Un AI agent para ops es software que recibe un objetivo de alto nivel, lo descompone en sub-tareas en tiempo de ejecución, decide qué herramientas usar y en qué orden, y ajusta su plan cuando los resultados intermedios cambian la situación — sin que un humano especifique cada paso. Lo que importa en el contexto de ops no es si un producto usa un LLM, sino si el sistema toma decisiones de bifurcación de forma autónoma según lo que encuentra, o si un humano pre-programó los puntos de bifurcación.
Un AI agent no es un chatbot que responde preguntas bajo demanda, una herramienta de workflow que ejecuta una secuencia fija de pasos predefinidos, ni un bot RPA que repite patrones de clics grabados. Los tres pueden incorporar LLMs; ninguno califica como agente a menos que pueda cambiar de curso de forma independiente cuando las condiciones cambian.
Por qué la distinción importa para compradores de ops
La mayoría del software comercializado como “agéntico” en 2025 y 2026 no lo es. Gartner acuñó el término “agentwashing” para esto. Una herramienta que redacta un email, resume una llamada o llena un campo en el CRM ante un trigger no es un agente — es un workflow mejorado con AI. Eso es algo legítimo y a menudo más confiable para comprar, pero el framing de marketing engaña a compradores que intentan entender qué están adquiriendo realmente.
Los equipos de ops — RevOps, Legal Ops, TA — les importa esta distinción por dos razones. Primero, los agentes requieren una gobernanza diferente: una herramienta que puede enviar emails, actualizar registros o enrutar decisiones de forma autónoma necesita audit trails y controles de rollback que una herramienta de workflow no necesita. Segundo, los agentes desbloquean una clase diferente de trabajo: tareas que requieren juicio en los puntos de bifurcación, no solo ejecución de un camino conocido.
Lo que hace un agente genuino
Un agente genuino exhibe cuatro comportamientos:
-
Recepción del objetivo. Acepta un objetivo expresado en lenguaje natural, no un formulario de configuración. “Encuentra y califica cuentas que coincidan con este ICP, redacta outreach para las 20 principales y marca las tres con más probabilidad de cerrar este trimestre” es un objetivo. Una secuencia fija de “enriquecer → puntuar → secuenciar” disparada ante un nuevo lead es un workflow, aunque cada paso use un LLM.
-
Selección dinámica de herramientas. El agente elige qué herramientas externas (proveedores de datos, CRM, email, calendario) usar según lo que aprende en cada paso. Si el enriquecimiento firmográfico devuelve datos incompletos, el agente consulta una segunda fuente en lugar de fallar o salteársela.
-
Revisión del plan en vuelo. Cuando los resultados intermedios cambian la situación — el prospecto respondió antes de que se enviara el segundo seguimiento, el contrato marcó una cláusula no estándar — el agente reemplaza sus pasos restantes con un plan revisado en lugar de completar el script original.
-
Criterio de éxito a nivel de objetivo. El agente tiene una definición de “listo” que verifica, no solo un último paso a ejecutar. Un workflow termina cuando se ejecuta el último nodo; un agente termina cuando se satisface su condición de éxito o cuando expone explícitamente un fallo que no puede resolver.
Cómo los agentes aparecen en el trabajo de ops
RevOps — El caso de uso inicial más claro es la investigación y calificación de cuentas. Un agente que recibe una lista de cuentas target puede hacer referencias cruzadas de forma independiente con datos de uso del producto, señales de intención de terceros e historial del CRM, y luego producir una lista priorizada con razonamiento — sin que un analista especifique cada consulta. La diferencia con un workflow: cuando encuentra una empresa que no está en el proveedor de datos, se adapta en lugar de registrar un error.
Legal Ops — Los agentes de revisión de contratos pueden recibir un contrato, aplicar un playbook de posiciones de fallback y devolver un redline — pero, más importante, pueden marcar una cláusula no estándar que no han visto antes como una decisión que requiere la opinión de un abogado, en lugar de ignorarla silenciosamente o fallar. Una herramienta de workflow aplica reglas; un agente expone lo que las reglas no cubren.
