Casi 7 de cada 10 proyectos de IA dentro de empresas brasileñas se estancan, se vuelven un chiste interno o simplemente nunca salen del PowerPoint. No es por culpa del modelo, del proveedor de nube o del tamaño del presupuesto. Es por el orden en que se hicieron las cosas. Construir un agente de IA tiene una secuencia. Quien se salta una etapa, lo paga después.
Este texto describe las siete fases reales de quien ya puso un agente de IA en producción, con clientes reales conversando todos los días. No es una guía teórica. Es lo que quedó después de separar lo que funciona de lo que solo generó reuniones. Sirve para el dueño de la empresa, el director de operaciones, el gerente de producto o el líder de tecnología que está a punto de aprobar (o ya aprobó) un presupuesto y quiere entender si va a salir mal antes de que salga mal.
1. Antes de la fase 1: el "para qué" tiene que estar grabado a fuego
Toda primera reunión de proyecto empieza con la pregunta equivocada: "¿qué modelo vamos a usar?". La pregunta correcta es: "¿qué decisión de negocio cambia cuando este agente esté funcionando?". Si respondes "vamos a atender más rápido", la respuesta es débil. ¿Más rápido en qué, para qué tipo de cliente, con qué ganancia de margen o de NPS?
Un agente sin objetivo claro no se puede medir. Y lo que no se mide se vuelve opinión. Y la opinión no financia el segundo trimestre de un proyecto. Antes de cualquier línea de código, fija el objetivo: "reducir el tiempo medio de primera respuesta en atención al cliente de 18 min a 2 min, sin que el NPS caiga por debajo de 70". Ese es el tipo de objetivo que sostiene un proyecto.
2. Fase 1: mapear el proceso que se convertirá en agente
Antes de la IA, el proceso. No puedes automatizar lo que no sabes describir. Siéntate con el equipo que hace la tarea hoy (agente de atención, vendedor, analista) y pídele que dibuje, paso a paso, lo que hace cuando recibe una demanda. No la versión idealizada. La versión real, con parches, planilla aparte, llamada al compañero y todo lo demás.
Va a asustar: el proceso es más caótico de lo que sugiere el organigrama. Está bien. Ahí es donde están las decisiones importantes (cuándo el agente escala al supervisor, qué excepción acepta, cuándo rechaza). Sin eso mapeado, el agente va a parecer entrenado en otro planeta.
Tiempo realista: 1 a 2 semanas. Quien se salta esta etapa para "ganar tiempo" pierde 3 meses después corrigiendo respuestas absurdas que el agente está dando.
3. Fase 2: el prototipo de 4 semanas que no engaña a nadie
El primer prototipo sirve para responder una sola pregunta: "¿esto es viable técnicamente con los datos que tenemos hoy?". No es para impresionar a la dirección. No tiene que estar bonito. Tiene que conversar con una muestra real del proceso y mostrar tres cosas: hasta dónde acierta solo, dónde falla y cuánto cuesta por interacción.
Aquí vive la primera trampa. Hay proveedores que entregan un prototipo hermoso con datos de juguete, flujo idealizado, tres frases de un cliente ficticio. Aplausos en la sala de reunión. Cuando pones conversación real, con errores de ortografía, cambio de tema, cliente molesto, el prototipo se deshace. Exige datos reales ya en el prototipo, aunque estén anonimizados. Si el proveedor se resiste, es una señal de alerta.
(Lee también por qué los agentes de IA vuelan en la demo y mueren en producción para entender los cinco engranajes que deciden esa transición.)
4. Fase 3: integración con los sistemas reales
Aquí mucha gente se traba. Un agente que solo conversa es un asistente de chat. Un agente que hace, necesita hablar con el ERP, el CRM, la pasarela de pago, la base de conocimiento, el sistema de pedidos, la planilla de finanzas. Cada integración es trabajo real, con SLA, latencia, autenticación, regla de reintento.
Esta fase suele llevar de 3 a 6 semanas, dependiendo de cuántos sistemas necesitan conversar con el agente. La señal de que va bien: el equipo puede listar, con nombre, cada sistema que el agente accede, qué acción hace en cada uno y qué pasa si ese sistema se cae. La señal de que va mal: "después integramos con el ERP". No, intégralo ahora. El resto es maquillaje.
