← Blog

6 min de lectura

· ,

Agentes vs. flujos de trabajo agénticos

An AI agent choosing its own paths versus a structured agentic workflow of defined steps

Hoy en día, a todo lo que tiene un LLM dentro se le llama «agente». ¿Un chatbot? Agente. ¿Un script que resume correos? Agente. ¿Un proceso de cinco pasos que clasifica tickets y los envía al equipo correcto? También un agente, al parecer.

Parte de esto es marketing. «Agente» vende, así que los proveedores le ponen la etiqueta a cualquier cosa que toque la IA. Pero parte es que la mayoría de quienes usamos IA en el trabajo no nos hemos detenido a trazar la línea. Y creo que deberíamos hacerlo, porque la diferencia entre un agente y un flujo de trabajo agéntico es justamente donde se esconde la mayor parte del valor real para el negocio.

Una prueba sencilla: ¿quién decide el siguiente paso?

Esta es la forma más fácil que he encontrado para distinguirlos:

  • Agente: el modelo decide qué hacer a continuación. Le das un objetivo y algunas herramientas, y él encuentra el camino por su cuenta: qué buscar, a qué llamar, cuándo ha terminado.
  • Flujo de trabajo agéntico: el proceso decide qué hacer a continuación. Los pasos se definen de antemano, y el modelo hace su trabajo dentro de pasos concretos: extraer datos, clasificar, redactar, elegir entre unas pocas opciones.

La misma tecnología, un comportamiento muy distinto.

Es la misma línea que traza Anthropic en Building Effective Agents: los flujos de trabajo orquestan LLMs a través de rutas de código predefinidas, mientras que los agentes dirigen su propio proceso y el uso de sus herramientas.

Determinismo: la parte de la que nadie habla

Un sistema es determinista cuando la misma entrada siempre produce la misma salida, siguiendo el mismo camino. Una calculadora es determinista. Tu sistema de nóminas más vale que lo sea.

Los agentes interactivos son, por naturaleza, no deterministas. Dale a un agente la misma tarea dos veces y puede tomar una ruta distinta cada vez: otras herramientas, otro orden, otro resultado. No es un error; es lo que los hace tan buenos para el trabajo abierto. Pero también significa que pueden desviarse, saltarse pasos o quedarse atrapados en bucles, intentando lo mismo una y otra vez.

Los flujos de trabajo agénticos logran un mejor equilibrio. La estructura general del proceso es fija y predecible. El no determinismo vive solo en los puntos concretos donde interviene un agente. Tienes la flexibilidad de la IA donde la necesitas, y consistencia en todo lo demás. Sin bucles, sin desvíos inesperados, sin «¿por qué hizo eso esta vez?».

La misma tarea, de dos maneras

Toma algo que hacen todas las empresas: procesar facturas de proveedores.

A la manera del agente: le das a un agente acceso a la bandeja de entrada y al ERP, y le dices: «Procesa las facturas que lleguen». Algunos días comprueba primero la orden de compra; otros, no. A veces pide aclaraciones, a veces adivina. Cuando falta un campo, puede probar tres enfoques distintos, o el mismo diez veces.

A la manera del flujo de trabajo agéntico:

  1. Llega una factura nueva (disparador).
  2. Un paso de IA extrae el proveedor, los importes, las fechas y las líneas de detalle.
  3. Código convencional la compara con la orden de compra.
  4. Si todo coincide, se registra en el ERP.
  5. Si no, un paso de IA redacta una breve explicación de la discrepancia y la envía a una persona para que la apruebe.

Solo los pasos 2 y 5 usan IA. Todo lo demás es software sencillo, aburrido y fiable. Y esa es la idea.

Trazabilidad: abrir la caja negra

Aquí es donde la diferencia realmente se nota para las empresas.

Con un agente, cada ejecución es básicamente una caja negra. Puedes registrar qué herramientas usó, pero el camino cambia cada vez, así que obtener datos consistentes y comparables es difícil. ¿Por qué aprobó esta factura y marcó aquella? ¿Qué paso falló? ¿Cuánto tarda cada parte? Suerte construyendo un panel de control sobre eso.

Con un flujo de trabajo agéntico, cada paso es un punto de control conocido. Sabes qué entró, qué salió, cuánto tardó y cuánto costó. Puedes auditarlo, monitorizarlo, medirlo e incorporar aprobaciones humanas exactamente donde hacen falta. Para sectores regulados (finanzas, salud, administración pública), eso a menudo no es un extra. Es el factor decisivo.

Costes que realmente puedes predecir

Esto también tiene un lado económico. Un agente decide cuántos pasos necesita una tarea, así que el mismo trabajo puede llevar cinco llamadas al modelo un día y cincuenta al siguiente. El coste y el tiempo de respuesta por tarea varían, lo que hace difícil prever el retorno de la inversión.

En un flujo de trabajo, sabes cuántos pasos de IA tiene cada ejecución y aproximadamente cuánto cuesta cada uno. Puedes presupuestarlo, medir el ahorro y enseñarle a tu director financiero una cifra real. Y como la mayoría de los pasos son código convencional, gran parte del proceso no necesita ningún modelo.

Entonces, ¿dónde encajan los agentes?

No me malinterpretes: los agentes son geniales. Para tareas puntuales, exploratorias o que requieren mucho conocimiento (investigar un tema, analizar un documento, escribir código, preparar una propuesta), un agente que trabaja junto a una persona supone un enorme salto de productividad.

Pero cuando se trata de los procesos repetitivos que hacen funcionar tu negocio cada día, los que están detrás de la mayor parte de las mejoras de eficiencia y del ahorro de costes, el trabajo pesado lo hacen los flujos de trabajo agénticos.

No es una cosa o la otra

Los agentes y los flujos de trabajo no son ideas que compitan. Un agente puede ser un paso dentro de un flujo de trabajo: por ejemplo, un paso que investiga a un nuevo proveedor antes de que una persona apruebe el contrato. El proceso mantiene el control, y el agente se encarga de la parte que necesita razonamiento abierto.

Una buena regla general: empieza con un flujo de trabajo y añade autonomía solo donde compense. Si un paso necesita una y otra vez una flexibilidad que el proceso no le puede dar, ese es tu candidato para un agente.

La conclusión para los líderes

Si estás pensando dónde puede la IA marcar una diferencia real en tu organización, empieza por mapear tus procesos repetitivos. Ahí está el ahorro. Conviértelos en flujos de trabajo agénticos, con IA solo en los pasos que requieren criterio. Después, dales a tus equipos agentes para el trabajo concreto e impredecible, donde la flexibilidad vale más que la consistencia.

Y la próxima vez que alguien te ofrezca un «agente», hazle una sola pregunta: ¿quién decide el siguiente paso?

Diego De Marco

Diego De MarcoEmprendedor tecnológico y CTO de BairesDev.

Seguir en LinkedIn