Cómo implementar un agente de IA en tu empresa: etapas, riesgos y mantención

Implementar un agente de IA no es instalar un software: es definir qué tarea va a tomar, con qué información y con qué permisos, y después cuidarlo en producción. Estas son las etapas con que trabajo y lo que conviene vigilar en cada una.

1. Diagnóstico: elegir bien la primera tarea

La mejor primera tarea para un agente es repetitiva, de criterio simple y con la información disponible: responder consultas de estado, clasificar solicitudes, registrar contactos en el CRM. Conviene dejar para después las tareas con excepciones frecuentes o con consecuencias difíciles de revertir.

En el diagnóstico se revisan tres cosas: cuánto volumen tiene la tarea, dónde está la información que el agente necesita y qué sistemas tendría que tocar.

2. Alcance: herramientas y permisos por escrito

El alcance define qué puede leer el agente y qué puede ejecutar, una herramienta a la vez. Algunas decisiones que conviene dejar escritas:

• Qué fuentes puede consultar y cuáles no.
• Qué acciones ejecuta solo y cuáles requieren la aprobación de una persona.
• Cuándo debe derivar, y a quién.
• Qué datos personales necesita de verdad, y cuáles no debe pedir.

3. MVP: una versión acotada, probada con casos reales

La primera versión cubre la tarea elegida y nada más, con logs completos y derivación a una persona. Se prueba con casos reales antes de abrirla a todo el volumen, y se ajusta según lo que muestren esas pruebas.

Los riesgos que hay que controlar

• Respuestas incorrectas: un modelo de lenguaje puede equivocarse con aparente seguridad. Se mitiga acotando las fuentes, pidiéndole que se base en la información de origen y derivando cuando no la encuentra.
• Instrucciones maliciosas (prompt injection): un texto que recibe el agente puede intentar cambiar su comportamiento. Se mitiga con permisos mínimos, validación de cada acción y aprobación humana en lo sensible.
• Permisos excesivos: el agente debe usar credenciales propias, con acceso sólo a lo que necesita.
• Datos personales: la Ley 21.719 exige informar el tratamiento, tener una base de licitud y respetar el derecho a intervención humana en decisiones automatizadas con efectos significativos. Lo explico en la guía sobre la Ley 21.719.
• Costos que crecen sin aviso: el modelo y el orquestador se cobran por volumen, así que conviene configurar alertas de gasto.

4. Producción y traspaso

Al pasar a producción, el agente queda en cuentas de tu empresa, con la documentación de sus flujos, su matriz de permisos y un procedimiento para cuando falle. El traspaso incluye una sesión con tu equipo para que sepa leer los logs y cuándo intervenir.

5. Mantención: lo que pide un agente en producción

Un agente no se termina el día que sale a producción. Lo que conviene revisar periódicamente:

1. Las conversaciones derivadas o fallidas: muestran qué preguntas no estaban previstas.
2. La información de origen: precios, horarios y políticas cambian, y el agente responde con lo que tiene.
3. Los costos: consumo del modelo de IA, del orquestador y de los mensajes de WhatsApp.
4. Los cambios de los proveedores: modelos que se retiran, APIs que cambian, tarifas nuevas. Por ejemplo, Meta modificó el cobro de los mensajes de WhatsApp el 1 de octubre de 2026.
5. Las credenciales y los accesos: rotarlos y revisar que sigan siendo los mínimos.

El primer mes después de la entrega el acompañamiento es gratis. Desde ahí, la mantención es opcional: tu equipo puede hacerla con la documentación del traspaso, o se acuerda un plan mensual o por horas, sobre la tarifa de CLP 20.000 por hora.

Qué medir

Las métricas útiles dependen de la tarea, pero en general:

• La tasa de resolución sin intervención humana.
• Las derivaciones, y su motivo.
• Los errores detectados al revisar los logs.
• El tiempo que el equipo dejó de dedicar a la tarea, medido contra cómo se hacía antes.
• El costo mensual de las plataformas.

Si quieres evaluar qué tarea podría tomar un agente en tu empresa, lo revisamos en el diagnóstico gratuito.