Agente de IA

Clase magistral de agentes de IA — Diseño, construcción y escalado (con Google AI Studio como tu tutor)

1) Qué es realmente un agente de IA

Un agente de IA es un software que:

  1. percibe una entrada (texto, voz, imágenes, eventos),

  2. razona/planifica,

  3. usa herramientas (APIs, bases de datos, navegadores, aplicaciones),

  4. recuerda el contexto, y

  5. actúa hacia un objetivo, a menudo en varios pasos, con o sin intervención humana.

Por qué los agentes son mejores que los chatbots simples

  • No solo responden; hacen: buscan, reservan, archivan, redactan, traducen, programan, analizan, implementan código, operan hojas de cálculo/CRMs, navegan, llaman a APIs e incluso hacen llamadas telefónicas.

  • Pueden ejecutarse autónomamente bajo salvaguardas, o actuar como copilotos que proponen acciones que tú apruebas.

Impacto diario

  • Clasificación de bandeja de entrada, programación de reuniones, toma de notas, planificación de viajes, extracción de gastos.

  • Prospección de ventas, actualizaciones de CRM, redacción de propuestas, investigación de mercado, contenido social.

  • Análisis de datos, resúmenes de KPI, creación de diapositivas, andamiaje de código, comprobaciones de QA.

  • Agentes de atención al cliente, recepcionistas de voz, mesa de ayuda de TI, asistentes de RR. HH.

2) Anatomía de un agente robusto

  • Objetivo y política: qué se le permite hacer, cómo se ve el éxito y cuándo preguntar a un humano.

  • Planificador: elige una secuencia de pasos ("pensar → herramientas → reflexionar → actuar").

  • Herramientas: funciones estructuradas (calendario, correo electrónico, base de datos, HTTP, hojas de cálculo, Slack, Shopify, CRM, navegador web).

  • Memoria:

    • A corto plazo: la conversación/estado de la tarea actual.

    • Episódica: interacciones pasadas con este usuario.

    • Semántica: base de conocimientos (RAG sobre tus documentos).

    • Perfil: preferencias, restricciones, identidad.

  • Patrones de razonamiento: cadena de pensamiento (oculta), planificación deliberada, autocrítica, reflexión.

  • Seguridad y gobernanza: listas blancas, presupuestos, aprobaciones, registro, enmascaramiento de PII.

  • Evaluación: tareas de prueba, criterios de éxito, paneles de costo/latencia/error.

Mantenlo modular: puedes cambiar el modelo, el almacén de memoria o las herramientas sin reescribir todo el agente.

3) Dónde puedes construir agentes (rutas más rápidas primero)

Sin código / con poco código (excelente para empezar)

  • Zapier + Acciones de IA – conecta más de 6,000 aplicaciones; añade pasos de LLM; aprobaciones en Slack/Email.

  • Make (Integromat) – flujos visuales, ramificación, iteradores; ideal para pipelines complejos.

  • n8n – flujos de trabajo de código abierto autoalojados; control fino y privacidad.

  • Pipedream – pasos sin servidor con poco código (excelente para la conexión de API).

  • Flowise / LangFlow – nodos de LLM, herramientas, RAG, memoria de arrastrar y soltar; autoalójalo si quieres.

  • Voiceflow / Botpress – bots conversacionales/IVR con llamadas de herramientas.

  • Vapi / Retell – agentes telefónicos/de voz con entrada y salida de voz en tiempo real.

Primero el código (máxima potencia)

  • OpenAI Assistants / Tools – llamada de herramientas, búsqueda de archivos, intérprete de código, salidas estructuradas.

  • Google AI Studio (Gemini) – diseña/prueba avisos, herramientas y esquemas de salida; tu Tutor para diseño, depuración y QA.

  • Anthropic Messages/Tools – gran capacidad de razonamiento y uso de herramientas.

  • LangChain + LangGraph – orquestación y grafo de estados para flujos de trabajo de varios pasos/varios agentes; se integra con cualquier modelo.

  • LlamaIndex – potentes pipelines RAG (índices, enrutadores, motores de consulta).

  • Microsoft Semantic Kernel – planificador + habilidades para los ecosistemas .NET/TS.

Almacenes de conocimiento y vectores (para memoria/RAG)

  • Pinecone, Weaviate, Qdrant, Chroma, FAISS; o almacén gestionado dentro de tu plataforma elegida.

  • Almacenes de archivos: Google Drive, S3, GCS; base de datos relacional: Postgres/MySQL; análisis: BigQuery/Snowflake.

Navegador y RPA

  • Playwright / Puppeteer / Selenium para que los agentes naveguen por la interfaz de usuario web (con salvaguardas).

