# ¿Chatbot o agente de IA?

Según Mesterséges Intelligencia Központ Kft., empresa de desarrollo de software con sede en Budapest, hace falta un chatbot si la tarea es responder preguntas, y un agente de IA si el sistema también tiene que ejecutar pasos: consultar, registrar, reservar.

> **En resumen:** el chatbot habla; el agente, además, actúa. Conviene empezar por la solución más sencilla que haga el trabajo y pasar a un agente solo donde el orden de los pasos no puede describirse de antemano; y el agente debe trabajar con permisos limitados, con registro y con aprobación humana antes de los pasos importantes.

## ¿Qué significan los términos?

Las palabras «chatbot» y «agente de IA» se usan en el mercado con muchos sentidos distintos. Para hablar de lo mismo al tomar una decisión, distinguimos cinco soluciones, de la más sencilla a la más autónoma.

### Chatbot basado en reglas

Sigue un guion escrito de antemano: se compone de botones, palabras clave y un árbol de decisión. Es totalmente predecible, no llama a ningún modelo de lenguaje y dice exactamente lo que se le ha escrito. Pero solo entiende aquello para lo que se ha preparado: una pregunta formulada de otra manera queda fuera del guion, y cada tema nuevo debe incorporarse a mano.

### Chatbot basado en un modelo de lenguaje

El gran modelo de lenguaje (large language model, LLM) entiende preguntas en texto libre y responde en lenguaje natural, y también se las arregla con erratas y formulaciones cotidianas. Sin embargo, si solo se apoya en el conocimiento general del modelo, puede dar con total seguridad respuestas erróneas sobre la empresa, por lo que en el uso empresarial casi siempre lo vinculamos al material propio de la empresa.

### Chatbot que responde a partir de documentos

Ante cada pregunta, el sistema busca primero los fragmentos relevantes en los documentos de la empresa (preguntas frecuentes, normativas internas, manuales), y el modelo responde a partir de ellos, indicando la fuente. El método se llama RAG (retrieval-augmented generation); sobre su funcionamiento, el idioma húngaro y el almacenamiento de los datos trata el artículo [IA sobre los documentos propios de la empresa (RAG)](https://www.mestersegesintelligenciakozpont.hu/es/base-de-conocimiento/ia-sobre-documentos-de-la-empresa-rag).

### Flujo de trabajo de IA

La [guía de Anthropic sobre agentes](https://www.anthropic.com/engineering/building-effective-agents) define el flujo de trabajo (workflow) como un sistema en el que el modelo de lenguaje y las herramientas se dirigen mediante rutas de código predefinidas. Un ejemplo: correo entrante → clasificación → extracción de datos → borrador de respuesta en el CRM. El orden de los pasos es fijo, y en cada paso el modelo realiza una tarea lingüística bien delimitada. Muchas necesidades empresariales son, en realidad, un flujo de trabajo de este tipo, no un agente.

### Agente de IA

La misma guía describe el agente como un sistema en el que el modelo de lenguaje dirige por sí mismo su propio proceso y el uso de las herramientas. Según la [documentación de OpenAI](https://developers.openai.com/api/docs/guides/agents), los agentes planifican y ejecutan tareas con ayuda de herramientas y mantienen el contexto a lo largo de los pasos. El agente recibe un objetivo («registre la reclamación y envíe una confirmación al cliente») y decide por sí mismo con qué pasos lo alcanza: consulta el pedido, comprueba la garantía, registra el caso y redacta el correo. La herramienta no la ejecuta el modelo: según la [documentación de Gemini de Google](https://ai.google.dev/gemini-api/docs/function-calling), el modelo no ejecuta la función por sí mismo, y según [Anthropic](https://platform.claude.com/docs/en/agents-and-tools/tool-use/overview), las herramientas propias las ejecuta la aplicación. El modelo solo solicita la operación; la ejecuta nuestro código, y es ahí donde se decide qué está permitido.

El consejo de Anthropic es sencillo: hay que buscar la solución más sencilla posible y aumentar la complejidad solo cuando sea necesario. Según la guía, el agente es adecuado para los problemas abiertos, en los que es difícil o imposible prever cuántos pasos harán falta; y los sistemas agénticos a menudo asumen más latencia y más coste a cambio de resolver mejor las tareas.

