711 239 085 info@gilsys.com
es ca en
Fondo abstracto

Automatización empresarial con agentes de IA

Integración de agentes de IA a medida

Un agente consulta la información que necesita, decide el siguiente paso y ejecuta la acción, con las herramientas y los permisos asignados.

¿Qué es un agente de IA?

Un agente de inteligencia artificial (IA) es un programa que trabaja con un usuario y unos permisos, como una persona más del equipo: consulta el ERP o el CRM, decide qué hay que hacer y lo hace. Lo que lo separa de un chatbot es la última parte: no se limita a responder, ejecuta. Es lo que también se conoce como IA agéntica.

Un ejemplo: entra la queja de un cliente. El agente busca sus pedidos, ve que uno salió con retraso, abre la incidencia en el programa de atención al cliente y deja preparado el correo de respuesta para que alguien lo revise y lo envíe.

Consulta

Los datos que necesita, en el sistema donde están: un cliente en el CRM, un pedido en el ERP, una tarifa, un documento o una incidencia anterior.

Decide

El siguiente paso, con las instrucciones que se le han dado: a qué departamento va una solicitud, si falta documentación o si el caso lo tiene que ver una persona.

Ejecuta

La operación, con las herramientas que tiene autorizadas: crear una incidencia, actualizar un registro, mover un archivo, generar un documento o preparar un correo.

Agente de IA, automatización y chatbot: qué hace cada uno

Las tres herramientas sirven, pero para problemas distintos. Un flujo clásico (n8n, Make o Zapier) resuelve muy bien "si pasa A, haz B", cuando todos los casos posibles se pueden escribir como condiciones. Un agente sirve cuando los pasos intermedios no están definidos de antemano o la información llega desordenada y hay que interpretarla antes de decidir. En muchos proyectos lo más eficiente es combinar los dos: la IA interpreta y decide, y la automatización ejecuta de forma fiable lo que ya está perfectamente definido.

  • Objetivo principal

    Agente de IA: Resolver un proceso completo

    Automatización clásica: Ejecutar un flujo predefinido

    Chatbot: Responder preguntas

  • Cómo decide

    Agente de IA: Razona según la información de cada caso

    Automatización clásica: Reglas fijas: "si pasa A, haz B"

    Chatbot: Genera una respuesta

  • Pasos del proceso

    Agente de IA: Pueden variar en cada ejecución

    Automatización clásica: Definidos de antemano, siempre iguales

    Chatbot: No ejecuta pasos

  • Información desordenada

    Agente de IA: La interpreta y la convierte en datos

    Automatización clásica: Necesita datos ya estructurados

    Chatbot: La consulta

  • Ejecuta acciones

    Agente de IA: Sí, con las herramientas autorizadas

    Automatización clásica: Sí, las que estén programadas

    Chatbot: Normalmente no

  • Excepciones

    Agente de IA: Puede gestionarlas o pasarlas a una persona

    Automatización clásica: Hay que programar cada caso

    Chatbot: No aplica

  • Cuándo conviene

    Agente de IA: Procesos donde hay que interpretar y decidir

    Automatización clásica: Procesos estables y bien definidos

    Chatbot: Consultar documentación e información

Agente de IAAutomatización clásicaChatbot
Objetivo principalResolver un proceso completoEjecutar un flujo predefinidoResponder preguntas
Cómo decideRazona según la información de cada casoReglas fijas: "si pasa A, haz B"Genera una respuesta
Pasos del procesoPueden variar en cada ejecuciónDefinidos de antemano, siempre igualesNo ejecuta pasos
Información desordenadaLa interpreta y la convierte en datosNecesita datos ya estructuradosLa consulta
Ejecuta accionesSí, con las herramientas autorizadasSí, las que estén programadasNormalmente no
ExcepcionesPuede gestionarlas o pasarlas a una personaHay que programar cada casoNo aplica
Cuándo convieneProcesos donde hay que interpretar y decidirProcesos estables y bien definidosConsultar documentación e información

Con qué herramientas trabaja un agente de IA

Las herramientas son lo que le permite actuar

Un agente solo puede hacer aquello para lo que tiene herramientas. Se le proporcionan mediante APIs, servicios web, bases de datos, webhooks, colas de mensajes o software a medida: el mismo trabajo de integración de sistemas que hacemos entre programas de gestión. Cuando un programa no tiene API, se puede programar una capa intermedia que la ofrezca.

