La escena, para que la palabra deje de ser humo
Ahora mismo hay una propuesta circulando en tu sector que dice "agentes de IA". Puede que ya te haya llegado. Y si preguntas qué es un agente, la respuesta suele ser otra frase con las mismas palabras dentro, así que vamos a desarmarla 🐣
Piensa en cómo usas ChatGPT hoy. Le escribes, contesta, lees, le escribes otra cosa. En esa danza tú das todos los pasos. La IA es buenísima contestando y no hace absolutamente nada si tú no vuelves.
Ahora imagina lo mismo, pero le dices al principio "revisa los correos de hoy, identifica cuáles son pedidos, y arma un borrador de cotización para cada uno". Y se va. Y vuelve en veinte minutos con siete borradores.
Eso es un agente. Ni más místico ni más complicado: un modelo de lenguaje al que dejaron dar el siguiente paso solo.
Las tres cosas que le hacen falta
Un modelo suelto no puede hacer nada de lo anterior. Solo sabe escribir texto, como vimos en el capítulo 4. Para que se convierta en agente hay que darle tres cosas, y conviene que te las sepas porque son las tres preguntas que le tienes que hacer a quien te venda uno.
Uno: qué puede mirar. El correo, la carpeta de cotizaciones, la base de clientes, el calendario. Un agente sin acceso a nada es un chat con otro nombre.
Dos: qué puede hacer. Escribir un borrador, mandar el correo, crear la fila en la hoja, agendar la reunión. Y ojo con esta, que es la que importa de verdad: la diferencia entre "puede escribir un borrador" y "puede mandar el correo" es la diferencia entre un susto y un problema.
Tres: qué recuerda. Si cada mañana empieza de cero, cada mañana va a repetir el mismo error.
Cuando alguien te ofrezca un agente, esas tres preguntas te dicen en dos minutos si sabe de lo que habla. Y la segunda te dice cuánto riesgo estás comprando.
Lo que puede hacer: las herramientas
Un modelo no sabe consultar tu inventario. Lo que sí sabe hacer es pedirlo.
Funciona así de simple: a quien programa el agente le toca escribirle una lista de acciones disponibles, como un menú. "Puedes consultar stock. Puedes crear un borrador. Puedes buscar un cliente por RUC." Cuando el modelo cree que le hace falta una, la pide, el programa la ejecuta de verdad, y el resultado vuelve al modelo para que siga.
El nombre técnico de eso es function calling, o llamada a funciones, y también vas a oír "tool use" o "herramientas". Es la misma cosa y te la van a decir de las tres formas.
Lo que a ti te importa de esto no es el nombre. Es esto: el modelo decide cuándo usar cada herramienta, y se puede equivocar al decidir. No se equivoca en la herramienta, que es un programa normal y hace lo que dice. Se equivoca en el criterio, que es lo que vimos en el capítulo 5.
Lo que recuerda: tres memorias distintas
Esto se explica poco y es donde la gente se lleva la sorpresa.
La memoria corta es lo que cabe en la conversación de ahora mismo. Es la que ya conoces: cuando el chat se hace larguísimo y empieza a olvidar lo del principio. Tiene un tope, y ese tope se llama ventana de contexto. Está en el capítulo 5, en la parte donde la conversación se hizo demasiado larga.
La memoria larga es lo que se guarda en algún sitio y se trae de vuelta cuando hace falta. "Este cliente pidió factura, no boleta." "A esta empresa se le da 30 días de crédito." No vive en la conversación, vive en una base, y el agente la consulta.
La memoria semántica suena a más de lo que es: guardar cosas por significado en vez de por palabra exacta, para poder preguntar "qué se le prometió a este cliente" y que aparezca el correo aunque nadie escribiera esa frase. De eso va el capítulo que sigue, 10.
La razón de que te importe: cuando un proveedor te diga "tiene memoria", pregunta cuál de las tres. Casi siempre quiere decir la primera, que es la que se borra sola.
Esto ya existía y se llamaba RPA
Si trabajas en una empresa mediana o grande, seguro ya viste algo que automatizaba tareas. Se llamaba RPA, automatización robótica de procesos, y lleva años funcionando.
La diferencia no es que uno sea moderno y el otro viejo. Es esta:
El RPA hace exactamente lo que le escribieron, paso por paso. Abre este sistema, copia esta celda, pégala allá. Es rapidísimo, es barato y no se equivoca nunca en lo que sabe hacer. Y en cuanto algo cambia de sitio, se rompe entero y hay que reescribirlo.
El agente decide el paso siguiente cada vez. Aguanta que el correo venga escrito de otra forma, que falte un dato, que el cliente pregunte algo raro. Y a cambio no te garantiza que dos casos iguales se resuelvan igual.
La conclusión no es que uno gane. Es que si tu proceso siempre es idéntico, el RPA es mejor y más barato, y si te ofrecen un agente para eso te están cobrando de más. El agente vale la pena justo donde el RPA se rompía: donde cada caso llega un poquito distinto.
Dónde se rompe
Tres formas, en orden de frecuencia.
Le falta lo que tu empresa nunca escribió. Es la trampa de arriba y es la número uno con diferencia. La regla del descuento, la excepción de ese cliente, el "a este proveedor siempre se le confirma por teléfono". Nada de eso está en ningún archivo.
Se equivoca al elegir la herramienta. Manda cuando debía guardar. Consulta el cliente equivocado. Un agente que solo redacta borradores se equivoca gratis; uno que puede mandar correos se equivoca delante de un cliente.
Se va largo. Como decide su siguiente paso, puede encadenar veinte pasos donde hacían falta tres. Eso no rompe nada visible: rompe la factura, y de eso va el capítulo 12.
