Agentes de IA y chatbots no son lo mismo
La confusión entre chatbot y agente cuesta dinero: se compra un chatbot esperando que resuelva trabajo, o se construye un agente donde alcanzaba con responder preguntas. Son dos categorías de software distintas.
- Publicado
- Actualizado
¿Cuál es la diferencia exacta?
Un chatbot es una interfaz conversacional que genera respuestas de texto; un agente de IA es un sistema que recibe un objetivo, planifica pasos, ejecuta acciones con herramientas conectadas a sistemas reales y verifica el resultado.
La distinción no es el modelo de lenguaje: los dos pueden usar el mismo. La distinción es el permiso de actuar. Un chatbot termina cuando emitió texto. Un agente termina cuando el estado del mundo cambió: un ticket cerrado, una factura cargada, un pedido despachado.
| Dimensión | Chatbot | Agente de IA |
|---|---|---|
| Resultado | Un mensaje | Una tarea completada |
| Herramientas | Ninguna o búsqueda de texto | APIs, bases de datos, sistemas internos |
| Estado | Contexto de la conversación | Estado de la tarea entre sesiones |
| Manejo del error | Repite o pide reformular | Reintenta, cambia de estrategia o escala a una persona |
| Auditoría | Historial de mensajes | Registro de cada acción, con entrada y salida |
| Riesgo típico | Responder algo incorrecto | Ejecutar algo incorrecto |
¿Cuándo alcanza con un chatbot?
Un chatbot alcanza cuando el valor está en la respuesta y no en la ejecución: consultas sobre documentación, políticas internas, catálogos o preguntas frecuentes.
Si el 80% de las consultas se resuelven diciendo algo correcto, y el 20% restante se deriva a una persona, un chatbot bien conectado a la base documental es más barato de construir, más fácil de auditar y más rápido de poner en producción que un agente.
¿Cuándo hace falta un agente?
Hace falta un agente cuando el trabajo consiste en modificar datos o disparar procesos en otros sistemas, y el cuello de botella es el tiempo que una persona pasa moviendo información entre pantallas.
- Clasificar un correo entrante, extraer los datos y cargarlos en el CRM.
- Leer una factura, validarla contra la orden de compra y marcar la diferencia.
- Recolectar información de tres sistemas y armar el legajo de un caso antes de que lo tome una persona.
- Cerrar tickets cuya solución es una acción concreta y repetible.
En estos casos el chatbot no sirve, porque el usuario no quiere una explicación de cómo cargar el dato: quiere el dato cargado.
¿Qué riesgos agrega un agente?
Un agente agrega el riesgo de la acción: un error deja de ser una respuesta incorrecta y pasa a ser un registro modificado, un correo enviado o un pago iniciado.
- Límites de acción explícitos: qué puede hacer, sobre qué registros y hasta qué monto.
- Confirmación humana obligatoria para operaciones irreversibles.
- Registro completo de cada llamada a herramienta, con entrada, salida y decisión asociada.
- Evaluaciones que se corren en cada cambio de prompt, modelo o herramienta.
- Plan de reversión para las acciones que se puedan deshacer.
¿Cómo cambia el costo y el plazo?
Un agente cuesta más que un chatbot porque el trabajo no está en la conversación sino en las integraciones, los permisos y las pruebas.
Como referencia de nuestros proyectos: un asistente de consulta sobre documentación llega a producción en semanas y el esfuerzo se concentra en ordenar el contenido. Un agente que opera sobre dos a cinco sistemas necesita entre 4 y 8 semanas hasta producción acotada, y la mitad de ese tiempo se va en integraciones y en el set de evaluaciones, no en el prompt.
¿Cómo decidir en cinco minutos?
La pregunta que ordena la decisión es una sola: si el sistema respondiera perfecto siempre, ¿el trabajo quedaría hecho, o alguien todavía tendría que ir a hacerlo?
Si el trabajo queda hecho, necesitás un chatbot. Si alguien todavía tiene que ir a ejecutarlo, necesitás un agente. Y si no está claro cuál es el trabajo, no necesitás ninguno de los dos todavía: necesitás describir el proceso.