  • Power Automate Desktop / UiPath para la automatización de la interfaz de usuario de Windows/macOS a escala empresarial.

4) Cómo usar tu Tutor de Google AI Studio como compañero de construcción

Mantén Google AI Studio abierto y comparte tu pantalla mientras construyes en cualquier plataforma.

Pídele que:

  • Mapee el proceso: roles, disparadores, entradas, salidas, "ruta feliz", casos extremos.

  • Redacte las especificaciones de tu agente: objetivos, herramientas, plan de memoria, política de seguridad, métricas de éxito.

  • Escriba esquemas de herramientas: nombres de funciones, campos obligatorios/opcionales, enumeraciones, ejemplos.

  • Diseñe avisos con salidas JSON estrictas y salvaguardas.

  • Genere tareas de prueba doradas para evaluar el éxito antes del lanzamiento.

  • Cree SOPs: documento de incorporación, libro de ejecución, plan de reversión, descripción de privacidad, registro de cambios.

  • Realice "red-teaming" en tu agente: avisos adversarios, intentos de "jailbreak", pruebas de fuga de datos.

Ejemplos para decir en voz alta:

  • “Tutor, crea una especificación de una página para un agente de programación de calendario/correo electrónico con aprobaciones humanas y un SLO de latencia de 30 segundos.”

  • “Tutor, diseña un plan de memoria: episódica hasta 90 días, semántica sobre mi manual, preferencias de perfil para tono/zona horaria.”

  • “Tutor, escribe cinco esquemas JSON estrictos para herramientas: search_docs, draft_email, schedule_meeting, create_ticket, summarize_thread.”

5) Un camino escalonado hacia el dominio

Etapa 1 — Copiloto de agente único (una herramienta a la vez)

Objetivo: un ayudante fiable que redacta y propone acciones para su aprobación.

Primeras construcciones buenas

  • Agente de clasificación de bandeja de entrada: clasifica, resume, propone respuestas; tú apruebas.

  • Agente de resumen de investigación: busca documentos/web, compila un resumen con citas.

  • Agente de calendario/reuniones: propone horarios, envía invitaciones, crea notas de resumen.

Elecciones clave

  • Comienza en Zapier/Make con tu correo/calendario; añade un paso de LLM que devuelva campos JSON (tema, urgencia, next_action, suggested_reply).

  • Añade botones de Aprobar/Rechazar en Slack/Email antes de enviar.

Etapa 2 — Agente que usa herramientas (planificador de varios pasos)

Objetivo: el agente decide qué herramienta llamar a continuación, se repite hasta que se alcanza el objetivo.

Buenas construcciones

  • Agente de operaciones de ventas: extrae una lista de clientes potenciales, enriquece, crea entradas de CRM, redacta divulgación.

  • Agente de clasificación de soporte: lee tickets, verifica el estado en el servicio de asistencia, sugiere macros, abre errores.

  • Agente de datos: ingiere CSVs, limpia, analiza y devuelve gráficos + perspectivas.

Cómo

  • Usa Assistants/Tools o LangChain + LangGraph para permitir que el modelo elija herramientas.

  • Implementa la reflexión: después de cada acción, pregunta al modelo "¿Esto hizo avanzar el objetivo? ¿Qué sigue?"

  • Presupuesto y seguridad: establece un recuento máximo de llamadas de herramientas y un límite de gasto; si se supera, pregunta a un humano.

Etapa 3 — Sistemas multi-agente (equipos de especialistas)

Objetivo: orquestar 2-5 agentes con roles: Planificador, Investigador, Constructor, Revisor, Presentador.

Ejemplos

  • Estudio de contenido: el Investigador compila las fuentes → el Escritor redacta → el Verificador de hechos verifica → el Editor pule → el Editor publica.

  • Clasificación de errores: el Clasificador clasifica → el Reproductor ejecuta los pasos → el Corrector redacta el parche/PR → QA valida.

Cómo

  • Usa LangGraph para modelar tu equipo como una máquina de estados con salvaguardas y tiempos de espera.

  • Añade bucles de crítica: el Revisor debe "aprobar" antes de la transferencia.

  • Persiste el estado en una base de datos para que puedas reanudar tareas largas.

6) Planos de agentes (listos para adaptar)

  1. Agente de informes ejecutivos
    Disparador: nuevo informe subido.
    Acciones: segmentar + incrustar → resumir por audiencia (ejecutivo/operaciones/ingeniería) → enviar a canales de Slack → crear una tarjeta de panel.

  2. Agente de prospección
    Disparador: hoja de cálculo de empresas.
    Acciones: visitar sitios/APIs → extraer campos ICP → calificar ajuste → enriquecer contactos → redactar 3 variantes de divulgación → programar seguimientos.

