Agente de IA: qué hace por ti (y qué todavía no hace)

Un agente de IA hace mucho más que responder preguntas, y bastante menos de lo que sugieren los videos de demostración. Lee tus datos, cruza fuentes, decide el siguiente paso dentro de reglas y ejecuta acciones en herramientas reales. Lo que todavía no hace bien es sostener cadenas largas de decisiones sin que alguien revise a mitad de camino.

Piensa en un lunes cualquiera. El gerente de una tienda online abre la laptop y encuentra tres mensajes del agente: el CPA de Meta Ads subió el fin de semana, dos campañas de Google gastaron por encima del tope diario y un producto estrella tiene stock para cuatro días. Nadie tuvo que pedirlo. Ahora imagina al mismo gerente diciéndole al agente: “aumenta las ventas de este mes”. Ahí todo se desarma.

La distancia entre esas dos escenas es el tema de este post: qué hace de verdad un agente de IA hoy, dónde tropieza y cómo elegir qué delegar sin arrepentirte.

¿Qué hace un agente de IA, en resumen?

Un agente de IA es un sistema que recibe un objetivo, lee datos de varias fuentes, planifica los pasos, ejecuta acciones en herramientas (hojas de cálculo, CRM, plataformas de anuncios) y revisa el resultado antes de seguir. Resuelve bien tareas frecuentes, verificables y con reglas claras. Las tareas largas, vagas o irreversibles todavía necesitan supervisión humana.

Si buscas la definición más conceptual, con la historia del término, está en agentes de IA: qué son y qué cambia para tu negocio. Aquí el foco es otro: capacidad real frente a promesa.

¿Cómo trabaja un agente de IA por dentro?

Todo agente, del más simple al más sofisticado, corre el mismo ciclo de cuatro movimientos. Percibe (lee datos), razona (decide el siguiente paso), actúa (llama a una herramienta) y verifica (comprueba si la acción dio el resultado esperado). Luego repite, hasta cumplir el objetivo o chocar con una regla de parada.

Lo que separa a un agente de un chatbot está en el tercer y el cuarto movimiento. El chatbot entrega texto y se detiene. El agente ejecuta y vuelve a revisar. Escribimos sobre esa diferencia en agente de IA vs chatbot.

Lo que un agente de IA ya hace bien hoy

La lista de abajo no es especulación. Son tareas que los agentes ejecutan en producción, en empresas de todos los tamaños, con una tasa de acierto suficiente para no revisar línea por línea.

Tarea	Por qué funciona	Ejemplo en marketing y ventas
Monitorear y alertar	Regla clara, resultado fácil de comprobar	Avisar cuando el CPA supera la meta en 20%
Cruzar fuentes de datos	Trabajo mecánico que las personas hacen mal	Unir el gasto de Meta Ads con las ventas del CRM
Responder preguntas sobre datos	Consulta corta, respuesta verificable	“¿Qué canal trajo al cliente de mayor ticket en octubre?”
Redactar y resumir	Una persona lo revisa en segundos	Informe semanal para el cliente de una agencia
Ejecutar acciones pequeñas y reversibles	El error cuesta poco y se deshace	Pausar un anuncio con frecuencia mayor a 6

Fíjate en el patrón: tareas cortas, frecuentes, con un criterio objetivo de acierto y error. Ahí es donde el agente se paga solo. Hay más casos por área en agentes de IA: ejemplos prácticos por área de la empresa.

Un mini caso concreto

Una tienda online de cosméticos de Recife, en Brasil, definió un CPA objetivo de R$ 45 (unos US$ 8) en Meta Ads. Un martes, el agente notó que el conjunto de anuncios de remarketing estaba en R$ 62, un 37,8% por encima de la meta, tres días seguidos. Cruzó con GA4, vio que la tasa de conversión de la página de producto había caído al mismo tiempo y concluyó que el problema no era el anuncio sino la página, que se había vuelto lenta tras una actualización.

El agente no arregló el sitio. Envió al equipo una alerta con la hipótesis y los números. Ese es el diseño correcto: hizo el trabajo tedioso de investigar, y la decisión quedó en manos de quien conoce el contexto.

Lo que un agente de IA todavía no hace bien

Aquí está la frustración de la mayoría de los proyectos. Son cuatro límites, y el primero es matemático.

1. Cadenas largas de pasos

Supón un agente que acierta el 95% de cada paso aislado. Suena muy bien. Pero en una tarea de 10 pasos encadenados, la probabilidad de acertar todos es 0,95 elevado a 10, alrededor del 60%. Con 20 pasos, baja al 36%. Es un ejemplo ilustrativo, calculado aquí, pero la lógica vale para cualquier sistema en el que un error al inicio contamina lo que viene después.

La buena noticia es que este límite se mueve rápido. Un estudio de la organización de investigación METR, publicado en marzo de 2025, midió que la duración de las tareas que los modelos de punta completan con 50% de éxito se venía duplicando aproximadamente cada siete meses. En ese momento, el techo estaba en tareas de unos 50 minutos de trabajo humano. Útil, pero lejos de “encárgate de toda la operación”.

