Agentes IA que deciden y ejecutan, no solo automatizan

Una automatización sigue reglas: si pasa X, haz Y. Un agente toma decisiones: lee contexto, evalúa opciones, elige la mejor según criterios. Si tu proceso se puede expresar como "si aparece la palabra factura en el asunto, mueve al canal Z", n8n basta. Si necesita "lee el correo, decide si es urgente según tono y contenido, decide a quién enrutar según especialidad", necesitas agente. La regla simple: ¿hay decisión humana de criterio en el medio? → agente.

Por eso construimos en tres niveles de autonomía. Nivel 1: el agente sugiere, el humano decide. Nivel 2: el agente actúa pero el humano puede revertir antes de que llegue a nadie. Nivel 3: el agente actúa solo en tareas de bajo riesgo donde el coste de error es asumible. Subimos de nivel solo después de medir calidad >= baseline humano durante 4-6 semanas. Cada decisión queda trazada para auditoría.

Los agentes que diseñamos viven en operación interna, sin decisiones que afecten derechos fundamentales. Para sectores regulados (sanidad, legal, financiero), aplicamos validación humana y trazabilidad reforzada, con pre-validación junto a tu DPO. Si el caso requiere supervisión que no encaja con autonomía progresiva, te lo decimos en el diagnóstico y replanteamos el alcance.

Tres métricas: precision (de las decisiones que toma, cuántas son correctas), recall (de las decisiones que debería tomar, cuántas captura), y latencia (tiempo desde input hasta acción). Establecemos baseline midiendo al equipo humano durante 2-4 semanas, después comparamos al agente contra ese baseline durante 4-8 semanas más. Pasamos a producción solo si supera baseline humano. Si no, replanteamos el diseño sin coste.

No. El agente vive como capa sobre tus herramientas actuales (HubSpot, Slack, Notion, Google Workspace, ERPs españoles). No te pedimos migrar nada. Lo que sí necesitamos es acceso lectura/escritura a las herramientas donde el agente va a operar. La parte de seguridad y permisos se diseña con tu equipo IT en el sprint 1.

Diseño + implementación cerrada (4-9 semanas según complejidad) + seguimiento operativo mensual de mantenimiento, mejoras y monitorización de calidad. El seguimiento incluye revisión semanal de las decisiones del agente y ajuste de prompts/reglas. Si en la validación inicial la calidad no supera el baseline humano, replanteamos el diseño sin coste. Trazabilidad completa: auditas cada decisión que toma.

Un agente de IA es un sistema que percibe un contexto (un correo, un documento, una petición), razona sobre él con un modelo de lenguaje y ejecuta acciones sobre herramientas reales para cumplir un objetivo, en lugar de limitarse a responder. Crear uno útil para empresa no es escribir un prompt: es (1) observar cómo hace hoy el proceso una persona, (2) diseñar el agente con sus herramientas y límites, (3) pilotarlo en nivel supervisado y (4) darle autonomía progresiva solo cuando su calidad iguala o supera el baseline humano medido. La diferencia con una automatización de reglas la explicamos arriba: si hay criterio de decisión en el medio, es un agente; si son reglas fijas, basta una automatización n8n.

Un agente de voz telefónico con IA es un agente que atiende llamadas reales con voz natural: entiende la intención del llamante con un modelo de lenguaje, consulta herramientas reales (calendario, CRM, base de conocimiento) y ejecuta — agenda la cita, registra el lead, resuelve la duda o transfiere a un humano. Se identifica como IA al inicio de la llamada y en sectores regulados escala a humano de forma obligatoria (en clínicas nunca emite juicio clínico). Los casos típicos: recepción 24/7, reducción de no-shows con recordatorios y absorción de picos de llamadas sin ampliar plantilla.

Sí. El agente opera sobre un número VoIP que puede ser nuevo o la portabilidad de tu número actual. En ambos casos el número queda dado de alta en tu cuenta, no en la del consultor — si mañana cambias de proveedor o internalizas la operación, conservas el número y puedes migrar el stack sin bloqueos. Es el mismo principio anti lock-in que aplicamos al resto de agentes: las credenciales y los activos son del cliente desde el día uno.

Un sistema RAG (Retrieval-Augmented Generation) es una arquitectura que, antes de responder, recupera fragmentos relevantes de tus propios documentos y se los pasa al modelo de lenguaje como contexto, de forma que la respuesta se basa en tu información y no solo en lo que el modelo aprendió durante su entrenamiento. Sirve para reducir invenciones (alucinaciones) y para poder citar la fuente de cada dato. En GSC usamos RAG documental como base de agentes que responden sobre normativa interna, catálogos, expedientes o bases de conocimiento propias, con la trazabilidad que exige un entorno empresarial.