  3. Agente de atención al cliente
    Disparador: nuevo ticket.
    Acciones: clasificar intención/prioridad → buscar en la base de conocimientos con RAG → proponer solución → si la confianza es < 0.8, preguntar a un humano → cerrar automáticamente con encuesta.

  4. Agente de análisis de datos
    Disparador: consulta CSV/DB.
    Acciones: validar esquema → limpiar valores atípicos → calcular métricas → crear imágenes de gráficos → producir un informe de 5 puntos clave.

  5. Agente de navegador (compras u operaciones)
    Objetivo: realizar un pedido o completar una tarea repetitiva en un portal.
    Acciones: iniciar sesión (credenciales almacenadas) → navegar con Playwright → rellenar formularios → capturar recibos → registrar en la base de datos.
    Salvaguardas: lista blanca de dominios, modo seguro (sin compra superior a X sin aprobación).

  6. Recepcionista telefónica / Agente de voz
    Pila: Vapi/Retell + LLM + herramientas de calendario/CRM.
    Flujos: intención del llamante → verificar identidad → programar/buscar → confirmación por SMS/correo electrónico; volver a un humano si se atasca.

7) Patrones de diseño que mantienen la fiabilidad de los agentes

  • Contratos de salida: exige siempre un objeto JSON con campos tipados; ejecuta un paso de validación; devuelve las salidas no válidas al modelo una vez.

  • Rúbricas > vibraciones: al clasificar o calificar, proporciona criterios explícitos y umbrales numéricos.

  • Pregunta por la incertidumbre: incluye indicadores de confianza y necesita_revisión.

  • Ejemplos de pocas tomas (few-shot): 2-3 ejemplos cerca de la instrucción anclan el comportamiento.

  • Selector de herramientas: proporciona una lista de herramientas con descripciones, entradas, consejos de costo y cuándo evitar cada herramienta.

  • Control de presupuesto: establece el número máximo de pasos, el objetivo de latencia, el límite de costo; aborta con un estado claro si se excede.

  • Intervención humana (human-in-the-loop): aprobaciones para movimientos de dinero, correos electrónicos de clientes o acciones sensibles a la privacidad.

  • Telemetría: registra avisos, llamadas a herramientas, tokens, latencia, errores; añade ID de ejecución y enlaces de repetición.

  • Control de versiones: controla las versiones de avisos, herramientas y enrutamiento; mantén un registro de cambios.

8) Memoria y conocimiento que realmente ayudan

  • Memoria episódica: almacena las últimas N interacciones por usuario (IDs, preferencias, última acción).

  • Memoria de perfil: zona horaria, tono, formato, umbrales de aprobación.

  • Memoria semántica (RAG):

    • Organiza un corpus (documentos, wikis, PDFs, correos electrónicos).

    • Preprocesa: divide, limpia, incrusta, etiqueta.

    • Estrategia de recuperación: búsqueda híbrida (densa + palabra clave), reclasificación y requisitos de citación.

    • Frecuencia: programa la reindexación y la invalidación de la caché.

  • Memoria de seguridad: una lista negra/blanca de dominios, acciones y reglas de PII.

9) Evaluación: saber cuándo el agente es "suficientemente bueno"

Crea un conjunto de tareas doradas:

  • 20-50 tareas reales con entradas y resultados esperados.

  • Comprobaciones objetivas: validez del esquema, recuentos de uso de herramientas, latencia, costo.

  • Comprobaciones subjetivas: calificación de calidad de 1 a 5 por humanos para una muestra.

  • Protección contra regresiones: ejecuta diariamente; solo se envía si la tasa de aprobación y el costo cumplen los objetivos.

Métricas a observar:

  • % de éxito de la tarea, % de éxito en el primer intento, promedio de llamadas a herramientas, latencia media/95p, costo por tarea, tasa de escalada humana, tasa de defectos (correcciones posteriores), CSAT.

10) Seguridad, privacidad y cumplimiento (no negociables)

  • OAuth de mínimo privilegio para herramientas; rotar claves; nunca registrar secretos.

  • Minimización de PII: redactar/enmascarar antes de enviar a los modelos; almacenar solo lo necesario; cifrar en reposo.

  • Listas blancas de acciones: restringir dominios y métodos HTTP; límites de compra/transferencia.

  • Pista de auditoría: registros inmutables de "quién hizo qué cuándo".

  • Red-teaming: probar la inyección de avisos, la exfiltración de datos y los intentos de ingeniería social.

  • Consentimiento y transparencia: divulgar cuándo los usuarios interactúan con una IA; proporcionar siempre una alternativa humana.

