4.3Workflows de agentes IA
Lo esencial en 30 segundos
- El LLM responde, el agente realiza : razona, elige una herramienta, la llama, observa el resultado y vuelve a empezar hasta el objetivo.
- Caja de herramientas limitada + objetivo acotado : el agente solo puede hacer lo que se le autoriza a hacer.
- Humano en el bucle : el agente PROPONE, un humano valida antes de cualquier acción sensible (enviar, pagar, eliminar).
Minicaso guiado — Lina enmarca un agente de soporte
Fuerte con su paso de clasificación (4.2), Lina quiere ir más lejos : un agente que lee un ticket técnico, busca en la documentación interna y redacta una propuesta de respuesta. Acota el objetivo, limita las herramientas a tres (buscar, leer, redactar) e impone la regla de oro : el agente PROPONE, es ella quien valida antes del envío. Primera prueba con diez tickets reales, decisiones registradas, límite de pasos fijado. Lina tiene un agente útil — y seguro.
Continuación del caso 4.1-4.2 — Lina pasa de la llamada de IA puntual al agente enmarcado.
1. Responder frente a realizar
Un paso por encima : el agente IA. Donde un LLM recibe un prompt y responde una vez, un agente razona, elige una herramienta, la llama, observa el resultado y vuelve a empezar hasta alcanzar su objetivo. Se le da un objetivo y una caja de herramientas (buscar, llamar a una API, enviar un correo), y él decide las acciones que encadenar. Es la diferencia entre « responder a una pregunta » y « realizar una tarea » — como el agente de soporte de Lina que busca y luego redacta.
2. Construir un agente sencillo
Con n8n, Make o Zapier, se construyen agentes sencillos sin programar : un módulo « agente » conectado a herramientas (acciones autorizadas) y a una memoria (contexto : historial, resultados intermedios). Ejemplo de Lina : objetivo « proponer una respuesta a partir de la documentación », herramientas limitadas a tres, memoria del hilo de la solicitud.
La regla de proporción : muchas necesidades se resuelven muy bien con simples llamadas a IA bien encadenadas (4.2) — solo hay que usar el agente cuando el encadenamiento autónomo aporte de verdad algo.
3. Enmarcar : salvaguardas obligatorias
Potente, pero para enmarcar : herramientas limitadas, humano en el bucle para las acciones sensibles, decisiones registradas, límite de pasos. El agente de Lina no puede ni enviar ni eliminar : propone, ella valida. El agente es la automatización que « decide » — de ahí las salvaguardas. Se amplía su autonomía progresivamente, a medida que se gana confianza en sus resultados.
El agente demasiado celoso (escena para no reproducir)
Moraleja : objetivo acotado, 3 herramientas, humano que valida — la correa no es una opción.
🔎 Ejemplo concreto — 🔎 Ejemplo concreto — Un agente de soporte enmarcado
La ficha de agente de Lina, expuesta encima de su pantalla :
Objetivo : proponer una respuesta a un ticket
Herramientas : buscar en la documentación, leer un documento, redactar
Memoria : el hilo de la solicitud
Salvaguarda : el agente PROPONE → un humano valida antes del envío.Lectura : tres herramientas autorizadas, una prohibición implícita (enviar solo).
Lección : un agente útil y seguro, con acciones acotadas.
Vocabulario de la sección
- Agente IA
- IA que, para alcanzar un objetivo, razona y encadena por sí misma acciones : elegir una herramienta, llamarla, observar, volver a empezar.
Ejemplo sencillo: El agente de Lina busca en la documentación y luego redacta, sin que se le dicte cada paso.
Lo que no es: una simple llamada a IA que responde una vez a un prompt (ver 4.2).
Reflejo: preguntar : ¿mi necesidad exige un encadenamiento autónomo ?
- Herramienta (tool)
- Acción que el agente tiene derecho a utilizar ; el conjunto forma su caja de herramientas.
Ejemplo sencillo: En casa de Lina : buscar, leer, redactar — y nada más.
Lo que no es: un acceso ilimitado a todos los sistemas de la empresa.
Reflejo: enumerar por escrito las herramientas autorizadas antes de conectar.
- Bucle de razonamiento
- Ciclo « pensar → actuar → observar » repetido por el agente hasta alcanzar el objetivo.
Ejemplo sencillo: El agente de Lina busca, lee el resultado, ajusta su búsqueda y luego redacta.
Lo que no es: una respuesta única sin paso intermedio.
Reflejo: fijar un límite de pasos para evitar bucles sin fin.
- Memoria
- Contexto conservado entre los pasos (historial, resultados intermedios) para guiar al agente.
Ejemplo sencillo: El agente de Lina conserva el hilo del ticket durante sus búsquedas.
Lo que no es: una base documental externa (ver RAG en 4.4).
