Durante los últimos años, la inteligencia artificial se incorporó a las empresas principalmente como una herramienta capaz de analizar datos o generar textos, imágenes y código. Sin embargo, una nueva etapa amplía ese alcance: la IA agéntica puede recibir un objetivo, planificar cómo alcanzarlo y ejecutar acciones mediante distintas herramientas digitales.
A diferencia de un chatbot tradicional, un agente de IA no se limita a responder una instrucción. Puede dividir una meta en tareas, consultar información, interactuar con sistemas, evaluar resultados y ajustar su comportamiento durante el proceso (Wang et al., 2024).
Este avance abre nuevas posibilidades para la inteligencia artificial aplicada a los negocios, desde la atención al cliente hasta la gestión comercial, financiera y operativa. No obstante, una mayor autonomía también exige supervisión, gobernanza y criterios claros. Comprender cómo funcionan estos agentes es el primer paso para aprovechar su potencial sin perder el control sobre sus decisiones.
¿Qué es la IA agéntica?
La IA agéntica es un enfoque de inteligencia artificial diseñado para actuar de manera autónoma en función de un objetivo. No se trata de un modelo aislado, sino de un sistema que combina capacidades de comprensión, razonamiento, memoria, planificación y acceso a herramientas externas.
Su funcionamiento puede resumirse en cuatro etapas:
- Percibir: recopila información del entorno, como datos, instrucciones o respuestas de otros sistemas.
- Razonar: interpreta la situación y analiza posibles cursos de acción.
- Planificar: divide el objetivo general en tareas más pequeñas y ordenadas.
- Actuar: utiliza herramientas, aplicaciones o bases de datos para ejecutar el plan.
Estas etapas forman un ciclo. Después de actuar, el agente observa el resultado, identifica errores y ajusta los pasos siguientes. Esta capacidad de retroalimentación distingue a los agentes de los sistemas que siguen automatizaciones rígidas (Wang et al., 2024).
Sin embargo, su autonomía no es absoluta. Las personas siguen definiendo los objetivos, permisos, límites y puntos de aprobación. La IA agéntica amplía la capacidad de ejecución, pero la responsabilidad final permanece en la organización que la implementa.
¿Cómo funciona un agente de inteligencia artificial?
El funcionamiento de un agente comienza con un objetivo definido por una persona o una organización. A partir de esa meta, el sistema analiza el contexto, diseña un plan y selecciona las herramientas necesarias para ejecutarlo. Estas pueden incluir buscadores, aplicaciones empresariales, bases de datos, plataformas de correo electrónico o sistemas de gestión.
Uno de los enfoques que explica esta dinámica es el paradigma ReAct —razonar y actuar—. Este modelo alterna instancias de análisis con acciones concretas y utiliza los resultados obtenidos para actualizar el plan (Yao et al., 2023). Así, el agente no sigue necesariamente una secuencia rígida: puede corregir errores, solicitar información adicional o elegir otra herramienta.
Por ejemplo, un agente destinado a gestionar inventarios podría:
- Consultar las existencias registradas en el ERP.
- Compararlas con la demanda prevista.
- Identificar productos con riesgo de agotarse.
- Revisar precios y condiciones de los proveedores.
- Preparar una orden de compra.
- Solicitar aprobación humana si supera el monto autorizado.
En este caso, la IA no solo genera una recomendación. Coordina un proceso compuesto por varias tareas y sistemas. Su nivel de autonomía dependerá de los permisos, controles y límites establecidos por la empresa.
IA generativa e IA agéntica: ¿cuál es la diferencia?
