Todo agente de IA vuela en la demo. La pregunta que importa es si aguanta el tercer mes de producción, con diez mil atenciones por semana, siete sistemas conectados, y un cliente irritado cambiando de tema en medio de la conversación. La mayoría no aguanta. Y la culpa casi nunca es del modelo de IA que está detrás. Es del motor que corre a su alrededor.
Este texto explica, en lenguaje de negocio, las cinco piezas que deciden si tu agente se va a convertir en una operación de verdad o en un chiste interno para el final del trimestre. Si quien te está vendiendo el agente no logra responderte sobre estas cinco, estás pagando por una demo bien hecha, no por una operación que aguante clientes reales.
1. El abismo entre la demo y la producción
En la demo, la conversación tiene tres mensajes. El cliente pregunta algo simple, el agente responde, todos aplauden. Todo idealizado, un solo sistema, sin cambios de tema, sin cliente nervioso, sin integración cayéndose en medio.
En producción, la conversación tiene cuarenta mensajes. El cliente empieza pidiendo un duplicado de la factura, a mitad de camino reclama por un cobro de hace dos meses, después quiere cambiar de plan, después vuelve a la factura. Hay que consultar cinco sistemas, dos de ellos van lentos hoy, y uno se va a caer en algún momento. Es aquí donde el agente se rompe. No porque la IA sea tonta. Porque lo que está a su alrededor no fue hecho para aguantar esto.
Las cinco piezas de abajo son lo que separa una cosa de la otra. No es un detalle técnico, es una decisión de negocio: si el agente va a escalar o va a convertirse en tu problema en la reunión de directorio.
2. Cómo el agente decide qué hacer con cada mensaje que llega
Cuando el cliente manda un mensaje, el agente no simplemente responde. Entra en un ciclo invisible: piensa sobre lo que se pidió, decide si necesita consultar algún sistema (CRM, inventario, estado del pedido), hace la consulta, recibe la respuesta, piensa de nuevo si ya tiene lo suficiente, decide si necesita una consulta más, y solo entonces habla con el cliente.
Piensa en un mesero: anota el pedido, va a la cocina a confirmar si hay el plato, vuelve para preguntar si quiere la salsa aparte, va a la barra a pedir la bebida, vuelve con la carta de postres. Solo entonces el cliente recibe la comida completa. Si el mesero se olvidara de algún paso, el plato llegaría mal o a medias.
Por qué esto importa para tu negocio: un agente que sale del ciclo demasiado temprano entrega una respuesta incompleta al cliente (\"voy a verificar y te aviso\" se volvió un meme en la atención de IA mala). Un agente que entra en un ciclo sin fin quema dinero consultando los mismos sistemas diez veces para la misma respuesta. El motor necesita saber el momento justo de dejar de pensar y hablar con el cliente, y eso es una decisión de ingeniería, no del modelo.
3. Por qué la conversación se vuelve lenta y cara a medida que el cliente habla más
Cada vez que el cliente manda un mensaje nuevo, el agente necesita releer todo lo que ya se dijo en la conversación para responder con contexto. En el mensaje uno, relee dos líneas. En el mensaje treinta, relee doscientas. El costo escala junto, y la latencia también. La atención que costaba dos centavos al inicio de la conversación puede costar cuarenta centavos cuando el cliente está en el trigésimo intercambio.
Es como tener un contador que, cada vez que lo llamas para preguntar algo de noviembre, abre el archivo desde enero y relee todo antes de responder. Funciona. Se rompe cuando lo llamas cada semana y el año está por terminar.
Una operación seria resuelve esto de tres formas: resumiendo la parte vieja de la conversación en pocas líneas (sin perder lo esencial), guardando datos del cliente en memoria externa (y no en la conversación), y recortando información que claramente ya no importa. Quien promete un agente \"con memoria infinita\" sin explicar cómo lo cobra, no va a entregar margen ni velocidad en la atención. Va a entregar una cuenta que crece todos los meses sin que entiendas por qué.
4. Varias acciones al mismo tiempo, sin atropellarse
Para responder una pregunta de \"cuál es el estado de mi pedido y cuándo llega\", el agente necesita consultar al menos el CRM, el sistema de pedidos y el transportista. Si lo hace de a uno por vez, tarda tres segundos. Si hace los tres al mismo tiempo, tarda uno. Esa diferencia, multiplicada por diez mil conversaciones, se vuelve un cuello de botella real o un respiro real.
El riesgo: no toda acción puede correr en paralelo. Algunas dependen del resultado de otra (no puedes cancelar un pedido antes de confirmar que existe). Y dos acciones sobre el mismo registro al mismo tiempo pueden atropellarse, dejando datos inconsistentes (el cliente recibe dos correos de confirmación porque dos partes del agente pensaron que necesitaban enviarlo).