Reflejo: comprobar lo que el agente retiene — y lo que debe olvidar.
- Humano en el bucle
- Punto de control donde una persona valida una acción sensible antes de que el agente la realice.
Ejemplo sencillo: Lina relee y valida cada respuesta antes del envío al cliente.
Lo que no es: una vigilancia a posteriori de los daños ya causados.
Reflejo: prohibir al agente enviar, pagar, eliminar sin validación.
En la práctica — En práctica — Construir un agente IA sencillo
- Define un objetivo claro y acotado (ej. « proponer una respuesta a un ticket de soporte a partir de la documentación »).
- Da al agente una caja de herramientas limitada : buscar en una base, leer un documento, redactar una respuesta — como Lina.
- Añade una memoria/contexto para que conserve el hilo, y prueba con casos reales observando sus decisiones.
- Coloca una salvaguarda : el agente PROPONE, un humano valida antes del envío (sobre todo para las acciones sensibles).
Guion listo para decir — enmarcar un agente ante el equipo (30 s)
« Soy Lina : nuestro agente de soporte propone respuestas a partir de la documentación, con tres herramientas autorizadas — buscar, leer, redactar. No puede ni enviar ni eliminar : cada propuesta pasa por una validación humana antes del envío. Registramos sus decisiones y ampliaremos su autonomía cuando las pruebas sean concluyentes. »
Para decir antes de cualquier puesta en producción ; escribir la lista de herramientas autorizadas y prohibidas.
Modelo para copiar-pegar — ficha de agente (ejemplo ficticio)
FICHA DE AGENTE — ejemplo ficticio para adaptar
OBJETIVO (acotado) : _______________
HERRAMIENTAS AUTORIZADAS (3 máx. al principio) : 1) ________ 2) ________ 3) ________
PROHIBIDOS SIN VALIDACIÓN : enviar / pagar / eliminar
MEMORIA : _______________ (hilo conservado entre pasos)
LÍMITE DE PASOS : _______________ (ej. 5 máx.)
VALIDACIÓN HUMANA POR : _______________
REGISTRO DE DECISIONES : _______________ (diario consultado el : ___)Soporte al cliente con prisa
Mantener el agente en modo propuesta : la ganancia (prerredacción) es inmediata, el riesgo (envío erróneo) sigue siendo nulo.
Vigilancia y síntesis interna
Buen primer agente : objetivo acotado, acciones reversibles (leer, resumir), validación ligera.
Acciones irreversibles en juego
Prohibir totalmente : el agente prepara, el humano ejecuta — ningún envío, pago o eliminación autónomos.
Equipo tentado por el todo-agente
Probar primero llamadas a IA encadenadas (4.2) : si bastan, el agente es superfluo — más potente pero menos previsible.
✓ Buenas prácticas
- Acotar el objetivo y limitar las herramientas.
- Humano en el bucle para lo sensible.
- Registrar las decisiones, limitar los pasos.
✗ Errores frecuentes
- Dar demasiadas herramientas o un objetivo difuso.
- Dejar que el agente actúe solo en lo irreversible.
- Usar un agente cuando bastan llamadas encadenadas.
Puntos clave
- Un agente IA razona y encadena por sí mismo acciones (elegir una herramienta, llamarla, observar, repetir).
- Se le proporcionan una caja de herramientas (acciones autorizadas) y una memoria (contexto).
- Diferencia clave : el LLM responde, el agente realiza una tarea.
- Para enmarcar : herramientas limitadas, humano en el bucle para lo sensible, trazabilidad.
Desafío 48h — aplica mañana
Redacta la ficha de agente para 1 caso real acotado (objetivo, 3 herramientas máx., validador humano nombrado) — sin conectarlo todavía.
- Puedo distinguir llamada a IA y agente IA.
- Sé citar las 3 salvaguardas obligatorias.
- He redactado 1 ficha de agente acotada y validable.
Preguntas frecuentes
¿Qué diferencia hay entre una simple llamada a IA y un agente ?
Una llamada a IA es puntual : una entrada, una respuesta, terminado. Un agente persigue un objetivo y encadena varias etapas por sí mismo : buscar información, llamar a una herramienta, leer el resultado, redactar — repitiendo si hace falta. La llamada es una función ; el agente es un ejecutor autónomo, más potente pero menos previsible.
¿Un agente IA no-code es fiable para la producción ?
Con salvaguardas, sí para muchos casos : herramientas estrictamente limitadas, objetivo acotado, humano en el bucle para lo sensible, decisiones registradas, límite de pasos. Bien enmarcado, un agente que propone y deja validar al humano ya es muy útil y seguro. Se amplía su autonomía progresivamente, a medida que se gana confianza.
¿Cuál es la diferencia entre una llamada a IA y un agente IA ?