Qué Necesita Realmente un Custom AI Agent Antes de Construirlo

Direct Answer

Un custom AI agent es software que decide y actúa a lo largo de más de un paso de una tarea, usando herramientas que tú le concedes, no un chatbot con un prompt más grande. Anthropic traza la misma línea: un workflow sigue una ruta que has escrito de antemano; un agent decide su propia ruta a medida que avanza. Construir uno real requiere cuatro cosas: una superficie de decisión acotada, una vía de escalado para lo que no puede resolver, un bucle de evaluación que detecta decisiones equivocadas, y la prueba de que una regla fija no haría el trabajo más barato.

Key Takeaways

• El trabajo de un agent es decidir a lo largo de varios pasos, no responder una sola pregunta. Si cada paso ya está fijado, necesitas automatización, no un agent.
• Cuatro piezas cargan con el peso: superficie de decisión acotada, vía de escalado, bucle de evaluación, y una razón documentada de por qué una regla no bastaría.
• Gartner espera que más del 40% de los proyectos de IA agéntica se cancelen antes de finales de 2027, sobre todo por costes crecientes y valor de negocio poco claro, no por la calidad del modelo.
• La encuesta State of AI 2025 de McKinsey encontró que el 62% de las organizaciones está experimentando con agents, pero solo el 23% dice haber escalado agents en al menos una función de negocio. La brecha es operativa, no técnica.
• El acceso de escritura es el verdadero factor de coste. Cada acción que el agent puede hacer sin aprobación es primero una decisión de responsabilidad, y después un asunto de ingeniería.

Qué Necesita Realmente un Custom AI Agent

Empieza por la superficie de decisión, porque es la parte que se saltan la mayoría de los briefs de «construye un AI agent». La superficie de decisión es el conjunto exacto de entradas que ve el agent y el conjunto exacto de acciones que puede realizar con ellas, no «gestiona el soporte al cliente» o «gestiona la bandeja de entrada». La guía de ingeniería de Anthropic sobre agents hace la misma distinción desde el lado de la construcción: un workflow organiza LLMs y herramientas mediante rutas de código que has decidido de antemano, mientras que un agent dirige su propio proceso y uso de herramientas mientras se ejecuta. La autonomía es el producto. Si no puedes nombrar el límite sobre el que tiene autonomía, todavía no tienes una superficie de decisión, tienes una ambición.

Una vez definida la superficie, cuatro cosas tienen que existir antes de que el agent toque nada real.

Una superficie de decisión acotada. No un departamento, un workflow. «Redacta una respuesta a un ticket de soporte, usando las tablas de pedidos y envíos, y envíala solo si la pregunta del cliente encaja en una de seis categorías resueltas» es una superficie de decisión. «Gestiona el soporte» no lo es, esconde una ambigüedad que el agent resolverá mal y en silencio.

Una vía de escalado. Todo agent se encontrará con una entrada que no debería manejar solo: una devolución que supera el límite de política, una amenaza legal dentro del ticket, una petición que las seis categorías no cubren. La vía de escalado es lo que ocurre entonces: no un mensaje de error genérico, sino un traspaso real a una persona que pueda actuar, con el contexto que el agent ya reunió. Un agent sin una vía de escalado nombrada no tiene menos casos límite. Los tiene silenciosos.

Un bucle de evaluación. No puedes saber si un agent decide bien leyendo unas cuantas transcripciones que parecían correctas. Necesitas una forma de muestrear sus decisiones a posteriori, contra un resultado que importe (si la devolución acabó revertida, si el cliente reabrió el ticket, si la categorización se sostuvo una semana después) y de reducir su autoridad cuando la muestra dice que no debería tenerla. Construir el bucle es más trabajo que construir el agent. Eso es normal, no una señal de que algo salió mal.

Una razón documentada de por qué una regla no bastaría. Antes de conceder juicio, escribe el caso donde una regla fija falló y costó más de lo que costaría el agent. Si no puedes producir ese caso, la opción honesta es una regla, no un agent, ver la siguiente sección.