Recruiting / TA — Un agente de sourcing puede tomar una descripción de puesto, generar search strings, consultar herramientas de sourcing, filtrar los perfiles obtenidos según criterios de contratación y redactar outreach — ajustando criterios cuando ningún perfil coincide en un canal antes de probar otro. El juicio del recruiter sigue siendo necesario para la lista final, pero el agente comprime días de investigación en minutos.
Las preguntas diagnósticas que los compradores deben hacer a los vendors
Cuando un vendor dice que su producto es un “AI agent”, estas preguntas revelan la realidad:
1. ¿Qué ocurre cuando un paso intermedio falla o devuelve un resultado inesperado? Un agente genuino describe un plan de fallback. Una herramienta de workflow describe un estado de error o una cola de revisión manual.
2. ¿Puede recibir un objetivo que nunca ha visto, o debo configurar un playbook primero? Los agentes verdaderos generalizan; las herramientas de workflow sofisticadas solo generalizan dentro de los escenarios que sus diseñadores anticiparon.
3. ¿Dónde queda la aprobación humana en el ciclo? Esto no es un descalificador — muchas arquitecturas de agentes en producción usan checkpoints humanos de forma deliberada. Pero la respuesta indica si la autonomía es real o teatral. “Los humanos aprueban cada acción” generalmente significa que es un workflow con asistencia de AI, no un agente.
4. ¿Cómo es el audit log? Los agentes producen logs de decisión — ¿por qué llamó a esta herramienta? ¿por qué revisó el plan? — no solo logs de acciones. Las herramientas de workflow registran acciones; los agentes deben registrar el razonamiento.
5. ¿Cuál es el modelo de costos cuando el agente toma un camino largo? Los agentes autónomos pueden consumir significativamente más tokens LLM en objetivos complejos que en los simples. Si el vendor no puede dar una banda de costos por tipo de tarea, o no lo ha medido o la variabilidad de costos es un problema conocido.
Errores comunes
Comprar un agente cuando necesitas un workflow. Los agentes intercambian previsibilidad por flexibilidad. Si cada instancia de una tarea sigue los mismos pasos, un workflow bien configurado es más rápido, más barato y más auditable que un agente. La pregunta correcta es si la tarea tiene variabilidad significativa en los puntos de bifurcación; si no, un agente agrega sobrecarga sin agregar valor.
Protección: Mapea la tarea antes del demo del vendor. Lista cada punto de decisión. Si todas las decisiones pueden codificarse como reglas que ya conoces, compra la herramienta de workflow.
Sin plan de rollback. Los agentes que toman acciones autónomas — enviar emails, actualizar registros, marcar items en un sistema de registro — necesitan una capacidad de rollback. Un agente que realizó 400 llamadas de outreach basadas en un ICP mal configurado no puede deshacer esos mensajes.
Protección: Exige un modo dry-run (el agente planifica pero no ejecuta) para cualquier agente que toque sistemas externos, y un registro de cada acción externa tomada con el estado de los datos en ese momento.
Vacío de gobernanza. Los equipos de Legal Ops que usan agentes de contratos y los equipos de TA que usan agentes de sourcing en jurisdicciones con regulaciones de AI en contratación (NYC LL 144, EU AI Act) necesitan saber exactamente qué hizo el agente y por qué. “La AI decidió” no es una respuesta defendible en una auditoría.
Protección: Cualquier agente que toque decisiones reguladas debe producir registros de decisión estructurados — qué señales usó, qué reglas aplicó, qué expuso para revisión humana — en un formato que un equipo de compliance pueda consultar.
Relacionado
- GTM engineering — la disciplina de ops que construye y gobierna sistemas agénticos
- Claude — el LLM más comúnmente desplegado para agentes de ops personalizados