Chatbot o agente de IA para empresas: ¿cuál necesitas?

Parte 01

Chatbot o agente de IA: la diferencia en claro

Un chatbot es una conversación. Preguntas y responde. La respuesta puede salir de un guion fijo, del conocimiento general del modelo o de tus propios documentos. Cuando la conversación termina, nada ha cambiado en tus sistemas.

Un agente de IA hace una tarea. Piensa en el correo de un proveedor que pregunta por qué su factura sigue sin pagar. Un chatbot puede explicarle tus condiciones de pago. Un agente lee el correo, encuentra la factura en el ERP, ve que falta el albarán, redacta una respuesta pidiéndolo y deja el borrador delante de la persona de cuentas a pagar. El modelo de lenguaje puede ser el mismo en los dos casos. El trabajo es otro.

Cuatro cosas los separan:

• Herramientas. El agente puede usar tus sistemas: leer el buzón, consultar el ERP, escribir en el CRM. Un chatbot solo devuelve texto.
• Permisos. Cada herramienta funciona con una cuenta con límites. Solo lectura en la contabilidad, solo borradores en el correo, ningún pago. Aquí está la mayor parte del trabajo de seguridad.
• Memoria. El agente guarda el estado de la tarea: qué ha comprobado, qué ha encontrado, qué queda pendiente. Un chatbot guarda, como mucho, la conversación.
• Un bucle de decisión. El agente mira el resultado de cada paso y elige el siguiente, hasta terminar la tarea o pasársela a una persona.

Anthropic, la empresa detrás de los modelos Claude, traza la misma línea en su guía técnica Building effective agents. Allí los flujos de trabajo son sistemas en los que los modelos de lenguaje y las herramientas se orquestan mediante rutas de código predefinidas. Los agentes son sistemas en los que los modelos dirigen de forma dinámica sus propios procesos y el uso de las herramientas. En un flujo, tus desarrolladores fijan el orden de los pasos. En un agente, lo fija el modelo. Lo segundo es más flexible, y más difícil de probar y de presupuestar.

Nuestra guía sobre agentes de IA para empresas explica qué hacen los agentes dentro de una empresa y cómo se fija su precio.

«Al construir aplicaciones con LLMs, recomendamos buscar la solución más simple posible y aumentar la complejidad solo cuando haga falta.»

Anthropic, Building effective agents, 2024 (traducción propia)

Parte 02

Cuatro niveles, del bot de FAQ al agente

El mercado habla de chatbots y agentes como si hubiera dos opciones. En la práctica hay cuatro. Cada nivel añade capacidad y añade trabajo: más integraciones, más permisos, más casos que probar.

1. Bot de FAQ

Responde a una lista cerrada de preguntas a partir de un guion o de una pequeña base de conocimiento. Horario, política de devoluciones, dónde está el portal de facturas. Barato y predecible, e inútil en cuanto una pregunta se sale de la lista.

2. Asistente sobre tus documentos

El modelo busca en tus contratos, manuales y políticas y responde con un enlace a la fuente. La técnica se llama generación aumentada por recuperación, o RAG. Responde a «¿qué plazo de preaviso tenemos con este proveedor?» sin que nadie abra la carpeta. Lee. No cambia nada.

3. Flujo con una llamada al modelo

Una secuencia fija, programada o montada en una herramienta como n8n o Make. Llega un correo nuevo, el modelo lo clasifica y extrae los campos, y el flujo lo archiva y abre el ticket. El modelo hace un trabajo dentro de pasos que tú has definido. Casi toda la captura de documentos y la clasificación del buzón entra aquí.

4. Agente de IA

El modelo recibe un objetivo y un conjunto de herramientas y elige los pasos. Encaja en trabajos donde el camino cambia de un caso a otro: una disputa con un proveedor que necesita el contrato, el historial de entregas y dos correos anteriores antes de que alguien pueda responder.

Muchos problemas que se venden como agentes se resuelven mejor con una automatización más simple. Si tu proceso cabe en una pizarra como una secuencia fija de pasos, el nivel 3 hace el trabajo con menos piezas móviles, menos coste de operación y resultados que puedes comprobar caso a caso. Gartner tiene un nombre para lo contrario: «agent washing», presentar como agentes chatbots, RPA y asistentes de IA de siempre. Calcula que solo unos 130 de los miles de proveedores que venden IA agéntica son reales, y prevé que más del 40 % de los proyectos de IA agéntica se cancelarán antes de que acabe 2027 por costes crecientes, valor de negocio poco claro o controles de riesgo insuficientes (Gartner, junio de 2025).

Las empresas europeas trabajan sobre todo en los niveles bajos. En 2025, según Eurostat, el 19,95 % de las empresas de la UE con 10 o más empleados usaba al menos una tecnología de IA. La más común era el análisis de lenguaje escrito, con un 11,75 %. Las tecnologías que automatizan flujos de trabajo o ayudan a tomar decisiones, la categoría más cercana a los agentes, llegaban al 5,35 %. Las categorías no equivalen una a una a chatbots y agentes, pero muestran que la mayoría empieza por leer y escribir texto.

Parte 03

Cuándo basta un chatbot y cuándo compensa un agente

Dos preguntas sitúan la mayoría de los casos de uso. ¿Cuánto se parece cada caso al anterior? ¿Y qué cuesta un error?

Un chatbot basta cuando

• Las preguntas se repiten y las respuestas están en documentos que tú controlas.
• El resultado es información, y la acción la toma una persona.
• Una respuesta equivocada se corrige fácil: el usuario vuelve a preguntar o llama.