Las tres tienen la misma defensa y no es técnica: que la primera versión no pueda hacer nada irreversible. Que redacte y no mande. Que proponga y no ejecute. Se le suelta la mano después, cuando ya viste cómo se comporta un mes 🔍
Practica 💪
Cinco situaciones. En todas la pregunta es si conviene un agente, un RPA o ninguno de los dos, y la respuesta está debajo para que primero lo pienses tú 🐣
1. Las facturas del mismo proveedor
Todos los meses llegan 60 facturas del mismo proveedor, en el mismo formato, y hay que pasar cuatro datos de cada una a un sistema. ¿Agente o RPA?
RPA, y sin dudarlo. El formato es idéntico siempre, los datos están en el mismo sitio, no hay ningún criterio que aplicar. Un agente acá cuesta más, tarda más y encima introduce la posibilidad de que un mes decida algo distinto.
Si alguien te ofrece IA para esto, la pregunta amable es: ¿qué me da esto que no me da una automatización normal? Si la respuesta es "es IA", ya sabes.
2. Las mismas facturas, de 40 proveedores
Lo mismo, pero ahora son 40 proveedores y cada uno manda su factura como quiere: PDF, foto, cuerpo del correo.
Acá sí gana el agente. Esta es exactamente la frontera: cuarenta formatos distintos son cuarenta reglas de RPA que además se rompen cada vez que un proveedor cambia su plantilla.
Y ojo con el detalle que decide el proyecto: pídele que el resultado quede para revisar, no que se cargue directo. El día que lea mal un monto quieres enterarte antes de pagarlo.
3. El agente que responde a clientes
Te ofrecen un agente que responda las consultas de clientes por WhatsApp, sin revisión, desde el día uno. Suena bien porque el equipo está saturado. ¿Qué preguntas?
Qué puede hacer, de la lista de tres. Si solo puede responder preguntas frecuentes, el peor escenario es una respuesta tonta. Si puede confirmar pedidos, dar precios o prometer plazos, el peor escenario es un compromiso comercial que tu empresa tiene que cumplir.
Lo segundo que preguntaría: de dónde saca lo que responde. Si la respuesta es "del modelo", va a inventar. Si es "de los documentos que ustedes nos den", entonces el proyecto de verdad es juntar esos documentos, y eso lo tienes que hacer tú.
4. La memoria que no era memoria
Un proveedor te dice que su agente "aprende de cada conversación y va mejorando". ¿Qué te está diciendo, en realidad?
Casi seguro que guarda las conversaciones y se las vuelve a enseñar al modelo, que es memoria larga. Y está bien, es útil. Pero "aprende" suena a que el modelo cambia, y el modelo no cambia: sigue siendo el mismo, solo que ahora le llega más información pegada a la pregunta.
La pregunta que aclara todo: si mañana borro esas conversaciones, ¿el sistema vuelve a ser el del primer día? Si la respuesta es sí, y casi siempre lo es, era memoria y no aprendizaje.
5. El que sí necesita a una persona
Tu empresa evalúa poner un agente que decida a qué postulantes se llama para entrevista. ¿Qué te frena?
El capítulo 8 entero. Un agente que decide sobre personas hereda los criterios de las decisiones anteriores y los aplica sin la duda que a veces frenaba a alguien.
Y en Perú, además, hay que mirar qué exige la ley cuando un sistema decide sobre personas. De eso va la Ley 31814, y lo vemos en el capítulo 13.
La versión defendible de este proyecto es otra: que el agente ordene y resuma, y que la decisión de a quién se llama la siga tomando una persona que puede explicar por qué.
6. El agente que no era agente
Un proveedor te muestra su "agente de atención": responde preguntas frecuentes, y cuando no sabe, deriva a una persona. Nada más. ¿Es un agente?
Con la definición de este capítulo, no: es un chat con un desvío. No usa herramientas, no recuerda entre conversaciones y no da ningún paso que no le hayan pedido en el mensaje de ahora.
Y aquí lo importante: eso no lo hace peor. Para responder preguntas frecuentes, un chat con desvío es exactamente lo que hace falta, es más barato y se rompe de menos formas. Lo que sí es un problema es pagar precio de agente por un chat, y para notarlo alcanza con las tres preguntas.
Lo que te llevas
- Un agente es un modelo al que dejaron dar el siguiente paso solo. Esa es toda la diferencia con un chat.
- Necesita tres cosas: qué mirar, qué hacer y qué recordar. Pregunta siempre por la segunda, que es donde vive el riesgo.
- Las herramientas las ejecuta un programa normal. Lo que puede fallar es el criterio con el que el modelo decide usarlas.
- Hay tres memorias y no son lo mismo. Cuando te digan "tiene memoria", pregunta cuál.
- Si tu proceso siempre es idéntico, el RPA es mejor y más barato. El agente gana donde cada caso llega distinto.
- La primera versión no debería poder hacer nada irreversible. Que redacte y no mande.
Comprueba que se entendió
Comprueba que lo tienes
Tu empresa pone un sistema que cada mañana lee los correos de pedidos, arma la cotización y la deja en borrador para que alguien la revise antes de enviarla. ¿Eso es un agente?
- Sí, porque decide solo qué hacer con cada correo y usa herramientas para hacerlo
- No, porque al final una persona lo revisa
- No, porque no conversa con nadie
- Sí, pero solo si nadie lo supervisa
Ya sabes qué es un agente y qué le hace falta. El capítulo que sigue es sobre la primera de las tres cosas, la de qué puede mirar, porque es la que decide si el agente sirve o inventa 🐥