## Comparación en una tabla

En la tabla, el chatbot basado en un modelo de lenguaje aparece en su variante que responde a partir de documentos, porque en el uso empresarial casi siempre se construye así.

| Criterio | Chatbot basado en reglas | Chatbot que responde a partir de documentos | Flujo de trabajo de IA | Agente de IA |
|---|---|---|---|---|
| Qué hace | sigue un guion escrito de antemano | responde a partir del material de la empresa | ejecuta una secuencia fija de pasos, con tareas lingüísticas | recibe un objetivo y elige los pasos por sí mismo |
| Qué entiende | las palabras clave y los botones para los que se ha preparado | texto libre | el texto que entra en el proceso | texto libre y los resultados de las herramientas |
| A qué tiene acceso | al guion | a la base de conocimiento | a los sistemas asignados a los pasos | a las herramientas que se le asignan |
| Previsibilidad | total | alta, si indica la fuente | alta | menor; hacen falta límites estrictos |
| Riesgo principal | rígido, muchas preguntas quedan fuera | una respuesta errónea u obsoleta | una extracción errónea en un paso | acciones equivocadas o demasiadas, errores que se acumulan |
| Control | mantenimiento del guion | indicación de la fuente, «no lo sé», traspaso a un empleado | comprobación en cada paso, aprobación | permisos, aprobación, registro, límites |
| Buena elección si | hay pocas preguntas, bien delimitadas | hay muchas preguntas y muchos documentos | los pasos del proceso pueden describirse de antemano | el número y el orden de los pasos no pueden preverse |

La frontera no es nítida: un chatbot que consulta el estado de un pedido con una única herramienta de solo lectura ya ha dado un paso hacia el agente, pero su riesgo sigue siendo bajo. La pregunta decisiva es siempre qué puede hacer el sistema, no cómo lo llamamos.

## ¿Qué encaja en cada caso?

### Atención al cliente

Para las preguntas frecuentes (envío, pago, garantía, horario de apertura), el buen punto de partida es el chatbot que responde a partir de documentos, a cualquier hora del día, con traspaso a un empleado si se atasca. Para el estado del pedido basta una consulta de solo lectura. Donde el bot también escribe, por ejemplo cuando registra una reclamación o inicia un reembolso, hace falta capacidad de agente, y aprobación antes del paso que afecta al dinero.

### Ventas

El bot recomienda productos del catálogo, prepara la solicitud de oferta, reserva citas y registra al cliente potencial en el CRM. La reserva y el registro son uso de herramientas, es decir, elementos de agente; en cambio, conviene sacar el precio, el descuento y el plazo de las competencias del bot y asignarlos a un empleado.

### Servicio de asistencia interno

Para las preguntas de recursos humanos y de informática, las normativas internas y las instrucciones de trabajo, el chatbot que responde a partir de documentos es la elección natural, y también ayuda a los nuevos compañeros a familiarizarse con el trabajo. Aquí la cuestión principal son los permisos: el bot solo puede responder a partir de los documentos que el empleado que pregunta también puede abrir. Abrir un ticket o solicitar un acceso ya puede ser tarea de un agente con un conjunto reducido de herramientas.

### Back office

El procesamiento de facturas, pedidos y correos es, por lo general, un flujo de trabajo de IA, porque los pasos se conocen de antemano: extracción, cotejo, registro y derivación de las excepciones a un empleado. Un agente está justificado donde los casos son muy variados, por ejemplo al investigar una reclamación para la que hay que reunir datos de varios sistemas. Sobre la automatización que abarca varios sistemas escribimos en la página [Automatización de procesos](https://www.mestersegesintelligenciakozpont.hu/es/servicios/automatizacion-procesos), y sobre los patrones de integración (API, webhook, llamada a funciones, MCP), en el artículo [¿Cómo conectar los sistemas de la empresa con inteligencia artificial?](https://www.mestersegesintelligenciakozpont.hu/es/base-de-conocimiento/conectar-sistemas-empresariales-con-ia).

## Los riesgos del agente y los controles

El agente es útil porque actúa, y eso mismo lo hace arriesgado. La guía de Anthropic señala como precio de la autonomía de los agentes un coste más alto y la posibilidad de que los errores se acumulen, y recomienda pruebas exhaustivas en entornos aislados (sandbox), con los límites adecuados. La lista de riesgos del OWASP GenAI Security Project nombra tres causas de la [libertad de acción excesiva](https://genai.owasp.org/llmrisk/llm062025-excessive-agency/) (Excessive Agency): las funcionalidades innecesarias, los permisos demasiado amplios y la autonomía excesiva. Por eso incorporamos estos controles:

