La primera tentación de quien decide crear un agente de IA en la empresa es empezar por el modelo. Cuál elegir: ChatGPT, Claude, Gemini, Llama? Es lo último que importa. Lo primero es el proceso. Lo segundo es el dato. Lo tercero es la integración. El modelo es una decisión de la quinta semana, y quien invierte ese orden quema dinero en las cuatro primeras.
Este texto es para quien está empezando ahora. No es una guía técnica. Es lo que nadie cuenta a la hora de la decisión inicial, y que marca la diferencia entre un proyecto que despega y un proyecto que se convierte en otra diapositiva guardada. Si eres dueño, director o líder operativo pensando en dar el primer paso, léelo antes de firmar cualquier propuesta.
1. El mito número 1: "necesito entrenar una IA"
Casi nadie lo necesita. Entrenar un modelo de IA (desde cero, o un ajuste profundo de un modelo existente) cuesta millones y exige un equipo especializado. Para el 95% de las empresas, el camino es usar un modelo ya entrenado (de OpenAI, Anthropic, Google o uno open-source bueno) y ajustar su comportamiento por instrucción y por dato de contexto. Funciona mejor, cuesta menos, tarda mucho menos.
Cuando "entrenas" en el sentido casero, por lo general estás haciendo una de dos cosas: dándole al agente acceso a tus documentos (eso es RAG, búsqueda en base de conocimiento) o enseñándole reglas de negocio vía prompt detallado. Ninguna de las dos es entrenamiento real. Las dos resuelven el problema. Confundir los términos sale caro en la negociación con el proveedor.
(Para entender por dentro cómo funciona esto, mira cómo funciona un agente de IA por debajo del capó.)
2. El mito número 2: "tiene que quedar perfecto antes de mostrarlo al cliente"
Quien espera a que "quede bien" para ponerlo en producción nunca lo pone en producción. El agente queda bien usándose, no preparándose. La regla real es distinta: define el piso aceptable ("el agente nunca puede inventar dato de cliente, nunca puede dar descuento sin autorización, siempre escala el caso X") y libéralo en volumen pequeño en cuanto el piso esté garantizado.
Volumen pequeño significa del 5% al 15% del total real, con un humano de retaguardia leyendo cada conversación en los primeros días. Aprendes en 2 semanas lo que llevaría 6 meses simulando. Y aprendes en condición de verdad, con cliente real, con palabrota, con cambio de tema, con el caso que nadie previó.
El riesgo de esperar la perfección es entregar tarde, mal y caro. El riesgo de liberar temprano (con piso y muestra controlada) es escuchar una queja puntual y corregir. El primero mata el proyecto. El segundo es el camino.
3. El mito número 3: "el agente va a sustituir al equipo"
No lo hará. Quien entra con esa expectativa se rompe dos veces: gasta caro tratando de obligar al agente a hacer lo que el humano hace mejor, y pierde al buen equipo por el miedo.
Un agente bien hecho hace el trabajo repetitivo, estandarizado, de alto volumen y baja variación. Un buen humano hace el trabajo no obvio, con matiz, con decisión difícil, con empatía en momentos de tensión. La empresa que pone a los dos a trabajar en capas (el agente filtra y resuelve lo fácil, el humano toma el resto) tiene una ganancia real. La empresa que intenta sustituir al humano por el agente en todas partes entrega peor atención y pierde gente útil de paso.
La pregunta correcta no es "cuánta gente recorto?". Es "qué parte del trabajo humano se convierte en margen si se la quito de las manos?". Esa diferencia es lo que separa la eficiencia del despido.
4. El comienzo correcto: un proceso, un canal, un objetivo
Quien está creando un agente de IA desde cero debería elegir, en el primer proyecto, exactamente estas tres cosas: un proceso (no dos, no cinco), un canal (WhatsApp O correo O chat del sitio), un objetivo de número (reducir el TMA (tiempo medio de atención) de X a Y, aumentar la conversión de A a B).
El foco artificial parece restrictivo. No lo es. Es lo que hace que el primer proyecto llegue al final. La empresa que empieza con un alcance gordo pierde tiempo, gasta dinero, y nunca tiene el caso de éxito interno que destraba los siguientes proyectos. La empresa que empieza pequeña, cierra bien, gana credibilidad, y expande en el segundo ciclo con 3x más facilidad.
Caso típico de buen primer proyecto: un agente que responde sobre el estado de un pedido vía WhatsApp, integrado con el sistema de pedidos, con la meta de resolver el 60% de los mensajes sin humano y bajar el TMA de 18 min a 3 min. Es pequeño, es claro, es medible. Es el caso que destraba todo lo demás.
