Un agente de IA (en inglés, AI agent) es un software al que le encargas una tarea. Decide los pasos, usa tus herramientas para hacerlos y se detiene cuando termina el trabajo o se atasca. IA agéntica (agentic AI) es el término más amplio para la IA que funciona así. Por eso los dos términos no compiten entre sí. «Agente de IA» nombra una cosa. «Agéntico» describe qué parte del trabajo planifica y hace la IA por su cuenta.
¿Por qué importa? Porque los proveedores usan ambas palabras a la ligera, y la etiqueta rara vez te dice qué hará de verdad un producto con tu bandeja de entrada, tu CRM o tus clientes. Esta guía explica de dónde vienen las palabras, cómo se usan hoy y cómo juzgar cualquier herramienta con unas cuantas preguntas sencillas.
Agentes de IA vs IA agéntica: la versión corta
| Agente de IA | IA agéntica | |
|---|---|---|
| Qué es | Algo concreto que puedes señalar | Una descripción, o una categoría entera |
| Cómo se dice | «Usamos un agente de IA para investigar nuevos leads». | «Este workflow es agéntico». |
| Qué tamaño tiene | Un sistema que hace un tipo de tarea | Desde un proceso sencillo asistido por IA hasta varios agentes trabajando juntos |
| Qué preguntar | ¿De qué trabajo se encarga y a qué puede acceder? | ¿Cuántas decisiones toma antes de que una persona revise el trabajo? |
Nadie es dueño de estos términos. Si un artículo te da una frontera «oficial» entre ellos, te está dando la opinión de un grupo concreto.
De dónde vienen las palabras
«Agente» es una palabra antigua. En su libro de texto de 1995 Artificial Intelligence: A Modern Approach, Stuart Russell y Peter Norvig definieron un agente como cualquier cosa que percibe su entorno y actúa sobre él. Según esa definición, un termostato cuenta. Lo nuevo es que los modelos de IA actuales pueden leer material de trabajo desordenado, como el correo de un cliente enfadado, y decidir qué hacer al respecto.
«Agéntico» es más reciente. En junio de 2024, Andrew Ng, fundador de DeepLearning.AI, propuso una forma de dejar de discutir sobre qué «cuenta» como agente. Hay que verlo como una cuestión de grado, escribió. "Unlike the noun 'agent,' the adjective 'agentic'" (traducción: «a diferencia del sustantivo "agente", el adjetivo "agéntico"») permite describir sistemas que se parecen un poco a un agente o mucho.
Unos meses antes había usado una buena analogía. Pedirle a una IA una respuesta de una sola vez es como pedirle a alguien que escriba un ensayo sin pulsar nunca la tecla de retroceso. Un enfoque agéntico deja que la IA haga un esquema, investigue, redacte, revise y corrija, como lo haría una persona.
YouTube · Sequoia Capital
What's next for AI agentic workflows ft. Andrew Ng of AI Fund (Qué viene para los workflows agénticos de IA, con Andrew Ng de AI Fund) · 26 de marzo de 2024
La analogía del ensayo sin tecla de retroceso es la explicación breve más clara de «agéntico» que encontramos. Es una charla de 2024, así que tómala como una lección sobre la idea, no como un informe sobre las herramientas de hoy.
Tres formas de usar los términos hoy
1. «Agéntico» como paraguas. La guía de Anthropic Building effective agents (diciembre de 2024) llama a todo esto «sistemas agénticos» y luego los divide en dos. En un workflow, los pasos están fijados de antemano. En un agente, la IA elige sus propios pasos. Un informe semanal que siempre sigue los mismos cinco pasos es agéntico, pero es un workflow.
2. «IA agéntica» como equipos de agentes. Una revisión de investigación, AI Agents vs. Agentic AI (publicada por primera vez en mayo de 2025 y revisada en septiembre de 2025), usa «agente de IA» para un solo sistema que hace un trabajo, como responder preguntas de soporte. Reserva «IA agéntica» para varios agentes que se reparten un objetivo mayor y se coordinan.
3. «IA agéntica» como etiqueta de mercado. Analistas y proveedores suelen usarla como nombre de categoría. En junio de 2025, Gartner pronosticó que más del 40 % de los proyectos de IA agéntica se cancelarían antes de finales de 2027 por su coste, por un valor poco claro o por controles de riesgo débiles. Es una previsión, no un recuento. Gartner también dio nombre al agent washing: llamar agente a un chatbot o a una herramienta de automatización antiguos sin añadirles ninguna capacidad nueva real. En mayo de 2026 advirtió de lo mismo en el software de cadena de suministro.