- **Conjunto reducido de herramientas:** el agente solo recibe las herramientas que necesita para su tarea; un agente de atención al cliente no necesita borrar nada.
- **Permisos mínimos:** siempre que sea posible, solo permiso de lectura; la operación debe ejecutarse con los permisos propios del usuario, no con una cuenta de servicio que tenga acceso a todo.
- **Comprobación en el sistema de destino:** cada solicitud la comprueban también las reglas del sistema de destino, de modo que lo que está permitido no depende del criterio del modelo.
- **Aprobación humana:** antes de un paso que afecte a dinero, a un contrato, a un mensaje enviado al cliente o a un cambio irreversible, decide una persona. [OpenAI](https://developers.openai.com/api/docs/guides/tools-connectors-mcp), por ejemplo, solicita aprobación por defecto antes de compartir datos con un servidor MCP remoto.
- **Registro:** cada llamada a una herramienta, cada parámetro y cada resultado pueden rastrearse, para averiguar la causa de una operación errónea.
- **Límites:** topes de número de pasos, de frecuencia y de importe, para que un error no pueda multiplicarse.
- **El contenido externo, como datos:** el texto de un correo entrante o de un documento cargado no es una instrucción. Contra la [inyección de prompts](https://genai.owasp.org/llmrisk/llm01-prompt-injection/) (prompt injection), OWASP recomienda tratar el contenido externo por separado y marcado como no fiable.
- **Pruebas en un entorno aislado:** antes de la puesta en producción, en un sistema de pruebas, con casos reales y con entradas deliberadamente engañosas.

Estos controles no ralentizan el trabajo innecesariamente: la aprobación puede ser un solo clic y, a partir de las mediciones, puede limitarse gradualmente a donde de verdad hace falta.

## Transparencia: hay que saber que responde una IA

Según el [apartado 1 del artículo 50](https://eur-lex.europa.eu/legal-content/ES/TXT/?uri=CELEX:32024R1689) del AI Act, es decir, del Reglamento (UE) 2024/1689, los sistemas de IA destinados a interactuar directamente con personas físicas deben diseñarse de forma que las personas afectadas sean informadas de que están interactuando con un sistema de IA, salvo que resulte evidente por las circunstancias. Desde cuándo y a quién se aplica exactamente, y qué exige el RGPD en un chatbot, lo detallamos en el artículo [AI Act y RGPD en un chatbot empresarial](https://www.mestersegesintelligenciakozpont.hu/es/base-de-conocimiento/ai-act-y-rgpd-en-chatbots-empresariales); esto es información, no asesoramiento jurídico.

## Un ejemplo en vivo: nuestro asistente de IA en la página de inicio

Junto al juego de la [página de inicio](https://www.mestersegesintelligenciakozpont.hu/es/), nuestro asistente de IA conversa con el visitante: es un chatbot propio que funciona en vivo, y muestra bien por dónde pasa la frontera entre el chatbot y el agente.

- Funciona con un modelo de lenguaje Claude y recibe informes automáticos sobre los eventos del juego (pérdida de una vida, récord, subida de nivel), a los que reacciona en directo.
- Responde en los 14 idiomas del juego y siempre trata de usted, incluso si el visitante lo tutea.
- Habla de la empresa a partir de los hechos que se le han proporcionado: según sus instrucciones, no inventa referencias, precios, plazos ni garantías.
- Puede hablar, pero no actuar: no puede intervenir en el estado del juego ni otorgar puntos o vidas.

Lo esencial es el último punto: el límite de lo que puede hacer no lo marca la buena intención del modelo, sino la construcción del sistema. Encontrará información sobre nuestros propios desarrollos en la página [Nuestros trabajos](https://www.mestersegesintelligenciakozpont.hu/es/nuestros-trabajos).

## ¿Cómo empezar a pequeña escala?

1. **Un área, una lista de preguntas:** reunir lo que más se pregunta, por ejemplo, en atención al cliente.
2. **Un chatbot a partir del material propio:** con indicación de la fuente, respuesta «no lo sé» y traspaso a un empleado.
3. **Medición con preguntas reales:** antes de la puesta en producción, con un conjunto de evaluación; después, a partir del registro de las conversaciones.
4. **Primera herramienta, solo de lectura:** por ejemplo, la consulta del estado del pedido.
5. **Primera operación de escritura, con aprobación:** por ejemplo, el registro de la reclamación, que aprueba un empleado.
6. **Ampliación a partir del registro:** una herramienta nueva o un círculo de aprobación más reducido solo donde la medición lo justifique.

## Errores típicos

- **Un agente donde basta un chatbot:** más piezas móviles y más riesgo, sin ningún beneficio.
- **Todas las herramientas a la vez:** el agente puede hacer cosas que nunca necesitará.
- **Sin «no lo sé»:** el bot prefiere inventarse algo antes que derivar la pregunta.
- **Sin traspaso a una persona:** el cliente que se ha atascado no llega a un empleado.
- **Sin registro:** después no se puede averiguar por qué se produjo una operación errónea.
- **Tratar el texto externo como instrucciones:** una frase oculta en un correo puede dirigir al agente.