La IA generativa y la IA agéntica no son tecnologías opuestas. Los agentes suelen utilizar modelos generativos como motor para comprender instrucciones y elaborar respuestas. La diferencia está en lo que el sistema hace después: mientras la IA generativa produce un resultado, la IA agéntica coordina acciones para alcanzar una meta (Wang et al., 2024).
| Aspecto | IA generativa | IA agéntica |
| Objetivo principal | Crear contenido o responder consultas | Alcanzar un objetivo mediante acciones |
| Dinámica | Instrucción y respuesta | Ciclo iterativo de planificación, acción y evaluación |
| Planificación | Resuelve principalmente la tarea solicitada | Divide una meta en múltiples tareas |
| Uso de herramientas | Puede generar información para que una persona actúe | Interactúa directamente con sistemas y aplicaciones |
| Resultado | Texto, imagen, código o recomendación | Proceso ejecutado o acción completada |
| Papel humano | Formula la instrucción y revisa la respuesta | Define objetivos, permisos, controles y aprobaciones |
| Ejemplo comercial | Redactar un correo promocional | Segmentar contactos, redactar el correo, programar el envío y analizar resultados |
En términos simples, la IA generativa ayuda a producir; la IA agéntica permite delegar. Sin embargo, delegar no equivale a perder el control: cuanto mayor sea la capacidad de acción del agente, más importantes serán la supervisión y la trazabilidad.
Aplicaciones reales de la IA agéntica
La IA agéntica resulta especialmente útil en procesos que requieren consultar información, tomar decisiones dentro de reglas definidas y actuar sobre varios sistemas. Sus aplicaciones empresariales ya abarcan diferentes áreas:
- Marketing y ventas: calificación de prospectos, personalización de mensajes y seguimiento de oportunidades.
- Servicio al cliente: consulta de pedidos, gestión de cambios y actualización de datos en el CRM.
- Finanzas y compliance: conciliación de operaciones, revisión documental y detección de anomalías.
- Operaciones: control de inventarios, coordinación con proveedores y resolución de incidentes.
- Recursos humanos: preselección de candidatos, organización de entrevistas y respuesta a consultas internas.
Grupo Falabella: atención mediante WhatsApp
Grupo Falabella implementó agentes de IA para atender consultas relacionadas con pedidos y servicios a través de WhatsApp. Según el caso publicado por Salesforce, el sistema resuelve de manera autónoma el 60 % de las solicitudes y permitió triplicar la capacidad de atención en ese canal (Salesforce, 2026).
Ciudad de Montreal: acceso a servicios públicos
La ciudad de Montreal incorporó un agente virtual para facilitar el acceso ciudadano a información sobre permisos, normativas, servicios y eventos. La solución consulta más de 40.000 páginas y se conecta con dos sistemas internos para enriquecer sus respuestas. Además de mejorar el acceso a la información, busca reducir las consultas básicas recibidas por el centro de llamadas y priorizar aquellas que requieren intervención humana (Microsoft, 2026).
Estos casos muestran que la IA agéntica no pertenece únicamente al terreno experimental. Ya interviene en procesos concretos, aunque su alcance debe definirse según el riesgo y la complejidad de cada decisión.
Riesgos y gobernanza: la autonomía necesita límites
La capacidad de actuar también amplía los riesgos. Un agente puede interpretar incorrectamente una instrucción, utilizar información inexacta o encadenar errores durante la ejecución. Si tiene acceso a datos sensibles o sistemas críticos, una decisión equivocada puede afectar clientes, operaciones y reputación.
Los principales riesgos incluyen:
- Acceso indebido a información confidencial.
- Decisiones basadas en datos incompletos o sesgados.
- Acciones difíciles de rastrear o explicar.
- Incumplimientos normativos y vulnerabilidades de seguridad.
- Automatización de decisiones que requieren criterio humano.
Para gestionarlos, el marco de riesgos del National Institute of Standards and Technology propone cuatro funciones: gobernar, mapear, medir y gestionar. Esto implica identificar el contexto de uso, evaluar el desempeño y establecer responsabilidades durante todo el ciclo de vida del sistema (NIST, 2023).
En la práctica, cada agente debería operar con permisos mínimos, registros de actividad, métricas de desempeño y mecanismos de interrupción. Las decisiones financieras, legales o reputacionales también deben incluir instancias obligatorias de aprobación humana. Por eso, una adecuada estrategia de implementación de IA comienza por definir qué puede hacer el agente, qué debe consultar y qué acciones nunca puede ejecutar por sí solo.