Un chatbot es una pérdida cuando

• La gente le pide cosas que no puede hacer: cambiar una reserva, cancelar un pedido, actualizar una dirección. Cada petición acaba en «contacta con soporte», y el cliente ha esperado dos veces.
• Tus documentos están desactualizados o se contradicen. El asistente repite la contradicción con total seguridad.
• Nadie lee los registros. Las preguntas que escribe la gente son la mejor lista que tendrás de lo próximo que conviene automatizar.

Un agente compensa cuando

• Los casos varían y cada uno necesita varios pasos en dos o más sistemas.
• Una persona formada pasa la mayor parte del tiempo reuniendo información, no decidiendo.
• El volumen es suficiente para cubrir la puesta en marcha y las pruebas, y las excepciones pueden ir a una persona.

Un agente sobra cuando

• Los pasos son siempre los mismos. Un flujo lo hace por menos.
• El volumen es bajo. Un puñado de casos al mes no justifica el trabajo de evaluación.
• Los permisos son un caos. Si el agente necesitaría permisos de administrador en tu ERP para funcionar, arregla primero el modelo de accesos.

Parte 04

Costes y riesgos de cada uno, frente a frente

Tres cosas mueven el coste en cualquier nivel: el número de sistemas implicados, el número de tipos de caso y lo que cuesta un error. Lo que cambia entre niveles es dónde se concentra el coste. Un bot de FAQ cuesta poco de mantener y mucho en usuarios frustrados. Un agente cuesta más por caso, sobre todo en pruebas y permisos.

La guía de Anthropic lo dice sin rodeos: los sistemas agénticos suelen cambiar latencia y coste por un mejor resultado, y conviene pensar cuándo compensa ese cambio. Un agente llama al modelo varias veces en un mismo caso, donde un flujo lo llama una vez. Cada llamada extra suma coste, espera y otra ocasión de equivocarse.

Los riesgos son de otra naturaleza. Si un chatbot se equivoca, da una mala respuesta que una persona puede ignorar. Si un agente se equivoca, ejecuta una mala acción: una respuesta enviada, un registro cambiado, un ticket cerrado. Por eso un agente necesita permisos estrechos, un registro de cada paso y un umbral de confianza por debajo del cual decide una persona.

Parte 05

Tres ejemplos del día a día

Un buzón de atención al cliente

Una tienda online recibe correos sobre el estado del pedido, cambios de dirección, devoluciones y reclamaciones. Un asistente en la web responde las dudas sobre políticas con un enlace a la página correcta. Un flujo se ocupa del correo rutinario: el modelo clasifica cada mensaje y el flujo consulta el estado del pedido y redacta la respuesta. Las reclamaciones son otra cosa. Cada una necesita el historial del pedido, el seguimiento del transportista y una decisión de cortesía. Ahí encaja un agente: reúne todo, propone una solución y una persona aprueba cualquier reembolso.

Conclusión: asistente y flujo para casi todo el buzón, agente solo para las reclamaciones.

Un departamento de contabilidad

Las facturas de proveedores llegan por correo en PDF. Cuadrarlas con pedidos y albaranes es una secuencia fija: extraer los campos, comparar, contabilizar o marcar. Eso es el nivel 3, y cubre la mayor parte del volumen. Una factura que no casa con ningún pedido, en cambio, obliga a alguien a buscar en correos, contratos y abonos anteriores antes de decidir. Un agente puede hacer esa búsqueda y presentar lo que encuentra, y la contable decide. Un chatbot sobre el manual contable ayuda a quien acaba de llegar con «¿a qué centro de coste va esto?», y no cambia nada en los libros.

Conclusión: un flujo para el cuadre, un agente para las excepciones, y decide contabilidad.

Un proceso de incorporación en RR. HH.

Una nueva empleada firma el contrato. Después vienen las cuentas, el equipo, los datos de nómina, un plan de formación y un correo de bienvenida. Los pasos se conocen y el orden casi no cambia, así que lo resuelve un flujo que arranca con el contrato firmado. Un asistente de nivel 2 responde a sus dudas a partir del manual del empleado: vacaciones, gastos, a quién pedir el portátil. Un agente aporta poco aquí, y los datos personales en juego piden el acceso más restringido posible.

Conclusión: un flujo y un asistente. Ningún agente.

Parte 06

Una checklist para decidir

Pasa cada caso de uso por estas preguntas antes de pedir presupuesto.

1. Escribe la tarea como pasos.Si los pasos caben en una página y casi no cambian, empieza con un flujo.
2. Marca qué toca.Si el resultado es solo información, quizá baste un chatbot o un asistente sobre tus documentos. Si tiene que escribir en un sistema, necesitas un flujo o un agente.
3. Ponle precio a un error.Una respuesta equivocada, un correo equivocado, un asiento equivocado. Por encima del umbral que fijes, una persona aprueba antes de que salga nada.
4. Revisa tus documentos.Un asistente es tan bueno como lo que lee. Si las políticas están desfasadas, actualízalas primero.
5. Cuenta los casos.Un agente necesita volumen suficiente para pagar sus pruebas. Poco volumen apunta a un flujo o a seguir en manual.
6. Reúne casos reales, también los incómodos.Serán el conjunto de prueba, construyas el nivel que construyas.
7. Pregunta al proveedor por qué no basta un nivel más simple.Si nadie sabe explicar por qué un flujo no es suficiente, estás pagando un agente que no necesitas.

En Alpgency esta checklist abre la Auditoría gratuita, y recomendamos el nivel más simple que resuelve el trabajo. Después, el primer caso de uso pasa a una Demo con tus datos reales y a la construcción, con un único precio fijo acordado tras la Auditoría. Tras la puesta en producción eliges: traspaso completo, una cuota mensual fija de soporte o nosotros como partner tecnológico con calendario fijo.

FAQ

Preguntas frecuentes