Desarrollo de agentes de IA a la medida: de la idea a producción sin quedarte en el piloto
Desarrollo de agentes de IA a la medida paso a paso: elige el proceso, diseña reglas y aprobaciones, conecta tus sistemas y llega a producción con control.
El problemaTienes una idea clara de qué debería hacer un agente en tu empresa, pero no sabes cómo pasar de la demo a algo en lo que tu equipo confíe todos los días.
Es jueves por la tarde y la directora de operaciones de una distribuidora acaba de ver una demo impresionante: un agente que lee un pedido por correo, lo entiende y responde al cliente en segundos. Pregunta lo obvio: "¿Cuándo lo tenemos funcionando con nuestros pedidos?". Nadie en la sala sabe responder. La demo no conocía su catálogo, ni sus listas de precios por cliente, ni la regla de que los pedidos urgentes los aprueba el jefe de almacén. El desarrollo de agentes de IA a la medida empieza justo ahí: en la distancia entre lo que un modelo puede hacer en una demo y lo que tu empresa necesita que haga todos los días.
Esa distancia no se cierra con un modelo más potente. Se cierra con diseño, conexiones, reglas y control.
Por qué tantos agentes se quedan en la demo
Una encuesta de marzo de 2026 a 650 líderes tecnológicos encontró que 78% tiene al menos un piloto de agentes, pero solo 14% lo ha escalado a toda la organización. El problema rara vez es el modelo. Suele ser alguno de estos:
- El agente no conoce el negocio. Responde con lo que sabe en general, no con tus precios, tus clientes ni tus políticas.
- Nadie definió los límites. No está claro qué puede decidir solo y qué necesita la firma de una persona.
- No está conectado. Lee y escribe en un documento de prueba, no en tu CRM, tu ERP o tu calendario.
- No hay forma de saber si lo hace bien. Sin registro ni evaluaciones, la única señal es la queja de un cliente.
Lo desarrollamos con más detalle en por qué tu piloto de IA nunca llegó a producción. Aquí nos enfocamos en lo contrario: cómo se construye uno que sí llega.
Qué significa desarrollo de agentes de IA a la medida
Un agente es un programa que usa un modelo de IA para avanzar pasos de un proceso: leer, decidir, consultar sistemas, redactar y actuar. En 2026 se popularizó la fórmula "Agente = Modelo + Harness": el modelo aporta el razonamiento y el harness, la estructura que lo rodea, aporta todo lo demás. Ese "todo lo demás" es lo que hace que un agente sea a la medida:
- Memoria del negocio. El agente consulta la información aprobada de tu empresa: catálogo, políticas, fichas de clientes, historial.
- Herramientas y conexiones. Puede leer y escribir en tus sistemas, con permisos mínimos para cada acción.
- Reglas y aprobaciones por rol. Sabe qué puede hacer solo y qué debe esperar la firma de un gerente, un abogado o un director.
- Trazabilidad. Cada decisión queda registrada: qué vio, qué hizo y por qué.
- Evaluaciones. Un conjunto de casos reales que permite medir si el agente hace bien su trabajo antes y después de cada cambio.
- Control de costos. Topes de gasto y el modelo adecuado para cada tarea, en lugar del más caro para todo.
De la idea a producción: las cinco etapas
1. Diagnóstico del proceso
Antes de escribir una línea de código, hay que entender el proceso tal como funciona hoy, no como está en el manual. Quién lo hace, con qué datos, qué decisiones toma, dónde se atora y cuánto cuesta. El resultado es un mapa con los puntos donde un agente aporta más. Si quieres hacer este ejercicio por tu cuenta, sigue el diagnóstico de procesos que define tu primer agente.
2. Diseño del agente
Aquí se decide el contrato del agente: qué recibe, qué entrega, qué puede hacer, qué tiene prohibido y en qué momentos pide aprobación. También se define qué es un buen resultado, con ejemplos concretos tomados del trabajo real de tu equipo.
3. Construcción y conexión
El agente se construye sobre un harness probado y se conecta a tus sistemas y a la memoria del negocio. Se arma el conjunto de evaluaciones con casos reales, incluidos los difíciles: el cliente molesto, el pedido incompleto, el documento mal escaneado.