Piensa en una cocina sirviendo una mesa con cinco platos. El chef prepara todo en paralelo, sí, pero no puede servir el postre antes del plato principal, y no puede usar la misma sartén para pescado y dulce al mismo tiempo. Un motor bien hecho sabe exactamente qué puede correr junto y qué tiene que esperar. Un motor mal hecho o hace todo en fila (lento y caro) o hace todo junto (rápido y equivocado).
5. Cuando una integración externa se cae en medio de la atención
El cien por ciento de los sistemas fallan en algún momento. Bling se va a caer algún día, el gateway de pago va a dar timeout, el CRM va a tener mantenimiento de emergencia, la API del correo va a responder en cuarenta segundos. No es si pasa, es cuándo.
Un agente mal hecho hace una de tres cosas cuando esto pasa, todas malas: se traba y no responde nada (el cliente queda en el vacío), responde con información inventada (\"tu pedido llega el jueves\", sin haber consultado nada), o ignora la falla en silencio (te enteras después por el servicio de atención).
Un agente que aguanta producción hace tres cosas, en este orden: detecta que la integración falló (no confunde una respuesta vacía con un éxito), reintenta con criterio (una, dos veces, con una pausa corta, sin inundar el sistema que ya está con problemas), y si persiste, le habla al cliente honestamente: \"nuestro sistema de inventario está fuera de servicio ahora, te confirmo el plazo en quince minutos por WhatsApp\". Y lo más importante: registra el error con suficiente contexto para que nadie de tu equipo se despierte en la madrugada cazando qué pasó.
6. El agente que no puedes auditar es una bomba de tiempo
Aquí está la parte que nadie quiere oír, pero es la más cara cuando se ignora: un agente de IA va a equivocarse. Va a sugerir un descuento equivocado, va a hablar con el cliente equivocado, va a prometer un plazo imposible, va a aceptar un reclamo que no procede. No existe el \"agente que nunca se equivoca\", existe el \"agente que se equivoca menos y nosotros sabemos cuándo se equivocó\".
La pregunta real no es \"cómo evito que se equivoque el cien por ciento de las veces\" (no se puede). Es: \"cuando se equivoque, ¿puedo encontrar dónde fue, en cuántos minutos?\". Eso depende de que el motor registre, para cada conversación, todo lo que pasó: el mensaje del cliente, el razonamiento del agente, cada consulta hecha en cada sistema, cada respuesta recibida, cuánto tiempo tomó cada paso, cuánto costó cada turno, y qué versión del agente estaba en el aire en ese momento.
Un avión no tiene caja negra porque se vaya a caer. Tiene caja negra porque cuando se cae, alguien necesita entender por qué en horas, no en semanas. Un agente sin este tipo de historial auditable es como contratar a un vendedor que no anota ninguna conversación: solo te enteras de que prometió algo equivocado cuando el cliente reclama, y no hay forma de probarlo ni de corregirlo.
7. Qué preguntar antes de firmar contrato con cualquier agente
Olvídate de \"qué modelo de IA usan\". Esa parte es un commodity hoy, todos usan algo parecido. Haz estas cinco preguntas, y observa si la respuesta es concreta o es una vuelta:
- Muéstrame una conversación real de producción con treinta mensajes. Si solo tienen un screenshot de una demo corta, es una demo corta.
- ¿Cuánto costó esa conversación de principio a fin? Si no saben decirlo en centavos, no controlan el costo.
- ¿Qué pasa cuando el cliente cambia de tema en el medio? Si responden \"la IA entiende\", están vendiendo magia.
- Muéstrame un caso real en que una integración se cayó y cómo lo trataron. Si nunca pasó, es porque nunca corrió de verdad.
- Muéstrame el panel donde puedo ver lo que el agente hizo ayer. Si solo tienen un reporte semanal por planilla, no hay forma de auditar nada.
Si viene una respuesta concreta en las cinco, tal vez aguante producción. Si dan vueltas en alguna, olvídalo. No importa qué tan linda sea la interfaz ni qué tan fluida sea la demo, en tres meses va a dar problemas, y vas a estar pagando la cuenta sin entender por qué.
Por qué esto es una decisión de negocio, no de TI
Un agente de IA no es magia y no es solo \"conectar ChatGPT al WhatsApp\". La parte del modelo (ChatGPT, Claude, Gemini) es hoy la parte más barata y más resuelta del problema. Lo que diferencia una operación de una demo es todo lo que viene alrededor: cómo decide qué hacer, cómo aguanta una conversación larga, cómo consulta varios sistemas sin atropellarse, cómo lidia con la falla, y cómo fiscalizas todo eso.
Ese \"alrededor\" tiene un nombre técnico aburrido en inglés, pero la traducción para tu negocio cabe en una frase: ¿aguanta el tercer mes, o no? Si no logras tener esta conversación concreta con quien vende el agente, estás comprando una demo cara. Si lo logras, y la respuesta convence, estás contratando una operación.