Figura 1. Un uso habitual de «sistemas agénticos» como paraguas para workflows y agentes. Multiagente describe cómo se combinan los agentes; no son categorías de producto excluyentes.
La pregunta de fondo: ¿quién elige los pasos?
Los tres usos comparten una idea. Cuanto más decide una IA por sí misma, más agéntica es. La mayor parte del trabajo de negocio encaja en uno de tres niveles:
- Asistente. Tú preguntas y la IA responde o redacta. Todo lo demás lo haces tú.
- Workflow. Los pasos se acuerdan de antemano. La IA lee y escribe dentro de cada paso.
- Agente. Le das un objetivo. Decide qué revisar, qué herramienta usar y cuándo tiene suficiente.
Maya Murad, de IBM, lo llama una «escala móvil» de autonomía (en inglés, "sliding scale"). Eliges el nivel para cada tarea. No es una función que se compra una vez.
YouTube · IBM Technology
What are AI Agents? (¿Qué son los agentes de IA?) · 15 de julio de 2024
Maya Murad explica la «escala móvil» de autonomía de la IA y luego por qué una tarea acotada y predecible suele funcionar mejor con un camino fijo que con un agente.
¿Agente o automatización? Un debate que conviene conocer
Quienes construyen estos sistemas de forma profesional lo están debatiendo ahora mismo. Alex Vacca, que se presenta como fundador y CEO de Frontal AI, una empresa que ayuda a firmas B2B a aumentar sus ingresos, defendió la automatización sin rodeos en una publicación reciente.
X · Alex Vacca (@itsalexvacca) · 7 de octubre de 2026
"If you can write every step down first, build an automation." … "An agent fails quietly." (Traducción: «Si puedes escribir antes cada paso, construye una automatización». … «Un agente falla en silencio».)
Su argumento es práctico. Si un trabajo tiene pasos fijos (nuestro ejemplo: copiar las nuevas entradas de un formulario en un CRM), pagar a una IA para que decida esos pasos es tirar el dinero. También señala que una automatización rota suele dar un error, mientras que un agente puede seguir informando de que todo va bien mientras sus respuestas empeoran poco a poco. Por eso él hace que una persona apruebe antes de que se envíe nada.
Estamos de acuerdo con la prueba, con una advertencia: es la opinión de un profesional, basada en su propia configuración, de alguien que vende este tipo de trabajo. Aun así, coincide con lo que dicen Anthropic e IBM. Empieza por lo más sencillo que funcione. Usa un agente solo cuando los pasos dependan de verdad de lo que encuentre.
Mitos comunes
«La IA agéntica es la versión más nueva y mejor de los agentes de IA». No. Un agente es de lo más agéntico que existe. Los términos describen grados, no generaciones de producto.
«Más autonomía siempre es mejor». No. Más autonomía cuesta más y es más difícil de revisar. Para un informe semanal que siempre tiene la misma forma, un workflow fijo es más barato y más predecible.
«Un agente lo sabe todo de tu negocio». Solo sabe lo que puede ver: las herramientas que conectaste y la conversación en la que está. En Okou, por ejemplo, cada chat mantiene su propio contexto. Un chat nuevo empieza de cero a menos que incorpores uno anterior a propósito.
«Más agentes significa más capacidad». No necesariamente. Cada traspaso entre agentes es otro punto donde los errores pueden acumularse o los accesos pueden extenderse. Pregunta quién es responsable del resultado final.
«La etiqueta te dice lo que hace». No. Gartner acuñó agent washing precisamente para esto, y en 2026 seguía advirtiendo sobre ello. Ignora la palabra y pregunta qué hace el producto por su cuenta.
Una tarea, tres formas: una renovación en riesgo
Así se ve en el trabajo real. El ejemplo es inventado para ilustrar la idea. No es la historia de un cliente.
Dana dirige el equipo de customer success de una empresa de software. Una cuenta renueva dentro de seis semanas y algo no cuadra. Las pistas están dispersas. En la bandeja de soporte hay un correo de un cliente descontento. El CRM sigue diciendo «sana». Un documento compartido anota que los inicios de sesión bajaron después de que el cliente se reorganizara. Y un hilo de Slack del mes pasado dice que la dirección decidió: nada de descuentos de renovación este trimestre.
