Cómo crear un agente de IA: las piezas que hay que construir

Crear un agente de IA que impresione en una demo lleva una tarde. Crear uno en el que confíes para tocar tu facturación sin supervisarlo cada día lleva meses y no termina nunca del todo. Esta página trata de lo segundo, que es lo único que importa en una empresa: qué piezas hay que construir de verdad, por qué el salto del prototipo al sistema fiable es tan grande, y cómo decidir si ese trabajo lo haces tú o no.

No es un tutorial de código. Es la anatomía del trabajo, para que un directivo entienda qué está comprando —o qué se está comprometiendo a mantener— cuando alguien dice “construimos un agente”. Si vienes sin la base, empieza por qué es un agente de IA y por el pilar de agentes para empresas.

Las piezas que hay que construir

Un agente que opera no es un modelo con un buen prompt. Son cinco piezas que hay que construir, conectar y mantener, y cada una es un frente de trabajo real.

Las instrucciones. Es la parte más subestimada y la más tuya. Un modelo genérico no conoce tus reglas: qué es un caso válido, qué tolerancia aplicas, qué se hace con una desviación, cuándo hay que parar. Todo eso hay que hacerlo explícito y escribirlo de forma que el agente lo aplique igual cada vez. Si un proceso solo vive en la cabeza de dos personas, el primer trabajo no es técnico: es sacarlo de esas cabezas. Sobre cómo se codifica esa definición he escrito en el modelo operativo como código.

Las herramientas. Las acciones concretas que el agente podrá ejecutar: consultar el stock, emitir la factura, leer el buzón. Cada una hay que construirla y darle permisos explícitos de qué lee y qué escribe. El techo de lo que un agente puede hacer lo marcan las herramientas que le has dado.

Las integraciones. Conectar esas herramientas con tus sistemas reales —tu ERP, tu CRM, tu correo, tus bases de datos— es donde se va buena parte del esfuerzo. No es glamuroso y es donde más proyectos se atascan, porque los sistemas de una empresa de verdad tienen datos sucios, campos que significan cosas distintas según quién los rellenó y excepciones que nadie documentó.

La evaluación. Antes de dar trabajo real al agente hay que medir cómo lo hace: casos de prueba con respuesta conocida, umbrales de calidad, revisión de fallos. Sin esto no tienes forma seria de decir que funciona, solo tienes una impresión. Y las evaluaciones no se construyen una vez, se vuelven a pasar cada vez que cambia el modelo o el proceso. El detalle está en evaluación de agentes de IA.

Los controles. Dónde para el agente, qué escala a una persona, qué queda registrado de cada decisión. Esta pieza es la que un comité mira antes de aprobar nada y la que convierte un sistema potente en uno que se puede aprobar. El marco completo, en gobernanza de agentes.

Estas cinco piezas encajan en una arquitectura más amplia cuando el sistema crece, que desgloso en arquitectura de agentes de IA. El modelo, por cierto, casi no aparece en esta lista: es la pieza que se compra por API y se sustituye sin drama. Lo que construyes es todo lo que rodea al modelo.

Por qué el prototipo es fácil y el sistema fiable no

El malentendido que más caro sale es creer que la distancia entre la demo y la producción es cuestión de “pulir”. No lo es: son dos cosas distintas.

Un prototipo tiene que funcionar con el caso feliz: la factura normal, el pedido bien formado, el cliente que pregunta lo que se espera que pregunte. Eso hoy se monta rápido, y por eso hay tantas demos deslumbrantes. El problema es que una operación real no vive del caso feliz, vive de las excepciones: el proveedor nuevo, el importe raro, el albarán que no aparece, el cliente que pregunta tres cosas a la vez y una en tono de queja. El trabajo de verdad —y el 80% del esfuerzo— es hacer que el agente maneje ese largo abanico de casos raros sin romperse y sin hacer una tontería con aplomo.

A eso se suma que un agente es probabilístico y puede equivocarse de formas que un programa clásico no, produciendo un resultado plausible pero incorrecto. Explico esa mecánica en cómo funciona un agente de IA. Contener ese error exige las evaluaciones, el escalado y la traza de arriba, que no aportan nada a la demo y lo aportan todo a la fiabilidad.

Y hay una tercera trampa. El sistema no se queda quieto. Los modelos cambian, tus procesos cambian, tus sistemas cambian. Un agente sin mantenimiento se degrada como una máquina sin él. Por eso construir un agente no es un proyecto con final, sino una capacidad que hay que sostener. Es exactamente esta subestimación la que llena las estanterías de pilotos muertos, un patrón que analizo en por qué fracasan los pilotos de IA.

Construirlo tú o no: el criterio real

Aquí es donde un operador con experiencia te ahorra dinero. La pregunta no es “¿se puede construir?” —casi siempre se puede— sino “¿tiene sentido que lo construyas y lo mantengas tú?”. Y eso depende de una cosa, de si tienes o no una función de producto y tecnología capaz de sostener agentes, evaluaciones, integraciones y cambios de modelo al ritmo al que se mueve esto.

Tres caminos, con su verdad:

• Construir dentro. Control total a cambio de crear y retener un equipo técnico que mantenga el sistema para siempre. Para una empresa con capacidad de producto y un proceso muy propio, tiene sentido. Para la mayoría de medianas, es una función nueva con coste fijo y riesgo de rotación que se subestima al arrancar.
• Comprar plataformas por función. Resuelve casos acotados, pero tu proceso se adapta al producto y la integración entre piezas sigue siendo tuya.
• Contratar la operación. Otro opera y mantiene el sistema y tú compras el resultado, y la exigencia se traslada al contrato: resultado medible, permisos, trazas y una salida limpia.

No hay respuesta universal, hay una que encaja con tu caso. El análisis completo, con los criterios que uso, está en comprar o construir IA, y quién ejecuta cada opción —equipo interno, consultora o boutique— en ese comparativo. Un criterio que descarta rápido. Si la respuesta a “¿quién pasará las evaluaciones cuando cambie el modelo dentro de tres meses?” es un silencio, todavía no estás listo para construir dentro. Antes de decidir, conviene la revisión de la propia casa que reúno en preparar tu empresa para agentes.

Preguntas frecuentes

¿Qué se necesita para crear un agente de IA?

Cinco piezas construidas y conectadas: instrucciones con tus reglas y límites, herramientas para actuar sobre tus sistemas, integraciones con tu ERP y demás plataformas, evaluaciones que midan la calidad y controles que fijen dónde para y qué escala. El modelo casi no cuenta, se compra por API. Lo que construyes es todo lo que lo rodea.

¿Es difícil crear un agente de IA?

Un prototipo que funciona con el caso normal no es difícil, se monta rápido. Un agente fiable para producción sí lo es, porque el esfuerzo se va en manejar las excepciones, medir la calidad, integrarse con sistemas reales y mantener todo cuando el modelo y el proceso cambian. La demo es la parte fácil, la fiabilidad sostenida es la obra.

¿Cuánto se tarda en construir un agente de IA?

Un prototipo, horas o días. Un sistema que opera con garantías sobre un proceso real, meses, y luego no termina. Requiere mantenimiento continuo porque los modelos, los procesos y los sistemas cambian. Tratarlo como un proyecto con fecha de cierre es el error que más pilotos mata.

¿Debería construir el agente yo mismo o contratarlo?

Depende de si tienes una función de producto y tecnología capaz de mantener agentes, evaluaciones e integraciones al ritmo del sector. Si la tienes y el proceso es muy tuyo, construir dentro tiene sentido. Si no, comprar plataformas o contratar la operación evita crear una función técnica que no podrás sostener.