Agentes de IA · Granada / Remoto
Un agente de IA ejecuta un proceso de principio a fin: lee, decide, llama a tus sistemas y sabe cuándo parar. Diseño e integro agentes para los procesos repetitivos de tu empresa, con guardarraíles y aprobación humana en los puntos donde un error se paga. Detrás de cada integración hay más de diez años construyendo backend.
Un agente de IA es un modelo de lenguaje con tres cosas más: herramientas para actuar sobre tus sistemas, memoria de lo que ya ha hecho y un criterio explícito para parar. Esa última parte es la que separa un agente útil de una demo: el agente decide cuántos pasos da, pero tú decides dónde termina su autoridad.
La diferencia con un chatbot es que el agente no se limita a responder: abre el ticket, consulta el pedido en el ERP, redacta la contestación y la deja esperando aprobación. La autonomía es un dial, no un interruptor, y en la mayoría de procesos el punto óptimo está lejos de los extremos. Encontrarlo es parte del trabajo.
Sesiones con quien hace hoy el trabajo para levantar el proceso real, con sus excepciones incluidas. De ahí sale el diseño: qué pasos ejecuta el agente, qué información necesita en cada uno y en qué punto exacto entra una persona.
Cada acción del agente es una función acotada contra tus sistemas: correo, CRM, ERP, base de datos o APIs internas. Con permisos mínimos, validación de parámetros y límites de uso, para que el alcance de un fallo sea pequeño y conocido.
Reglas explícitas de lo que el agente no puede hacer solo, colas de aprobación para las acciones sensibles y un registro de por qué tomó cada decisión. Un agente que no se puede auditar es un agente que no llega a producción.
Un conjunto de casos reales —incluidos los raros y los que salieron mal— que se ejecuta automáticamente en cada cambio de prompt, de modelo o de herramienta. Es la única forma de saber si una mejora ha mejorado algo.
Puesta en producción en tu infraestructura, con trazas paso a paso, alertas cuando el agente se atasca o se sale del guion, y coste por ejecución visible desde el primer día.
Guardarraíles primero, autonomía después. Empiezo por lo que el agente no debe hacer y por cómo lo vamos a medir; el margen de decisión se amplía más tarde, con datos de uso que lo respalden. Trabajo sobre modelos comerciales de Claude, OpenAI o Gemini —la elección depende del coste, la latencia y la calidad que pida tu caso— y orquesto con LangGraph cuando el flujo tiene ramas y estado, o con código plano cuando no hace falta más. La integración vive donde vive tu producto: dentro de una aplicación Rails, en un servicio Python aparte o detrás de una API.
Levanto el proceso con tu equipo, mido cuánto tiempo consume hoy y acoto el primer agente al tramo con mejor relación entre volumen y riesgo. Salida: el diseño, los criterios de éxito y una estimación de coste por ejecución. Una o dos semanas.
Construyo el agente contra tus sistemas en un entorno de pruebas y lo dejo funcionando en modo sombra o solo-propuesta sobre casos reales. Al terminar sabemos qué porcentaje resuelve bien, dónde falla y si merece la pena seguir. De dos a cuatro semanas.
Integración definitiva, guardarraíles, colas de aprobación, evals en CI y monitorización. El agente entra en producción con supervisión humana en las acciones sensibles. De tres a seis semanas según cuántos sistemas haya que tocar.
Con semanas de uso real se ve qué casos conviene automatizar del todo, cuáles seguirán pasando por una persona y qué proceso vecino es el siguiente candidato. Los plazos son orientativos: el camino crítico suele estar en las integraciones y los accesos, no en el modelo.
Consultoría de IA para empresas: descubre dónde aplicar IA, agentes y RAG con un ingeniero senior. De la idea al sistema en producción, sin humo.
Implementación de RAG: respuestas fiables sobre tu documentación, con citas a la fuente. Experiencia real en producción con urbanisti.co.
Cuéntame tu caso y te digo con franqueza si la IA es la herramienta adecuada — y cómo la implementaría.