1. Pedírselo una vez a un agente
Dana le pregunta a Okou: «¿Por qué está en riesgo esta cuenta y qué debería enviar esta semana?». Okou decide qué leer: el correo, el registro del CRM, la nota de uso y el hilo de Slack. El chat muestra cuánto tiempo lleva Okou trabajando, cuántos pasos ha dado y qué está haciendo en ese momento.
Okou trabajando en otra tarea. Puedes ver el tiempo, el número de pasos y la acción en curso.
El hilo de Slack es lo que cambia la respuesta. Si solo lees el correo, quizá ofrecerías un descuento. La decisión de Slack lo descarta, así que Okou propone en su lugar una nueva sesión de onboarding para el nuevo equipo del cliente. Okou también señala que el CRM y el correo no coinciden, en vez de quedarse con uno sin decir nada. Los hechos vienen con enlaces a su origen. Las suposiciones se marcan como suposiciones.
Okou también adapta el resultado a cada lector, una idea que la descripción general del producto Okou llama comunicar en el medio adecuado. Dana recibe un resumen breve para tomar la decisión. El cliente recibe una respuesta, guardada como borrador de Gmail para que Dana la apruebe. El equipo de la cuenta puede recibir una actualización de dos líneas en su canal. Nada le llega al cliente hasta que Dana lo envía. Okou solo puede hacer lo que Dana ha permitido. Cuando una herramienta separa redactar de enviar, Dana puede permitir una cosa sin la otra.
En Okou, los correos esperan como borradores hasta que una persona los envía. Aquí el recuento de enviados es cero. Datos de demostración de otra tarea.
Dana corrige una suposición equivocada (la responsable de operaciones es nueva, no se va) y pide una respuesta más corta. Como es el mismo chat, Okou conserva la corrección.
2. Guardar el método como workflow
El enfoque funcionó, así que Dana le pide a Okou que lo guarde como workflow: un conjunto de pasos con nombre, fuentes que revisar y reglas. Sus correcciones se convierten en reglas escritas, como «nunca ofrezcas un descuento sin enlazar la política vigente». Los comentarios solo se convierten en una regla del equipo cuando alguien los guarda así.
Dana comparte el workflow con su equipo. Cuando un compañero lo ejecuta, usa sus propias cuentas y permisos, no los de Dana. Compartir un workflow comparte el método, no su bandeja de entrada ni sus chats privados. Ahora la IA decide menos, porque los pasos están fijados, y los resultados son más coherentes.
3. Programarlo
Un workflow no se ejecuta solo. Para que se ejecute cada lunes, el equipo añade una automatización con un responsable y un disparador. Cada lunes revisa las renovaciones de los próximos 60 días y publica un resumen de cada cuenta que parece estar en riesgo. Los correos siguen esperando como borradores.
Fíjate en lo que una programación cambia y lo que no. Decide cuándo empieza el trabajo. No da a la IA más libertad sobre cómo se hace.
Este es el mismo trabajo, comparado:
| 1. Pedírselo a un agente | 2. Workflow guardado | 3. Automatización | |
|---|---|---|---|
| Quién elige los pasos | El agente, según lo que encuentra | Los pasos guardados. La IA trabaja dentro de cada uno | Igual que el workflow. Una programación no añade libertad |
| Qué lo inicia | Lo pide Dana | Lo pide cualquiera del equipo, por su nombre | Una programación, con un responsable designado |
| Quién da el visto bueno | Dana revisa el resumen y el borrador | Cada persona que lo ejecuta | El responsable lee el resumen. Los correos siguen como borradores |
Las tres son agénticas en algún grado. Solo la primera es lo que la mayoría de la gente entiende por «un agente de IA».
Lo que sigue en manos de las personas
Dejar que la IA elija los pasos no debería significar que nadie responde del resultado. Antes de que un agente toque trabajo real, deja claras cuatro cosas:
- Qué puede leer. Qué bandejas de entrada, CRM y documentos, y con la cuenta de quién.
- Qué puede cambiar. Redactar no es enviar. Sugerir una actualización del CRM no es hacerla.
- Dónde se detiene. Qué acciones esperan siempre a una persona.
- Qué entrega. Un resumen, un borrador o un registro que alguien pueda contrastar con sus fuentes.