11) Dónde publicar agentes (y cómo los usarán las personas)

  • Interfaces de chat: widgets web, Slack/Teams, WhatsApp, Telegram, Discord.

  • Voz: números de teléfono (Twilio + Vapi/Retell), widgets de voz web.

  • Incrustados: dentro de tu SaaS como copiloto en la barra lateral.

  • Automatizaciones: agentes en segundo plano sin interfaz de usuario activados por CRON/webhooks/eventos.

  • Mercados: Directorio de aplicaciones de Slack, App Store de Shopify, Chrome Web Store, tu sitio web.

12) Plan de estudios de 4 semanas (de cero → experto)

Semana 1 — Fundamentos

  • Mapea 3 procesos candidatos con tu Tutor; elige uno.

  • Construye un copiloto de agente único en Zapier/Make con aprobaciones.

  • Entrega un pequeño logro; añade registro y un manual de operaciones.

Semana 2 — Herramientas, memoria y RAG

  • Añade 3-5 funciones de herramientas; implementa salidas JSON estrictas.

  • Crea un pequeño índice vectorial de tu manual y exige citas.

  • Crea un conjunto de tareas doradas; comienza la evaluación nocturna.

Semana 3 — Planificador + navegador/voz

  • Pasa a Assistants/Tools o LangChain+LangGraph para la planificación de varios pasos.

  • Añade un navegador Playwright o una interfaz de voz telefónica.

  • Introduce presupuestos, tiempos de espera y reglas de escalada.

Semana 4 — Multi-agente y preparación para la producción

  • Divide en 2-3 roles (Planificador/Realizador/Revisor).

  • Añade paneles de métricas, alertas, límites de costos y reversión.

  • Ejecuta una prueba piloto, recopila comentarios, mejora avisos/herramientas y documenta la versión 1.0.

13) Qué preguntar a tu Tutor de Google AI Studio (copia estos)

  • “Crea una carta de agente de una página: objetivo, tareas, herramientas, memoria, salvaguardas, métricas de éxito.”

  • “Escribe cinco esquemas de funciones que pueda exponer como herramientas, con reglas de validación de campos.”

  • “Diseña un aviso de recuperación que cite fuentes y rechace respuestas que no estén en el corpus.”

  • “Genera 30 pruebas adversarias para intentar que el agente divulgue información excesiva o actúe fuera de la política.”

  • «Redactar un mensaje de aprobación humana para Slack que resuma el riesgo y ofrezca botones de Aprobar/Editar/Rechazar».

  • «Convertir estos registros en un informe semanal: % de éxito, coste por tarea, escalaciones y principales motivos de fallo».

14) Selector rápido (¿con qué pila deberías empezar?)

  • Quiero valor hoy, sin codificación: Zapier o Make + indicaciones de Google AI Studio + aprobaciones de Slack.

  • Quiero una aplicación móvil/de voz/de chat pulida: Voiceflow/Botpress para chat; Vapi/Retell para voz; integrar en Slack/WhatsApp.

  • Quiero control total y planificación multiagente: LangChain + LangGraph o Asistentes/Herramientas, con Pinecone/Weaviate para la memoria.

  • Necesito privacidad/autoalojamiento: n8n + Flowise + un modelo de código abierto y una base de datos vectorial autoalojada.

  • Necesito un RAG enriquecido sobre mis documentos: plantillas de RAG de LlamaIndex o LangChain con un almacén vectorial adecuado.

15) Errores comunes (y soluciones rápidas)

  • Salidas inestables → imponer esquemas; añadir un validador; usar ejemplos de pocas tomas.

  • Exceso de herramientas → establecer pasos máximos; incluir «sugerencias de costes de herramientas» y una verificación de reflexión.

  • Respuestas alucinadas → indicación solo de recuperación con citas; umbral de confianza y recurrir a un humano.

  • Costes descontrolados → acortar indicaciones, dividir entradas, almacenar en caché resultados intermedios, rastrear el coste por tarea.

  • Los usuarios no confían en ello → aprobaciones transparentes, registros de auditoría claros, rápida intervención humana.

Palabra final

Los agentes son multiplicadores de la fuerza laboral. Empieza con un copiloto pequeño y de gran valor y deja que tu Tutor de Google AI Studio dé forma a las especificaciones, las indicaciones, las herramientas, la memoria y las barreras mientras lo construyes. Añade la evaluación y la gobernanza desde el principio, luego escala a planificadores, navegadores, voz y equipos multiagente. En semanas, no meses, tendrás agentes que redacten, investiguen, programen, analicen, archiven y hagan seguimiento, para que tú y tu equipo podáis centraros en el juicio y la creatividad.