4. Producción acotada
El agente sale primero con un grupo pequeño de usuarios o un subconjunto de casos. Las aprobaciones humanas están activas, cada paso queda trazado y hay un tope de gasto. El objetivo de esta etapa no es demostrar que el agente es perfecto, sino detectar rápido dónde falla y corregirlo. Las evals para agentes en producción son la herramienta principal aquí.
5. Evolución
Con datos reales, se ajustan reglas, se relajan aprobaciones donde el agente ya demostró ser confiable y se suman nuevos agentes que reutilizan la misma memoria. El segundo agente cuesta menos esfuerzo que el primero porque la base ya existe.
Ejemplo ilustrativo: el agente de pedidos
Ejemplo ilustrativo. Volvamos a la distribuidora. Antes, tres personas recibían pedidos por correo y WhatsApp, los capturaban a mano en el ERP, revisaban precios por cliente y confirmaban disponibilidad con el almacén. Los pedidos urgentes se perdían entre el resto.
Después del diagnóstico, se decide que el agente haga cuatro cosas: leer el pedido sin importar el canal, identificar al cliente y su lista de precios, verificar inventario y dejar el pedido capturado como borrador. Si el pedido es urgente o supera el crédito del cliente, el agente lo marca y espera la aprobación del jefe de almacén o de crédito. Si algo no le queda claro, pregunta al cliente o pasa el caso a una persona.
El equipo deja de capturar y pasa a revisar. Cada pedido tiene su rastro: qué leyó el agente, qué decidió y quién aprobó.
| Antes | Después |
|---|---|
| Captura manual de cada pedido | El agente captura, la persona revisa |
| Precios revisados de memoria | Lista de precios del cliente desde la memoria del negocio |
| Urgentes mezclados con el resto | Urgentes marcados y enviados a aprobación |
| Sin registro de decisiones | Rastro completo por pedido |
Errores comunes al encargar un agente
- Empezar por el proceso más vistoso en lugar del más repetitivo y con datos disponibles.
- Pedir un agente que lo haga todo. Un agente por proceso, con un contrato claro, funciona mejor que uno general.
- Saltarse las aprobaciones para que la demo se vea más autónoma.
- No nombrar un dueño del proceso del lado del negocio.
- Medir solo la velocidad. Un agente rápido que se equivoca cuesta más que el proceso manual.
- Quedar atado a un solo modelo. El harness debe permitir cambiar de modelo sin rehacer el agente.
Qué hacer el lunes
Elige un proceso que tu equipo repita todos los días, que tenga datos disponibles y cuyo costo puedas estimar. Escribe en una hoja qué decisiones se toman en ese proceso y quién las aprueba hoy. Ese documento es el punto de partida de cualquier agente a la medida.
En Addabra hacemos desarrollo de agentes de IA a la medida sobre nuestro propio harness: un agente por proceso, conectado a la memoria de tu negocio, con aprobación humana por rol, trazabilidad y control de costos. Empezamos por el diagnóstico y no lanzamos nada que no podamos medir.
Preguntas frecuentes
¿Qué es el desarrollo de agentes de IA a la medida?
Es diseñar y construir un agente para un proceso concreto de tu empresa, con tus datos, tus sistemas y tus reglas. A diferencia de una herramienta genérica, el agente sabe qué puede hacer, qué no y cuándo debe pedir la aprobación de una persona.
¿Cuánto tarda llegar a producción con un agente a la medida?
Depende del proceso, de cuántos sistemas hay que conectar y de qué tan ordenados están los datos. Lo recomendable es lanzar primero una versión acotada con un grupo pequeño de usuarios y ampliar a medida que las evaluaciones muestran que funciona.
¿Necesito un equipo técnico interno para tener un agente a la medida?
No para construirlo, pero sí necesitas un dueño del proceso que conozca las reglas del negocio y apruebe decisiones de diseño. Esa persona es la que define qué es un buen resultado y revisa el trabajo del agente en las primeras semanas.