Un servidor MCP para usarlas desde ChatGPT o Claude

El MCP (Model Context Protocol) es el estándar con el que los agentes y los asistentes de IA se conectan a otros programas. A las empresas que ya tienen una API, o que nos la encargan, les ofrecemos también un servidor MCP con un conjunto limitado de funciones, para usarlas en lenguaje natural desde sus cuentas de ChatGPT o Claude, en el chat que ya usan cada día. Lo explicamos en cómo se conecta la IA a los programas de la empresa.

Un modelo capaz de usar herramientas

El agente necesita un modelo de IA que sepa usar herramientas. Esa capacidad se llama "tool calling": en lugar de limitarse a escribir una respuesta, el modelo pide que se ejecute una función concreta, como consultar un pedido en el ERP o crear una incidencia, y recibe el resultado para seguir trabajando.

Los modelos comerciales, como ChatGPT, Gemini o Claude, la incluyen. También existen modelos de código abierto, que se pueden instalar en servidores privados.

Equipos de agentes para los procesos complejos

Cuando un proceso es complejo, en lugar de un agente que lo haga todo desarrollamos varios que se reparten el trabajo y se pasan el resultado, con marcos de trabajo como CrewAI o desarrollo propio. Cada agente tiene su papel y accede solo a los sistemas que necesita, así que se puede reaprovechar en otros procesos: uno para consultas internas, otro para redactar, otro para investigar a fondo, otro para programar o diseñar maquetas. Con CrewAI, además, pueden contrastar el resultado entre ellos.

Casos prácticos de agentes de IA

El agente entiende la petición o el dato que recibe y decide qué operación realizar según los permisos que tenga asignados.

Nuestro ERP, desde el asistente de IA

Nuestro Odoo tiene un servidor MCP que permite trabajar con él desde la IA: consultar datos y hacer operaciones en lenguaje natural, solo con las funciones que se ha decidido ofrecer.

Nuestro ERP, con comunicación bidireccional con Telegram

Se le escribe al agente para pedir información o crear una tarea y el agente entiende el mensaje, decide qué operación toca y la hace en Odoo. Por el mismo canal llegan los avisos y las notificaciones.

Buscador de licitaciones con Jev

Un agente revisa cada cierto tiempo las licitaciones que se publican y Jev decide si encajan con el perfil de la empresa y en qué porcentaje. De las que encajan, una automatización descarga los pliegos, un modelo de lenguaje los resume y estima la dificultad de presentarse, y la persona que lleva las licitaciones decide si vale la pena. Ver el caso paso a paso.

Datos de planta en la industria

Un agente consulta por MCP los datos de las máquinas, de los productos y de la monitorización y, según el tipo de operación, hace una tarea u otra, como elegir qué aviso o qué flujo lanzar. Está desarrollado y probado en nuestro entorno, con datos de prueba, como explicamos en IA para la industria.

Ejemplo práctico con facturas y albaranes

Qué hace un agente de IA cuando un caso no encaja

En los procesos con consecuencias económicas o legales, el sistema se prepara para que la IA no tenga que improvisar, y lo importante lo valida una persona.

Los casos límite, previstos antes

Antes de ponerlo en marcha se reúnen los casos reales y se define qué hacer con cada uno. Si las facturas a importar llegan siempre con el mismo formato, se puede entrenar un servicio como Document AI, de Google Cloud, para que sepa en qué zona está cada dato y el riesgo de error es bajo. Si los documentos son muy distintos entre sí, hay que estudiarlo en cada caso.

Lo que no cuadra se aparta y el resto sigue

Si al importar un albarán o una factura una línea no coincide, se procesa lo que está bien y esa línea queda pendiente. Llega un aviso por el canal acordado (correo, SMS o Telegram) y el documento queda marcado en un panel para que una persona lo revise. Cómo se gestiona cada excepción se decide con la empresa en cada proyecto.

Una validación final con Jev

Al terminar el proceso, una IA de decisión como Jev revisa el resultado con criterios concretos y devuelve la probabilidad de que haya un error. Si supera el umbral fijado, el resultado pasa a revisión.

La responsabilidad, de una persona

En las acciones con consecuencias, como registrar una factura en contabilidad o pagar a un proveedor, siempre aprueba una persona. Validar cuesta poco y, aunque intervenga la IA, la responsabilidad de esas acciones tiene que recaer en una persona o un departamento.