5. Fase 4: gobernanza antes de la escala
Antes de abrir a clientes reales en volumen, tres cosas tienen que estar en su lugar. Botón de apagado: quién (y cómo) saca el agente del aire en segundos si empieza a fallar de forma sistemática. Sin eso, un susto se vuelve crisis. Panel de auditoría: toda conversación, toda acción tomada, toda integración disparada queda registrada con hora, usuario y resultado. Cuando el cliente reclame, tienes la respuesta. Regla de escalamiento: en qué situaciones el agente pasa a un humano, y cómo el humano recibe el contexto. Sin esa regla, el cliente queda atrapado en un bucle, y el reclamo se vuelve viral.
La empresa que se salta la gobernanza y va directo a la escala suele dar marcha atrás en 6 meses, en modo apagar incendios, con el costo duplicado.
6. Fases 5, 6 y 7: rollout controlado, medición y mejora continua
Rollout (fase 5): liberación gradual. Empieza con el 5% del volumen real. Acompaña por 2 semanas. Si acierta, sube al 20%. Si acierta, al 50%. Solo va al 100% cuando tiene de 4 a 6 semanas de números estables. Quien libera el 100% el primer día para mostrar coraje está apostando el nombre del proyecto.
Medición (fase 6): tres indicadores como mínimo. Tasa de resolución sin humano. Tiempo medio de respuesta. NPS o satisfacción del cliente. Sin esos tres, cualquier afirmación sobre el agente es un deseo, no un hecho. Panel actualizado todos los días, revisado toda semana, decidido todos los meses.
Mejora continua (fase 7): un agente no es un proyecto, es un producto. Toda semana aparece un cliente haciendo una pregunta que el agente no esperaba. Todos los meses aparece una integración nueva. Cada trimestre el modelo de IA por debajo mejora. El equipo tiene que estar comprometido con esto, o el agente decae en el tercer mes y nadie sabe por qué.
7. Lo que normalmente se rompe (y cómo evitarlo)
Tres patrones aparecen en el 80% de los proyectos que se estancan.
Patrón 1: el alcance se infla a mitad de camino. Empezó para atender al cliente, se volvió un agente que también hace cobranza, califica leads y responde a RR. HH. Resultado: nada queda bien. Trata cada nuevo alcance como un nuevo proyecto, con decisión consciente y nuevo presupuesto.
Patrón 2: dependencia de un único proveedor que desapareció. El modelo de IA cambia de precio (ya cambió tres veces este año). La API rompe el contrato. Una empresa demasiado buena es comprada y desaparece el soporte. Quien ata un proyecto a un proveedor sin ruta de escape descubre el costo escondido en el momento equivocado.
Patrón 3: ausencia de dueño interno. Cuando el proyecto es "de la consultoría", nadie de la empresa absorbe el conocimiento. Cuando la consultoría se va, el agente se vuelve una caja negra. Garantiza que al menos una persona de la casa entienda el agente por dentro y tenga autoridad para decidir su futuro.
Preguntas frecuentes sobre cómo construir un agente de IA
¿Cuánto tiempo lleva construir un agente de IA desde cero?
Para un agente que cubre un proceso (atención, calificación de leads, soporte interno), el camino realista es de 12 a 16 semanas hasta producción controlada. Los agentes más simples quedan en 8 semanas. Los agentes muy integrados (5+ sistemas) o en un sector regulado pueden llegar a 6 meses.
¿Cuál es el tamaño mínimo de equipo para construir un agente de IA serio?
Equipo reducido y funcional: 1 persona de producto (que entiende el proceso), 1 ingeniero de IA, 1 ingeniero de integración y 1 punto focal interno del cliente. Total: 4. Los equipos más grandes funcionan para proyectos con muchas integraciones o múltiples canales simultáneos.
¿Vale la pena construir un agente de IA internamente o contratar a un socio?
Depende de dos cosas: si tienes un equipo técnico sénior en IA en la casa, y si la IA será un diferencial estratégico o una herramienta de eficiencia. Si es un diferencial y tienes el equipo, hazlo en casa. Si es una herramienta, contrata a un especialista para acelerar el ciclo de aprendizaje.
¿Cuál es la mayor causa de fracaso en la construcción de un agente de IA?
Alcance mal definido en el arranque. La empresa que empieza el proyecto sin saber en qué decisión de negocio va a influir el agente (tiempo de respuesta, tasa de conversión, costo por atención, NPS) raramente termina el proyecto.
¿Necesito un modelo de IA propietario o puedo usar OpenAI, Anthropic y Google?
Para la mayoría de las empresas, los modelos comerciales (OpenAI, Anthropic, Google) o de código abierto bien implementados resuelven. Un modelo propietario solo tiene sentido en un volumen muy alto, con datos muy sensibles o con diferenciación técnica como producto. Enfoca la construcción en el proceso y en la integración, no en el modelo.
