006 por caso, cerca de USD 58 al mes con el mismo volumen.
Son supuestos de ejemplo, no una cotización. Muestran que la elección del modelo cambia el consumo por un factor de veinte. El procesamiento por lotes (50 % de ahorro) y el caché de instrucciones lo reducen más. Cada proveedor publica sus tarifas: revise la de Anthropic y compárela con la del modelo que elija.
Riesgos y gobierno: qué controlar antes de poner un agente en producción
Los riesgos principales son las respuestas inventadas, el manejo de datos personales y las acciones no autorizadas, y cada uno tiene un control concreto. Ninguno desaparece con confiar en el proveedor.
| Riesgo | Control recomendado |
|---|---|
| Alucinaciones: el agente afirma algo falso | Responder solo con datos consultados en sus sistemas; auditar una muestra semanal |
| Datos personales | Minimizar lo que ve el agente; acuerdo de confidencialidad; sin uso de sus datos para entrenar modelos de terceros |
| Acciones no autorizadas | Permisos mínimos, umbral de escalamiento y registro de cada acción |
| Decisiones sobre personas | Humano en el bucle: el agente prepara, la persona decide |
| Dependencia de un solo proveedor de modelo | Diseño que permita cambiar de modelo y conservar sus datos y flujos |
Un ejemplo de humano en el bucle es Eliot, el producto de IA de Mtechnology para atención por WhatsApp. Según su sitio, pasa la conversación a una persona del equipo con el contexto, la persona debe aceptarla y el agente nunca finge ser humano.
Normas que conviene revisar según el país
- Unión Europea: el AI Act está vigente desde el 1 de agosto de 2024. Según la Comisión Europea, las prácticas prohibidas y la alfabetización en IA se aplican desde febrero de 2025 y la aplicación general desde el 2 de agosto de 2026. Las reglas de alto riesgo del anexo III pasan al 2 de diciembre de 2027 tras el «AI Omnibus» (Comisión Europea).
- Colombia: la Superintendencia de Industria y Comercio aplica la Ley 1581 de 2012 a los datos personales usados en sistemas de IA. Pide protección de datos desde el diseño (Circular 2 de 2024).
- México: existe una nueva Ley Federal de Protección de Datos Personales en Posesión de los Particulares, de 2025 (Garrigues).
Para ver otras aplicaciones de IA por sector, lea aplicaciones de inteligencia artificial en la industria.
Preguntas frecuentes
¿Qué es un agente de IA para una empresa?
Es un software que recibe un objetivo, decide los pasos, usa herramientas conectadas a sus sistemas y ejecuta acciones. Cuando el caso supera un umbral definido por la empresa, lo escala a una persona.
¿Cuál es la diferencia entre un agente de IA, un chatbot y un RPA?
El chatbot responde con guiones y el RPA repite reglas fijas. El agente interpreta lenguaje libre, razona sobre excepciones y actúa en varios sistemas, con permisos acotados y supervisión.
¿Cuánto tarda un piloto?
Un marco razonable es de seis a ocho semanas para un solo proceso, con línea base y criterio de parada. El plazo exacto depende del proceso y de sus sistemas, y se confirma en el diagnóstico.
¿Necesito tener los datos ordenados para empezar?
No necesariamente. Según Mtechnology, el diagnóstico evalúa el estado de sus datos y define qué se puede hacer con ellos antes de construir.
¿La IA reemplaza a las personas?
El enfoque que aquí se recomienda automatiza tareas repetitivas y deja las decisiones sensibles a una persona. Su equipo pasa de digitar y conciliar a revisar excepciones y mejorar el proceso.
¿Cuánto cuesta un agente de IA?
Depende del proceso. El costo suma consumo de modelo, integración y mantenimiento; Mtechnology lo estima en el diagnóstico de 30 minutos, que no tiene costo.
¿Qué normas aplican a un agente de IA?
Depende del país: en la Unión Europea, el AI Act; en Colombia y México, las leyes de protección de datos personales. Confirme con su área legal antes de poner el agente en producción.
El siguiente paso: un proceso, una línea base, una decisión
Un agente de IA no se compra como una licencia: se prueba en un proceso acotado, se mide contra lo que hoy cuesta y se escala solo si los números lo justifican. Mtechnology acompaña ese camino desde la IA aplicada a la operación, y puede ver su trabajo en el portafolio. Si su operación corre sobre servidores o nube propia, conviene revisar también el hosting y cloud y el soporte TI que la sostendrán.
Treinta minutos. Sin costo. Al final sabrá qué proceso conviene probar primero y cuánto tomaría el piloto.
Agendar el diagnóstico
