De un vistazo - Agentes de IA en la empresa
- Los agentes de IA son componentes de software especializados que ejecutan tareas de negocio de forma autónoma - a diferencia de chatbots (solo respuestas) o RPA (solo reglas).
- Tres tipos: Document Agents (lectura y procesamiento de documentos), Workflow Agents (orquestación de procesos entre sistemas), Knowledge Agents (respuestas contextuales desde el conocimiento corporativo).
- McKinsey (2024) estima que los agentes de IA podrían automatizar hasta el 30% de las horas de trabajo en la mayoría de ocupaciones para 2030.
- El agente no es el modelo - el modelo de lenguaje es intercambiable, el agente aporta lógica de negocio, integración de sistemas y governance.
- El despliegue corporativo requiere un Decision Layer entre agente y sistema destino - para que cada decisión automatizada sea trazable, auditable y conforme.
¿Qué es un agente de IA?
Un agente de IA es un componente de software especializado que, basándose en modelos de lenguaje grandes (LLMs), ejecuta tareas empresariales de forma autónoma. A diferencia de un chatbot, que responde preguntas, un agente ejecuta acciones: lee un documento, evalúa su contenido, toma una decisión y lanza una acción en un sistema objetivo.
Los agentes de IA en el contexto corporativo no actúan libremente. Operan dentro de límites definidos: conjuntos de reglas, ámbitos de validez, umbrales de confianza, reglas de escalado. Cada decisión del agente es transparente y auditable.
La base de un agente de IA es un modelo de lenguaje: Claude, ChatGPT, Gemini, Llama, Mistral, DeepSeek o gpt-oss. El modelo proporciona la comprensión del lenguaje. El agente aporta la lógica de negocio, la integración de sistemas y la governance.
Delimitación: agente de IA vs. chatbot vs. RPA
Estos tres conceptos se confunden con frecuencia. Resuelven problemas diferentes.
Chatbot: Un chatbot responde preguntas en lenguaje natural. No tiene capacidad de acción. Cuando un empleado pregunta “¿Cuántos días de vacaciones me quedan?”, el chatbot responde. No reserva vacaciones, no verifica reglas, no genera un Audit Trail.
RPA (Robotic Process Automation): RPA automatiza tareas repetitivas basadas en reglas a través de interfaces de usuario. Un bot de RPA navega por SAP, copia datos de A a B, rellena formularios. RPA no entiende lenguaje. Cuando el formulario cambia, el bot se rompe.
Agente de IA: Un agente de IA entiende contexto, interpreta datos no estructurados y toma decisiones. Lee una factura, independientemente del formato, comprende su contenido, aplica conjuntos de reglas y genera una propuesta de contabilización. Cuando el formato de la factura cambia, el agente sigue funcionando porque entiende el contenido, no reconoce el diseño.
| Propiedad | Chatbot | RPA | Agente de IA |
|---|---|---|---|
| Comprensión del lenguaje | Sí | No | Sí |
| Capacidad de acción | No | Sí (basada en reglas) | Sí (basada en contexto) |
| Datos no estructurados | Sí | No | Sí |
| Governance/Auditoría | No | Parcialmente | Sí (mediante Decision Layer) |
| Integración de sistemas | Superficial | Via UI | Via API/Integration Layer |
| Adaptación a cambios | Cambiar prompt | Reprogramar bot | El agente aprende el contexto |
Tres tipos de agentes de IA en la empresa
En la arquitectura de Gosign existen tres tipos de agentes. Cada tipo tiene un ámbito de tareas definido y opera dentro de los límites que establece el Decision Layer.
Document Agents
Los Document Agents leen, comprenden y procesan documentos. Facturas, partes de baja, contratos, certificados, justificantes, notas de crédito.
La diferencia clave frente a OCR o reconocimiento de plantillas: los Document Agents tienen auténtica comprensión del lenguaje. No reconocen campos en posiciones determinadas de una página, sino que entienden el contenido del documento. Una factura en formato PDF, como imagen escaneada o como adjunto de correo: el Document Agent comprende las tres.
Un Document Agent para procesamiento contable lee una factura entrante y extrae: emisor, importe, descripción del servicio, fecha, tipo impositivo, datos bancarios. Genera un conjunto de datos estructurado que se transfiere al Decision Layer.
Los Document Agents no trabajan aislados. Son el punto de entrada de un workflow: tras la lectura del documento, toma el relevo el Workflow Agent.
Workflow Agents
Los Workflow Agents orquestan procesos entre sistemas. Coordinan el flujo entre Document Agent, Decision Layer y sistema objetivo.
