Automatización clásica vs. agentes (tabla comparativa)
| Dimensión | Workflow clásico | Agente IA |
|---|---|---|
| Decisión | Reglas if/else fijas | Inferencia sobre contexto |
| Input requerido | Estructurado | No estructurado (texto, imagen) |
| Comportamiento | Determinista | Probabilístico |
| Mantenimiento | Cambios en reglas | Iteración de prompts + evals |
| Coste por ejecución | Cero tras setup | Tokens + infra |
| Auditoría | Trivial (logs deterministas) | Compleja (decisiones probabilísticas) |
Cuándo merece la pena pasar a agente
No siempre es mejor un agente. La regla práctica: si el proceso es determinista (A → B → C siempre), usa workflow clásico. Si requiere decisión contextual (leer un email y decidir qué hacer), entonces sí merece la pena un agente.
- Sí agente: clasificación de tickets por contenido, extracción de datos de documentos variables, redacción de respuestas personalizadas, priorización basada en contexto.
- No agente (workflow clásico mejor): notificaciones programadas, sincronización entre sistemas, validaciones por reglas, transferencias de datos.
Los 3 patrones de uso: decisión, ejecución, monitorización
- Agente de decisión. Recibe un input, evalúa contexto, decide qué workflow se ejecuta. Ejemplo: agente que clasifica emails entrantes y los rutea al equipo correcto.
- Agente de ejecución. Recibe una decisión tomada por humano o por otro sistema y ejecuta una secuencia de acciones. Ejemplo: agente que, cuando se cierra una venta, crea proyecto en project manager, manda emails de onboarding y agenda kickoff.
- Agente de monitorización. Observa un sistema, detecta anomalías y decide cuándo escalar a humano. Ejemplo: agente que revisa logs de aplicación y avisa solo cuando hay un patrón realmente preocupante.
Stack y herramientas (Make AI, n8n, custom)
| Herramienta | Cuándo usarla | Limitación principal |
|---|---|---|
| Make AI | Equipo no técnico, integraciones rápidas | Lógica compleja requiere "code modules" |
| n8n + nodes IA | Equipo semi-técnico, control + flexibilidad | Curva de aprendizaje mayor |
| LangChain / LangGraph (custom) | Sistemas multi-agente complejos | Requiere desarrollo serio |
| OpenAI Assistants API | Prototipos rápidos | Vendor lock-in y costes que escalan rápido |
Governance, rollback y supervisión
Un agente sin gobernanza es una bomba. Las cuatro piezas obligatorias:
- Human-in-the-loop en decisiones de alto impacto. Cualquier acción con consecuencias significativas requiere confirmación humana antes de ejecutarse.
- Logs auditables de cada decisión con su contexto. Si algo va mal en 6 meses, tienes que poder reconstruir qué pasó.
- Rollback automático cuando el resultado se desvía de lo esperado. Si la métrica de calidad cae bajo umbral, el sistema vuelve al estado anterior automáticamente.
- Revisión humana periódica (semanal mínimo el primer trimestre) de casos límite. Sin esto, los errores sistemáticos no se detectan hasta que se acumulan.