¿Cuándo Es Mejor Opción una Automatización Más Simple?

La mayoría de las veces, la verdad. Una automatización aplica una regla en la que ya confías a un caso que ya cubre; un agent decide qué hacer cuando la regla se agota. Si tu proceso es «cuando pasa X, haz siempre Y», no necesitas algo que decida: necesitas algo que ejecute, y un workflow determinista es más barato de construir, más barato de auditar, y no necesita un bucle de evaluación que vigile la desviación, porque no tiene ninguna.

Los cuatro requisitos de arriba se traducen en un perfil de coste y fallo que una regla fija no arrastra:

Las cifras de Gartner y McKinsey de arriba apuntan al mismo fallo, desde dos direcciones. La previsión de Gartner de cancelación superior al 40% nombra el coste creciente y el valor de negocio poco claro como las razones por las que se detienen los proyectos, no que el modelo fallara al razonar lo bastante bien. El hallazgo de McKinsey de que solo el 23% de las organizaciones ha escalado agents en al menos una función dice lo mismo desde el lado de la adopción: muchos equipos pueden llevar un agent hasta la demo. Muy pocos pueden llevarlo hasta un punto en que sus decisiones se confíen lo suficiente para funcionar sin supervisión en producción. Esa brecha suele ser los cuatro requisitos de arriba, no construidos.

Vale la pena nombrar directamente un fallo relacionado: añadir un agent a un workflow que ya estaba roto. Un agent no arregla un proceso donde nadie está de acuerdo en cómo luce el resultado correcto, solo hace que el desacuerdo se mueva más rápido y deja menos rastro. Si el equipo no puede ya escribir, en una frase, cómo luce una decisión correcta para ese caso, tampoco el agent puede tomarla de forma fiable. Arregla primero el desacuerdo; la pregunta automatización-contra-agent viene después.

El coste es donde suele decidirse la elección en la práctica, no en los debates de arquitectura. Una regla se ejecuta igual cada vez y su coste operativo se mantiene casi plano una vez en marcha. El coste de un agent incluye el bucle de evaluación, el personal de escalado, y las revisiones periódicas a medida que cambia el modelo subyacente, costes que un diagrama de workflow nunca muestra. Calcula el coste del bucle de evaluación antes de calcular el coste de las llamadas al modelo; suele ser el número mayor.

¿Dónde Se Detiene Exactamente el Acceso de Escritura?

El acceso de escritura es la línea divisoria que el sector redescubre continuamente bajo nombres distintos: la diferencia entre un agent y un chatbot es una cuestión de permisos, no de inteligencia. La misma pregunta decide cuánta superficie de decisión debería recibir un agent: ¿solo redacta, o también envía? ¿solo señala una devolución, o también la emite? Cada paso que mueves de «redacta, la persona aprueba» a «actúa, la persona audita después» elimina un punto de control y añade una forma de equivocarse a escala. Qué debe seguir siendo humano cuando integras IA en las operaciones es la versión completa de esta pregunta: la versión corta es: lo que es caro o imposible de deshacer se queda detrás de una persona, por muy bien que se vean los números de evaluación.

Nada de esto se mide por si el agent parece entender la tarea. Cómo medir si un flujo de trabajo con IA funciona de verdad significa comprobar los resultados contra una línea base, no leer transcripciones y sentirse tranquilizado. La misma medición se aplica a un agent, con un añadido: también hay que comprobar qué hizo cuando no estaba seguro, porque ese es el caso que la demo nunca te muestra.

Resumen

Un custom AI agent es un compromiso de supervisar juicio continuo, no una decisión de compra ni una demo que apruebas una vez. La construcción real tiene cuatro partes (superficie de decisión acotada, vía de escalado, bucle de evaluación, y una razón documentada de por qué una regla no bastaría) y la mayor parte del coste vive en la segunda y la tercera, no en el modelo. Si no puedes nombrar el límite sobre el que decide el agent por sí solo, ese es el verdadero siguiente paso, antes de elegir cualquier herramienta: escribe el límite, y después comprueba si una regla lo habría cubierto de todos modos.