Un Workflow Agent para el procesamiento de facturas coordina: el Document Agent lee la factura -> el Decision Layer verifica la propuesta de contabilización -> con alta confianza, la contabilización va al sistema objetivo -> con baja confianza, se escala al responsable -> tras la aprobación, se finaliza la contabilización -> todo el proceso queda documentado en el Audit Trail.
Los Workflow Agents gestionan también las excepciones: ¿Qué ocurre si el sistema objetivo no está disponible? ¿Qué ocurre ante un timeout? ¿Qué ocurre si el responsable no responde? El Workflow Agent tiene reglas de escalado, mecanismos de reintento y lógica de timeout.
La orquestación de workflow se ejecuta mediante Trigger.dev o Camunda, según la complejidad y los requisitos de compliance del cliente. Los workflows son representables visualmente, versionados y ajustables sin programación.
Knowledge Agents
Los Knowledge Agents proporcionan respuestas contextuales desde el conocimiento corporativo. Acuerdos de empresa, directrices, convenios colectivos, reglas de compliance, políticas internas.
La diferencia frente a un buscador: un Knowledge Agent entiende la pregunta, busca en el contexto relevante y entrega una respuesta con referencia a la fuente y versión de la norma. Cuando un responsable pregunta “¿Se aplica el complemento de nocturnidad también a trabajadores a tiempo parcial del convenio regional?”, el Knowledge Agent entrega la respuesta con referencia al acuerdo de empresa vigente en su versión actual.
Los Knowledge Agents utilizan RAG (Retrieval Augmented Generation): el conocimiento corporativo se indexa en una base de datos vectorial. El agente busca los pasajes relevantes y genera una respuesta basada en esas fuentes, no en su entrenamiento.
Cada respuesta contiene: la fuente, la versión de la norma, la fecha de validez. Sin alucinaciones, sin referencias inventadas a normativas.
Cómo interactúan los agentes de IA en la arquitectura corporativa
Los tres tipos de agentes no funcionan aislados. En una implementación corporativa típica, el Workflow Agent orquesta el proceso completo y delega en Document y Knowledge Agents especializados.
Un ejemplo de administración de personal: Llega un parte de baja médica (correo con adjunto PDF). El Document Agent lee el parte y extrae: empleado, período, certificado médico, certificado de continuación. El Knowledge Agent verifica: ¿Qué reglas aplican a este empleado? Convenio colectivo, acuerdo de empresa, acuerdos adicionales individuales. El Decision Layer evalúa: ¿Está correctamente calculada la continuación salarial? ¿Se cumplen los plazos? El Workflow Agent coordina todo el flujo y asegura que todos los sistemas se actualicen.
Cada agente tiene su ámbito de tareas definido. Ningún agente “decide” solo sobre procesos críticos de negocio. El Decision Layer se sitúa entre el agente y el sistema objetivo y garantiza la governance.
Agnosticismo de modelo: el agente no es el modelo
Una confusión frecuente: el agente no es el modelo de lenguaje. El modelo (Claude, ChatGPT, Llama) proporciona la comprensión del lenguaje. El agente aporta la lógica de negocio, la integración de sistemas, la governance.
En la arquitectura de Gosign, la capa de modelo es intercambiable. Cuando aparece un nuevo modelo, más potente, más económico, con mejor licencia, puede integrarse sin modificar las capas superiores. La lógica de negocio en el Decision Layer, los workflows, los conjuntos de reglas permanecen inalterados.
Un agente puede utilizar varios modelos: un modelo open-source económico para la preclasificación y un modelo más potente para decisiones complejas. El enrutamiento entre modelos es configurable.
Este agnosticismo de modelo previene el vendor lock-in. Ninguna empresa depende de un único proveedor de modelos.
Requisitos para agentes de IA en la empresa
Los agentes de IA en entornos corporativos necesitan más que un modelo de lenguaje:
Governance: Cada decisión del agente debe ser transparente y auditable. El Decision Layer lo garantiza.
Integración: Los agentes deben integrarse con los sistemas existentes: SAP, Sage, Workday, SuccessFactors, SharePoint. El Integration Layer desacopla la lógica del agente del sistema objetivo.
Infraestructura: Los agentes necesitan un entorno de ejecución: hosting de LLM, bases de datos vectoriales para RAG, motor de workflow, API Gateway. Esta infraestructura puede operar en la nube, self-hosted o en modo híbrido.
Participación de los trabajadores: En España, el Comité de Empresa tiene competencias de información y consulta en la implantación de sistemas de IA, según el Estatuto de los Trabajadores. La arquitectura debe contemplarlo desde el principio.
Más información: AI Agents en detalle
Solicitar cita - Le mostramos qué tipo de agente encaja en su proceso.
Bert Gogolin
Director General, Gosign
AI Governance Briefing
IA empresarial, regulación e infraestructura - una vez al mes, directamente de mi parte.