¿Cómo prepararse para incorporar agentes de IA?
Adoptar IA agéntica no comienza por elegir una herramienta, sino por identificar un proceso adecuado. Los mejores puntos de partida suelen ser tareas repetitivas, medibles, con reglas claras y acceso controlado a la información.
Una implementación inicial debería contemplar cuatro pasos:
- Definir el objetivo: establecer qué resultado debe alcanzar el agente.
- Delimitar su autonomía: precisar qué datos y sistemas puede utilizar.
- Probar en un entorno controlado: evaluar errores antes de operar a escala.
- Medir y supervisar: monitorear resultados, registrar acciones y mantener aprobaciones humanas.
La Maestría en Inteligencia Artificial Aplicada a los Negocios de ADEN aborda esta transformación desde una perspectiva empresarial. Su propuesta incluye el diseño de agentes, la integración de herramientas y la aplicación de IA en áreas como marketing, finanzas, operaciones, gestión comercial y capital humano. En esta nueva etapa, la ventaja no estará solamente en utilizar inteligencia artificial, sino en saber dirigirla con criterio.
Referencias
ADEN International Business School. (2026a). Inteligencia artificial agéntica y creación de software sin código [Material académico].
ADEN International Business School. (2026b). Inteligencia artificial generativa y desarrollo agéntico [Material académico].
ADEN International Business School. (2026c). Maestría en Inteligencia Artificial Aplicada a los Negocios [Programa académico].
Microsoft. (s. f.). City of Montréal supports citizens with a virtual agent built using Microsoft Copilot Studio. Recuperado el 13 de julio de 2026, de https://www.microsoft.com/en/customers/story/25186-city-of-montreal-agents/
Salesforce. (s. f.). Grupo Falabella offers fast, convenient order support with Agentforce. Recuperado el 13 de julio de 2026, de https://www.salesforce.com/customer-stories/grupo-falabella/
Tabassi, E. (2023). Artificial Intelligence Risk Management Framework (AI RMF 1.0) (NIST AI 100-1). National Institute of Standards and Technology. https://doi.org/10.6028/NIST.AI.100-1
Wang, L., Ma, C., Feng, X., Zhang, Z., Yang, H., Zhang, J., Chen, Z., Tang, J., Chen, X., Lin, Y., Zhao, W. X., Wei, Z., & Wen, J. (2024). A survey on large language model based autonomous agents. Frontiers of Computer Science, 18(6), 186345. https://doi.org/10.1007/s11704-024-40231-1
Yao, S., Zhao, J., Yu, D., Du, N., Shafran, I., Narasimhan, K., & Cao, Y. (2023). ReAct: Synergizing reasoning and acting in language models. International Conference on Learning Representations. https://arxiv.org/abs/2210.03629
¿Qué es la IA agéntica?
La IA agéntica es un enfoque que permite a sistemas inteligentes recibir objetivos, planificar tareas, utilizar herramientas y ejecutar acciones con un nivel de autonomía previamente definido.
¿Cuál es la diferencia entre IA generativa e IA agéntica?
La IA generativa crea contenido o responde consultas. La IA agéntica utiliza esas capacidades para planificar, tomar decisiones dentro de ciertos límites y coordinar acciones orientadas a alcanzar un objetivo.
¿Qué tareas puede realizar un agente de IA en una empresa?
Puede atender clientes, calificar prospectos, actualizar sistemas CRM, controlar inventarios, revisar documentos, elaborar reportes y coordinar tareas operativas entre distintas aplicaciones.
¿Cuáles son los principales riesgos de la IA agéntica?
Entre los principales riesgos se encuentran el acceso indebido a datos, las decisiones basadas en información incorrecta, la falta de trazabilidad y la ejecución de acciones sin suficiente supervisión humana.
¿Cómo puede una empresa comenzar a implementar agentes de IA?
Conviene comenzar con un proceso medible y de bajo riesgo. Luego se deben definir objetivos, permisos y controles, realizar una prueba piloto y evaluar los resultados antes de ampliar su autonomía.
Faculty relacionado
Jordi Torras
Experto en IA