5. Los primeros 30 días: lo que tiene que salir a la calle
Para quien está empezando, los primeros 30 días tienen tres entregas (no cinco).
Semana 1: elección del proceso, elección del canal, elección del indicador, y línea base medida (cuál es el número hoy, antes del agente). Sin línea base, cualquier meta es una corazonada.
Semanas 2 y 3: mapeo del proceso actual con el equipo, levantamiento de las reglas tácitas, lista de los sistemas que el agente va a necesitar consultar. Aquí es trabajo de campo, no de tecnología. Quien se lo salta paga después.
Semana 4: prototipo bruto que conversa con mensajes reales (anonimizados) y muestra hasta dónde acierta solo. No necesita estar bonito. Necesita mostrar números: "en 50 conversaciones de prueba, acertó en 32, falló en 11, escaló a un humano en 7". Es la base para decidir si sigue o pivota.
La empresa que entrega esos tres hitos en 30 días está en el ritmo correcto. La empresa que todavía está discutiendo "qué proveedor de IA elegir" al final del mes 1 va a gastar 6 meses para entregar lo que cabía en 3.
6. Señal de que estás en el camino correcto (y las 4 alertas)
Vas bien si, cada quincena, el equipo interno responsable del agente logra responder tres cosas con claridad: qué cambió, qué mejoró (con número), qué sigue estando mal. Si no lo logra, está operando a ciegas.
Cuatro alertas que aparecen temprano y necesitan acción inmediata.
Alerta 1: ningún dato real entró en el proyecto hasta la semana 4. Se está construyendo en el vacío. Para, trae dato, ajusta.
Alerta 2: nadie de la casa sabe explicar qué hace el agente. Se está haciendo "por la consultoría" sin absorción. Va a volverse una caja negra.
Alerta 3: el alcance creció de uno a tres procesos antes de que el primero entregara. Se está inflando. Retrocede.
Alerta 4: el proveedor no logra mostrarte una muestra de conversaciones con error del agente. Está escondiendo lo que no funciona. Señal roja gruesa. (Para entender por qué esto es tan crítico, lee por qué un agente de IA vuela en la demo y muere en producción.)
Quien ignora esas alertas y sigue adelante "para cumplir el plazo" entrega un proyecto que hay que rehacer 6 meses después. Pausar una semana para atenderlo cuesta mucho menos.
Preguntas frecuentes sobre cómo crear un agente de IA desde cero
Es posible crear un agente de IA sin ser programador?
Para una prueba de concepto simple, sí. Plataformas como OpenAI Assistants, Anthropic Projects, Google Vertex y varias soluciones no-code permiten montar agentes básicos sin código. Para un agente que se conecta con tus sistemas internos, hace acciones en un ERP/CRM y corre en producción real, es necesario un equipo técnico (interno o contratado).
Cuánto cuesta crear un agente de IA desde cero?
Prototipo simple sin integración: R$ 5 mil a R$ 15 mil. Agente conectado a 1 sistema: R$ 30 mil a R$ 80 mil. Agente conectado a 3+ sistemas y acción real (crear pedido, generar boleto, abrir ticket): R$ 80 mil a R$ 250 mil. Más el costo de operación mensual del modelo e infraestructura, por lo general entre R$ 2 mil y R$ 20 mil.
Cuál es la primera cosa que hacer antes de crear un agente de IA?
Elegir el problema, no el proveedor. Define un único proceso de la operación que tenga alto volumen, repetición clara e indicador medible. Ese es el punto de partida. Sin esa elección bien hecha, cualquier proyecto queda vago y se vuelve un gasto sin retorno.
Cuánto tiempo lleva ver el primer resultado de un agente de IA?
Prototipo conversando con dato real: 4 semanas. Piloto con cliente real en volumen controlado: 8 a 10 semanas. Resultado medible y estable (indicadores en verde por 4 semanas seguidas): semanas 14 a 18. Las promesas de resultado en menos de 30 días son marketing, no ejecución.
Puedo crear un agente de IA usando herramientas gratis?
Para prueba y prototipo personal, sí. ChatGPT gratis, Claude gratis y Gemini gratis sirven para experimentar. Para un agente empresarial en producción, no. El plan gratis no ofrece SLA, garantía de privacidad contractual, límites de uso compatibles con volumen real o soporte. Una empresa seria entra con plan pago desde el piloto.