2. Contexto que no está escrito en ningún lado

El agente no sabe que la campaña de diciembre tiene menos margen porque el proveedor subió el precio por teléfono. Ni que ese cliente grande pidió que no lo llamen los viernes. Si la información no está en un dato que pueda leer, para él no existe.

3. Un objetivo vago

“Aumenta las ventas” no es una tarea, es un deseo. Un agente con un objetivo vago y permisos amplios tiende a optimizar lo equivocado: recorta el gasto que trae clientes nuevos para mejorar el ROAS del mes, por ejemplo. En la práctica, esto rara vez funciona porque nadie definió qué cuenta como éxito.

4. Datos malos

Un agente rápido sobre datos equivocados solo se equivoca más rápido. UTMs desordenadas, conversiones duplicadas y un CRM desactualizado se convierten en malas decisiones tomadas con confianza. Antes de delegar, conviene revisar la calidad de los datos que van a alimentar al agente.

¿Por qué tantos proyectos de agentes de IA no salen del piloto?

Los números de 2025 cuentan la misma historia. La encuesta anual de McKinsey sobre IA, publicada en noviembre de 2025, señaló que el 62% de las organizaciones ya experimenta con agentes, pero solo el 23% está escalando su uso, y casi siempre en una o dos áreas.

Gartner fue más dura. En una previsión publicada en junio de 2025, estimó que más del 40% de los proyectos de IA agéntica serán cancelados antes de que termine 2027, por costos altos, valor de negocio poco claro o controles de riesgo insuficientes. El mismo análisis calculó que, entre miles de proveedores que se presentan como “agénticos”, solo unos 130 ofrecen agentes de verdad. El resto son chatbots o automatización antigua con etiqueta nueva.

El error más común que vemos es empezar por el proceso más ambicioso. La empresa quiere un agente que “gestione el tráfico pago” y descubre, tres meses después, que nadie confía lo suficiente en él como para dejarlo tocar el presupuesto. Empezar por monitoreo y diagnóstico construye esa confianza. La hoja de ruta completa está en cómo implementar agentes de IA en la empresa.

Cómo decidir qué delegar a un agente de IA

Usa tres preguntas. Si la tarea pasa las tres, delégala con autonomía. Si pasa dos, delégala con aprobación humana. Si pasa una o ninguna, mantenla en el equipo y usa al agente solo para preparar el análisis.

1. ¿Es reversible? Pausar un anuncio se deshace con un clic. Enviar un correo a 40 mil contactos, no.
2. ¿Es verificable? ¿Hay un número que diga si funcionó? “El CPA volvió a la meta” es verificable. “Mejorar la marca” no lo es.
3. ¿Es frecuente? Una tarea diaria compensa el esfuerzo de configurar reglas. Una anual, casi nunca.

Esta regla se rompe en un punto: las tareas con riesgo regulatorio, como el uso de datos personales o la comunicación con clientes en sectores regulados, piden aprobación humana aunque pasen las tres preguntas.

Preguntas frecuentes

¿Qué puede hacer un agente de IA por mí?

Monitorear indicadores y avisar cuando algo se sale de lo normal, cruzar datos de anuncios, sitio web y CRM, responder preguntas sobre esos datos y ejecutar acciones pequeñas, como pausar anuncios o actualizar registros. La mayor ganancia suele ser el tiempo que dejas de gastar armando informes.

¿Existe un agente de IA que lo haga todo?

No de forma confiable. Cuanto más larga y vaga es la tarea, mayor es el error acumulado. Los agentes que funcionan tienen un alcance acotado, reglas claras y una persona aprobando las acciones difíciles de deshacer.

¿Un agente de IA reemplaza a un empleado?

Reemplaza tareas, no puestos completos. Le quita al analista el trabajo de recolectar y cruzar datos, y le devuelve tiempo para interpretar y decidir. Las empresas que eliminan a la persona y dejan solo al agente suelen perder justamente el contexto que no está en los datos.

¿Existe un agente de IA que haga llamadas?

Sí, los agentes de voz ya hacen llamadas de calificación, confirmación de citas y cobranza simple. Funcionan bien con guiones predecibles y mal en negociaciones con muchas variables. Avisa al cliente de que está hablando con una IA.

El agente correcto empieza por la pregunta correcta

Un agente de IA no es un empleado digital ni magia. Es una forma de quitarle al equipo el trabajo de leer, cruzar y vigilar datos, para que las personas pongan su energía donde se necesita criterio. Quien empieza por ahí ve resultados en semanas; quien empieza pidiendo “encárgate de todo” suele terminar en la estadística de Gartner.

Si tu primer paso es dejar de armar informes a mano, Sherlok conecta Meta Ads, Google Ads, GA4, tu CRM y hojas de cálculo, te deja preguntarle a tus datos en tu idioma y recibir el análisis listo, con agentes que avisan cuando algo se sale de rumbo.