Quienes usan IA en el trabajo ya piensan así. En el Work Trend Index 2026 de Microsoft, una encuesta a 20 000 usuarios de IA en 10 países realizada a principios de 2026, el 86 % dijo que trata lo que produce la IA como un punto de partida, no como una respuesta final. Son respuestas de las propias personas, no una medición de resultados.
Para saber más sobre cómo se adapta un equipo cuando la IA empieza a asumir trabajo, consulta qué cambia cuando la IA opera de forma autónoma.
Preguntas para cualquier herramienta «agéntica»
- ¿Quién elige los pasos? ¿Fijados de antemano, elegidos por la IA cada vez o una mezcla?
- ¿Qué puede ver? ¿Qué herramientas, con el inicio de sesión de quién, y recuerda conversaciones anteriores?
- ¿Qué necesita tu aprobación? ¿Lo imponen los permisos o solo está escrito en un prompt?
- ¿Qué hace cuando no está segura? ¿Señala el problema o adivina?
- ¿Puedes ver lo que hizo? ¿Queda registrado cada paso y cada resultado?
- ¿Puede tu equipo reutilizar lo que funciona? ¿Se puede guardar el método, compartirlo y programarlo con un responsable designado?
Una herramienta que responde con claridad a estas preguntas merece un vistazo, se llame como se llame. Si buscas ideas para empezar, consulta estos ejemplos de agentes de IA para el trabajo real y nuestra guía para gestionar el contexto y los permisos.
Preguntas frecuentes
¿La IA agéntica es lo mismo que un agente de IA?
No exactamente. Un agente de IA es un sistema concreto que recibe una tarea, elige los pasos y usa herramientas para terminarla. IA agéntica es el término más amplio para la IA que funciona así, en cualquier grado. Todo agente de IA es agéntico, pero «IA agéntica» también puede referirse a un workflow fijo con pasos de IA o a varios agentes trabajando juntos.
¿Cuál es la diferencia entre la IA agéntica y la IA generativa?
La IA generativa escribe o crea algo cuando se lo pides y luego espera. La IA agéntica usa esa capacidad para avanzar hacia un objetivo: planifica, actúa con herramientas, comprueba el resultado y sigue adelante. La mayoría de los agentes de IA funcionan con un modelo generativo, pero escribir una respuesta es solo una parte de lo que hacen.
¿Qué riesgos tiene la IA agéntica?
Los riesgos vienen de actuar, no de responder. Una IA con acceso al correo, a un CRM o a cuentas publicitarias puede hacer un cambio equivocado o enviar algo que nadie revisó. La previsión de Gartner de 2025, según la cual muchos proyectos de IA agéntica se cancelarán antes de 2027, señalaba el coste, un valor poco claro y controles de riesgo débiles. Dale solo el acceso que necesita la tarea, guarda un registro de cada paso y exige aprobación para todo lo que salga de la empresa.
¿Cuál es la diferencia entre la IA agéntica y la RPA?
La RPA (automatización robótica de procesos) sigue pasos grabados al pie de la letra, como copiar campos de un sistema a otro. La IA agéntica puede encargarse de trabajos en los que el siguiente paso depende de lo que lee, como un correo que hay que entender. Algunas herramientas de RPA se han rebautizado como «agénticas» sin cambios reales, así que pide ver cómo maneja una herramienta algo inesperado.
¿Puede la IA agéntica funcionar de forma totalmente autónoma?
Algunos sistemas pueden ejecutar muchos pasos sin una persona. En una empresa, eso rara vez es el objetivo. La mayoría de los equipos dejan que la IA investigue, redacte y sugiera, mientras una persona aprueba todo lo externo o difícil de deshacer, como enviar un correo o modificar un registro. Los analistas también siguen siendo prudentes: en mayo de 2026, Gartner afirmó que la mayoría de las herramientas de planificación de la cadena de suministro no habían alcanzado la autonomía total.
¿Necesito un agente de IA o una automatización más sencilla?
Empieza por lo sencillo. Si una tarea tiene siempre los mismos pasos, un workflow guardado y programado es más barato y más predecible. Usa un agente cuando los pasos dependan de lo que encuentre, como averiguar por qué una cuenta está en riesgo. Muchos equipos hacen las dos cosas: usan un agente para dar con el método y luego lo guardan como workflow para repetirlo.
