La conversación sobre automatización cambió rápido. Hasta hace poco, automatizar un proceso administrativo significaba casi siempre RPA: robots de software que repiten, paso a paso, lo que haría una persona frente a la pantalla. Hoy aparecen los agentes de IA, sistemas basados en modelos de lenguaje que interpretan una solicitud, consultan información, deciden qué hacer y ejecutan acciones con herramientas. La pregunta práctica no es cuál de los dos es «mejor», sino cuál encaja con cada proceso.
Qué hace bien la automatización tradicional
El RPA y la automatización basada en reglas funcionan muy bien cuando el proceso es estable, estructurado y predecible. Si los datos llegan siempre en el mismo formato, las reglas se pueden escribir de forma explícita y el resultado correcto es uno solo, una automatización determinista es difícil de superar: hace exactamente lo mismo cada vez, es fácil de auditar y su costo por ejecución es bajo.
Algunos ejemplos típicos son descargar un reporte bancario y cargarlo al ERP, copiar datos entre dos sistemas sin integración, generar certificados a partir de una plantilla o enviar recordatorios en fechas fijas. Cuando el sistema ofrece una API, muchas veces ni siquiera hace falta RPA: una integración directa es más robusta.
Sus debilidades también son conocidas. Los robots fallan cuando cambia la pantalla, el formato del archivo o aparece una excepción no prevista. Y no manejan bien la información no estructurada: correos redactados con libertad, PDF con diseños distintos o mensajes de WhatsApp con errores de ortografía.
Qué aportan los agentes de IA
Un agente de IA trabaja donde las reglas se quedan cortas. Puede leer el correo de un cliente, entender que pide una cotización con cambios, buscar los precios vigentes, revisar el historial de esa cuenta y preparar una respuesta. No sigue un guion fijo: elige los pasos según el caso.
Esa flexibilidad tiene un precio. Los resultados de un modelo de lenguaje no son idénticos en cada ejecución, pueden equivocarse con aparente seguridad y su costo por tarea suele ser mayor que el de una regla. Por eso un agente serio no se diseña como una caja negra: recibe herramientas acotadas, permisos mínimos, fuentes de datos confiables y puntos de control donde una persona aprueba las acciones sensibles.
Una forma sencilla de decidir
Para cada proceso, responde estas preguntas:
- ¿La entrada es estructurada? Formularios, tablas y archivos con formato fijo favorecen la automatización tradicional. El texto libre, los documentos variables y las conversaciones favorecen a un agente.
- ¿Las reglas se pueden escribir completas? Si un analista puede documentar todas las decisiones en un diagrama de flujo, empieza por reglas. Si la respuesta habitual es «depende», hay espacio para un agente.
- ¿Qué tan costoso es un error? En pagos, registros contables o comunicaciones legales, la acción final debe ser determinista o contar con aprobación humana, aunque un agente haga el trabajo previo.
- ¿Cuánto cambia el proceso? Si cambia con frecuencia, mantener cientos de reglas resulta caro, y un agente bien instruido se adapta mejor a las variaciones razonables.
- ¿Cuál es el volumen? Con volúmenes muy altos y tareas simples, el costo por ejecución pesa. Con volúmenes moderados y tareas complejas, el tiempo humano ahorrado suele justificar el agente.
La respuesta suele ser una combinación
En la práctica, los mejores diseños combinan ambos enfoques: el agente interpreta y decide, y las automatizaciones deterministas ejecutan. Piensa en la recepción de solicitudes de clientes. Un agente lee cada mensaje, identifica la intención, extrae los datos relevantes y propone el siguiente paso; luego una integración tradicional crea el registro en el CRM, genera el documento y lo envía. Cada pieza hace lo que mejor sabe hacer.
Este modelo también facilita la gobernanza. Las acciones críticas pasan por componentes predecibles y auditables, y la parte flexible queda registrada: qué leyó el agente, qué fuentes consultó, qué decidió y con qué nivel de confianza. Esa trazabilidad permite mejorar el sistema con el tiempo y responder a las preguntas de una auditoría.
Errores frecuentes
- Usar un agente para lo que resuelve una regla. Si el proceso es una transformación fija de datos, un modelo de lenguaje solo agrega costo y variabilidad.
- Automatizar con RPA un proceso que vive de excepciones. El robot termina escalando buena parte de los casos y el equipo pierde la confianza en la solución.
- Dar al agente más permisos de los necesarios. Un agente que solo necesita leer el inventario no debería poder modificar precios.
- No medir. Sin métricas de calidad, tasa de escalamiento y tiempo de ciclo, es imposible saber si el agente mejora o empeora el proceso.
Las reglas dan precisión y los agentes dan criterio. El trabajo de diseño consiste en decidir, paso a paso, cuál de las dos cosas necesita cada parte del proceso.
Si estás evaluando qué automatizar, empieza por mapear dos o tres flujos reales con todas sus excepciones. Ese mapa suele dejar claro dónde basta una regla y dónde vale la pena un agente.
