Usar un agente IA donde bastaría una automatización mecánica es como contratar a un cirujano para que te ponga una tirita. Técnicamente puede hacerlo. Pero es caro, lento, y cuando el cirujano suba sus tarifas, te quedas sin tiritas.

El problema no es que los agentes no funcionen. Es que se están aplicando a procesos que no los necesitan, como emails, facturas, o seguimientos comerciales que siguen siempre el mismo patrón, solo porque “agente IA” suena más moderno que “automatización”.

Qué hace un agente IA que una automatización simple no puede hacer

Una automatización mecánica sigue reglas fijas. Si pasa X, haz Y. Dado el mismo input, siempre produce el mismo output. No interpreta, no evalúa, no decide. Ejecuta.

Un agente IA razona sobre el contexto. Puede leer un documento sin estructura definida y entender de qué trata. Puede encontrarse con un caso que nunca ha visto y tomar una decisión razonable. Maneja ambigüedad.

La diferencia no es de grado. Es de naturaleza.

Una automatización es un semáforo: verde cuando se cumple la condición, rojo cuando no. Un agente IA se parece más a un empleado con buen criterio: le explicas el objetivo, le das contexto, y hace el trabajo aunque la situación no encaje exactamente con lo que esperabas.

Cuándo no necesitas un agente IA

La mayoría de los procesos que paralizan a una pyme no necesitan razonamiento. Necesitan consistencia.

Si puedes describir el proceso en una lista numerada — “1. Recibe el email, 2. Extrae el adjunto, 3. Guárdalo en la carpeta del cliente, 4. Actualiza la hoja de seguimiento” — una automatización mecánica lo resuelve mejor, más barato y con menos superficie de error.

Casos donde un agente IA sería excesivo:

  • Copiar datos de un formulario web al CRM
  • Enviar un email de confirmación cuando entra un pedido
  • Mover facturas recibidas a una carpeta según el proveedor
  • Generar un informe semanal a partir de datos ya estructurados
  • Recordar a un cliente que su presupuesto lleva 7 días sin respuesta

Todos comparten algo: el sistema ya sabe qué hacer en cada caso. No hay ambigüedad. No hay interpretación. Hay datos y hay acciones.

La navaja de Ockham aplica sin piedad: la solución más simple que funciona es la correcta. Meter un modelo de lenguaje en un proceso que no lo necesita no lo mejora. Lo complica, lo encarece y crea dependencias innecesarias.

Cuándo sí tiene sentido

El agente tiene sentido cuando el proceso contiene una decisión que depende del contenido, no solo de la forma.

Clasificación de documentos sin estructura fija. Un despacho de abogados recibe notificaciones judiciales de docenas de juzgados distintos. Cada una con formato diferente. Algunas urgentes, otras no. Identificar el tipo, extraer la fecha límite y asignarla al abogado correcto requiere leer y entender el contenido — no solo detectar un patrón. Aquí lo hemos implementado en producción.

Clasificación de emails por intención. No todos los emails de clientes dicen lo mismo. “¿Cómo va mi expediente?” es distinto a “necesito hablar con alguien hoy”. Una automatización simple no distingue la urgencia del tono. Un agente sí.

Extracción de datos de documentos variables. Facturas de distintos proveedores, presupuestos, contratos con estructuras que varían. Un agente lee cualquiera y extrae los campos que necesitas sin que hayas definido previamente su formato exacto.

Triage con múltiples destinos posibles. Cuando lo que llega puede derivar a cinco sitios distintos según lo que diga, y la regla de derivación no cabe en un condicional simple.

En todos estos casos hay algo que leer, hay que entender qué significa, y la acción depende de ese significado.

La pregunta que lo decide

¿El proceso requiere entender lo que se está leyendo, o solo moverlo de un sitio a otro?

Si la respuesta es “solo moverlo”, una automatización mecánica es suficiente. Si “tiene que entender el contexto para saber qué hacer”, ahí entra el agente.

Una forma práctica de comprobarlo: intenta escribir la regla en condicional exacto. “Si el email contiene la palabra X, haz Y.” Si esa regla cubre el 98% de los casos reales, no necesitas IA. Si al intentar escribirla aparecen demasiadas excepciones, demasiados matices, demasiados “depende de lo que diga exactamente”, ahí el agente tiene sentido.

Por qué construirlo todo sobre agentes IA es un error que sale caro

Cada vez que un agente procesa algo, consume tokens. Y los tokens cuestan dinero.

Hoy ese coste puede parecer marginal. Pero los precios de los modelos de lenguaje han subido y bajado con rapidez, y nada garantiza que sigan siendo baratos. Una empresa que ha montado toda su operativa sobre agentes está expuesta a ese riesgo.

Si los tokens se encarecen un 3x, su coste operativo crece de forma directa.

Una automatización mecánica no tiene ese problema. Es código. No consume tokens. No depende de ningún proveedor de modelos.

El enfoque que funciona: automatización mecánica para todo lo que es predecible y estructurado, agente IA solo donde hace falta interpretar o decidir. El proceso sale más barato, más estable y más fácil de mantener. El agente se queda en su sitio exacto, haciendo lo que solo él puede hacer.

Lo que más vemos cuando auditamos una empresa no es que hayan ignorado la IA. Es que han metido tokens donde bastaba una regla, a diez veces el coste.

Para qué tipo de empresa aplica cada uno

La automatización mecánica funciona para cualquier empresa con procesos repetitivos bien definidos: gestorías, despachos, agencias, comercios. Si hay un flujo que siempre empieza igual y siempre termina igual, se puede automatizar sin IA.

Los agentes IA tienen sentido cuando el volumen es alto y el contenido es variable. Decenas de documentos al día con formatos distintos, información que hay que interpretar, casos que no siempre encajan en el molde.

El error más frecuente no es el que parece. No es “se lanzaron con IA sin necesitarla”. Es “creyeron que su proceso era demasiado particular para automatizarse, y en realidad era perfectamente mecánico”.

Antes de descartar la automatización por creer que tu caso es demasiado especial, vale la pena hacer la pregunta.

Si no tienes claro qué encaja con tu proceso, la auditoría gratuita de Veltas empieza exactamente ahí: entender qué hay que resolver antes de decidir cómo.