Permisos, seguridad y privacidad de un agente de IA

Mínimo privilegio

Cuantas más acciones pueda hacer un agente, más importante es controlar sus permisos. Si solo necesita consultar pedidos, no debe poder borrarlos. Definimos qué sistemas usa, qué operaciones ejecuta, con qué identidad, qué necesita confirmación, qué límites tiene, qué queda registrado y qué ocurre cuando hay un error. Por ejemplo, en nuestra herramienta de posicionamiento web, la IA trabaja con permisos por niveles (leer, proponer, aplicar) y una persona decide qué propuestas se aplican.

Qué información recibe el modelo

Un agente no debería recibir todos los datos disponibles cuando solo necesita una parte para hacer la tarea. Antes de desarrollarlo analizamos con qué información va a trabajar: datos de clientes, correos, documentos internos, información económica, contratos o datos personales.

Las condiciones de cada proveedor, revisadas antes

Antes de recomendar un servicio de IA, revisamos sus condiciones de ese momento, aunque ya hayamos trabajado con él. Miramos tres cosas: dónde se procesan los datos, si se usan para entrenar modelos y cuánto tiempo se guardan.

Un ejemplo es Azure Document Intelligence, que recomendamos para leer facturas o nóminas. Procesa los documentos en la región europea donde se crea el servicio, los elimina en un máximo de 24 horas, no los usa para entrenar y funciona dentro de la suscripción de Azure de la propia empresa. Dónde se procesan y cuánto tiempo se guardan lo explica la página de Microsoft sobre los datos, la privacidad y la seguridad de Document Intelligence.

Otra alternativa sería Document AI, de Google Cloud. No dependemos de ningún proveedor concreto, por lo que podemos ofrecer alternativas en cada proyecto. Lo importante es entender cómo comunicar la herramienta que estemos creando con la plataforma que procesa la información.

Cuando los datos no pueden salir

En determinados proyectos conviene una infraestructura de IA privada, con los modelos en un servidor de la empresa o en una nube privada con GPU, o una arquitectura mixta en la que ciertas operaciones no salgan de la empresa.

Filtros a la entrada y a la salida

Antes de que una petición llegue al modelo principal, un modelo rápido que solo decide, como Jev, comprueba si cumple las normas de uso fijadas y frena las instrucciones maliciosas (inyección de prompts) o los intentos de obtener datos no permitidos. La respuesta pasa por el mismo control antes de llegar al usuario.

Preguntas frecuentes sobre agentes de IA

¿Los agentes trabajan de forma completamente autónoma?

No en las acciones que tienen consecuencias. El agente prepara el trabajo y una persona aprueba lo que compromete a la empresa, como un pago, un borrado o un correo a un cliente: aunque intervenga la IA, la responsabilidad tiene que recaer en una persona o un departamento. El agente trabaja solo en las tareas sin consecuencias, como consultar datos, clasificar o avisar, cuando se ha comprobado con casos reales que las hace bien.

¿Un agente de IA es lo mismo que un RPA?

No. Un RPA repite clics y pasos fijos sobre las pantallas de un programa y, si la pantalla o el caso cambian, se para. Un agente trabaja con los datos a través de APIs o bases de datos y decide el paso según el caso. Si un proceso ya funciona con RPA y no cambia, un agente no aporta ventajas.

¿Cuánto se tarda en crear un agente de IA?

Un agente básico, como uno que revisa unas webs y avisa cuando hay algo relevante, se puede desarrollar en una semana, pero conceptualizarlo, acotar los requisitos, probarlo y ponerlo en producción suele llevar más tiempo, según la tarea. Los que trabajan con varios sistemas o toman decisiones con consecuencias se plantean por fases, como explicamos en cómo trabajamos un proyecto de IA.

¿Cuánto cuesta un agente de IA?

Depende sobre todo de cuántos sistemas hay que conectar y de cuántas decisiones tiene que tomar el agente. Como orden de magnitud, el desarrollo de los agentes más básicos va de 500€ a 1.000€ y el de los avanzados, de 1.000€ a 5.000€. Las automatizaciones complejas pueden superar esa cifra, sobre todo si requieren una herramienta o un panel de control a medida, con la IA integrada. A eso se suma el uso del modelo, que con un modelo comercial se paga por consulta. Son cifras orientativas: cada presupuesto parte del análisis del proceso y es gratuito y sin compromiso.
Fondo abstracto

¿Qué proceso manual podría hacer un agente?

Analizamos qué pasos sigue hoy el proceso y con qué programas, y señalamos qué partes puede hacer un agente y cuáles conviene que siga haciendo una persona.