## Preguntas frecuentes

### ¿Qué diferencia hay entre un chatbot y un agente de IA?

El chatbot responde a preguntas; en el mejor de los casos, a partir del material propio de la empresa e indicando la fuente. El agente de IA, además, utiliza herramientas (consulta, registra, reserva, escribe correos) y elige por sí mismo los pasos para alcanzar un objetivo. Ambos pueden basarse en el mismo modelo de lenguaje; la diferencia está en lo que se les permite hacer.

### ¿Cuándo basta con un chatbot?

Cuando la tarea es informar: preguntas frecuentes, normativas internas, información de productos, conocimiento interno. También basta si, tras la respuesta, el trabajo lo hace una persona. Si el sistema tiene que modificar datos o actuar en otro sistema, entran en juego el flujo de trabajo o el agente.

### ¿Qué puede hacer un agente de IA por sí solo?

Aquello para lo que recibe herramientas y permisos, y que, por su riesgo, nos atrevemos a confiarle sin aprobación: por lo general, consultas, registros internos, preparación de borradores y reserva de citas. Antes de los pasos que afectan a dinero, a contratos o a mensajes enviados al cliente, así como de los pasos irreversibles, conviene pedir aprobación humana.

### ¿Cómo se puede evitar que el agente cometa errores?

No se pueden excluir del todo, pero el daño se puede limitar: con un conjunto reducido de herramientas, permisos mínimos, solicitudes comprobadas también en el sistema de destino, aprobación antes de los pasos de gran impacto, límites de pasos y de importe, un registro completo y pruebas en un entorno aislado antes de la puesta en producción. Los textos entrantes los tratamos como datos, no como instrucciones.

### ¿Tenemos que indicar que responde una IA?

Por lo general, sí: según el apartado 1 del artículo 50 del AI Act, las personas afectadas deben saber que están interactuando con un sistema de IA, salvo que sea evidente. El chatbot que desarrollamos ya lo indica en su primer mensaje. Los detalles se describen en el artículo [AI Act y RGPD en un chatbot empresarial](https://www.mestersegesintelligenciakozpont.hu/es/base-de-conocimiento/ai-act-y-rgpd-en-chatbots-empresariales); esto es información, no asesoramiento jurídico.

## ¿Cómo podemos ayudarle?

Mesterséges Intelligencia Központ Kft. desarrolla tanto chatbots como agentes de IA: bots que responden a partir de los documentos propios de la empresa y agentes conectados a los sistemas de la empresa que ejecutan pasos, basados en los modelos de lenguaje de OpenAI (ChatGPT), Anthropic (Claude) y Google (Gemini). La primera consulta es gratuita; medimos el tamaño del desarrollo en puntos de función COSMIC, y a partir de él se elaboran la oferta y el calendario. Si lo solicita, firmamos un acuerdo de confidencialidad (NDA) y, tras la entrega, también nos encargamos de la operación y el mantenimiento. El código fuente y los derechos de uso se rigen por el contrato.

Encontrará más detalles en la página de servicio [Chatbots y agentes de IA](https://www.mestersegesintelligenciakozpont.hu/es/servicios/chatbots-agentes-ia), y sobre la conexión de los modelos de lenguaje, en la página [Integración de IA](https://www.mestersegesintelligenciakozpont.hu/es/servicios/integracion-ia). Si está planeando un chatbot o un agente, escríbanos a través de los datos de contacto que figuran en la página [Contacto](https://www.mestersegesintelligenciakozpont.hu/es/contacto).

## Fuentes

- [Anthropic: Building effective agents](https://www.anthropic.com/engineering/building-effective-agents)
- [OpenAI: Agents](https://developers.openai.com/api/docs/guides/agents)
- [Anthropic: Tool use with Claude](https://platform.claude.com/docs/en/agents-and-tools/tool-use/overview)
- [Google Gemini API: Function calling](https://ai.google.dev/gemini-api/docs/function-calling)
- [OpenAI: MCP servers](https://developers.openai.com/api/docs/guides/tools-connectors-mcp)
- [OWASP GenAI Security Project: LLM06:2025 Excessive Agency](https://genai.owasp.org/llmrisk/llm062025-excessive-agency/)
- [OWASP GenAI Security Project: LLM01:2025 Prompt Injection](https://genai.owasp.org/llmrisk/llm01-prompt-injection/)
- [EUR-Lex: Reglamento (UE) 2024/1689 (Reglamento de Inteligencia Artificial, AI Act)](https://eur-lex.europa.eu/legal-content/ES/TXT/?uri=CELEX:32024R1689)