IA agéntica en la empresa: por dónde empezar (y qué construir primero)

Agentic AI in the enterprise: where to start (and what to build first)

La conversación suele empezar igual: «queremos un agente de IA». Y casi siempre la respuesta honesta es incómoda: el agente es la parte fácil. Lo que decide si ese agente crea valor o crea incidentes es todo lo que hay debajo: los datos sobre los que actúa, los límites dentro de los que opera y el proceso al que se conecta.

The conversation usually starts the same way: "we want an AI agent." And the honest answer is almost always uncomfortable: the agent is the easy part. What decides whether that agent creates value or creates incidents is everything underneath it: the data it acts on, the limits within which it operates, and the process it connects to.

Esta nota resume el orden que aplicamos en nuestra práctica — el mismo que usamos con nuestros propios equipos de analítica y desarrollo, donde las herramientas agénticas son parte del trabajo diario, no un experimento de viernes.

This note sums up the order we follow in our practice — the same one we use with our own analytics and development teams, where agentic tools are part of the daily work, not a Friday experiment.

Primero, una distinción que ahorra dinero

First, a distinction that saves money

No todo lo que se mueve solo es un agente. Conviene separar tres cosas:

Not everything that runs on its own is an agent. It pays to separate three things:

• Automatización clásica: reglas fijas sobre entradas predecibles. Un script que consolida cinco Excels y produce un reporte. Barata, determinística, auditable. Si tu problema vive aquí, no necesitas un agente — y te lo vamos a decir.
• Asistente (chat): responde preguntas, redacta borradores, resume. Útil, pero no ejecuta procesos ni asume responsabilidad sobre un resultado.
• Agente: recibe un objetivo, planea los pasos, usa herramientas, verifica lo que hizo y corrige — con permisos definidos y trazabilidad de cada acción. Calcula un beneficio, genera el documento, lo enruta a aprobación y avisa cuando algo no cuadra.

• Classic automation: fixed rules over predictable inputs. A script that consolidates five spreadsheets and produces a report. Cheap, deterministic, auditable. If your problem lives here, you don't need an agent — and we'll tell you so.
• Assistant (chat): answers questions, drafts copy, summarizes. Useful, but it doesn't execute processes or take responsibility for an outcome.
• Agent: receives a goal, plans the steps, uses tools, verifies what it did and corrects course — with defined permissions and traceability for every action. It calculates a benefit, generates the document, routes it for approval, and flags anything that doesn't add up.

La trampa de empezar por el agente

The trap of starting with the agent

El patrón de fracaso más común que vemos: comprar o construir el agente primero y descubrir después que los datos que necesita viven en siete archivos con tres versiones de la verdad. Un agente que actúa sobre datos sucios no es productividad: es error a escala, con firma automática.

The most common failure pattern we see: buying or building the agent first, then discovering that the data it needs lives in seven files with three versions of the truth. An agent acting on dirty data isn't productivity: it's error at scale, with an automatic signature.

Por eso el orden correcto se parece poco al demo de un vendor:

That's why the right order looks little like a vendor demo:

Capa 1 · La plataforma

Layer 1 · The platform

Antes de que un agente toque nada: ¿dónde vive el dato maestro? ¿quién puede leer qué? ¿cómo pasa un cambio de desarrollo a producción sin romper lo que ya funciona? En nuestra práctica esto significa plataformas tipo Microsoft Fabric o Azure con pipelines orquestados y separación estricta DEV/QA/PROD. No es burocracia: es lo que permite que un agente actúe con confianza — y que puedas apagarlo sin drama.

Before an agent touches anything: where does the master data live? Who can read what? How does a change move from development to production without breaking what already works? In our practice this means platforms like Microsoft Fabric or Azure with orchestrated pipelines and strict DEV/QA/PROD separation. It's not bureaucracy: it's what lets an agent act with confidence — and lets you switch it off without drama.

Capa 2 · Los guardrails

Layer 2 · The guardrails

Tres preguntas por escrito antes de la primera línea de código: qué acciones puede ejecutar solo, cuáles requieren aprobación humana y qué evidencia deja cada paso. Un agente que genera cartas de beneficios puede redactar y precalcular solo; el envío lo aprueba una persona. La trazabilidad no es opcional: si no puedes reconstruir por qué el agente hizo algo, no está listo para producción.

Three questions in writing before the first line of code: which actions it can run on its own, which require human approval, and what evidence each step leaves behind. An agent that generates benefit letters can draft and pre-calculate on its own; a person approves the send. Traceability is not optional: if you can't reconstruct why the agent did something, it isn't ready for production.

Capa 3 · El primer caso de uso

Layer 3 · The first use case

El primer agente ideal cumple cuatro criterios:

The ideal first agent meets four criteria:

1. Repetitivo y frecuente — el ahorro se acumula cada semana.
2. Reglas conocidas — existe un procedimiento que un humano puede explicar.
3. Costo de error acotado y visible — si falla, se nota rápido y se corrige barato.
4. Humano en el circuito — alguien aprueba el resultado mientras se construye confianza.

1. Repetitive and frequent — the savings compound every week.
2. Known rules — there's a procedure a human can explain.
3. Bounded, visible cost of error — if it fails, you notice fast and fix it cheaply.
4. Human in the loop — someone approves the outcome while trust is being built.

Un ejemplo del tipo de flujo que hemos construido de punta a punta: un proceso de reestructuración con plan de retiro que combinaba una calculadora de beneficios, la generación automática de los documentos y una aplicación de aprobaciones con tres pantallas por rol (gerente, empleado, abogado laboral). Cada pieza es simple; el valor está en que el proceso completo deja de vivir en correos y carpetas compartidas.

An example of the kind of flow we've built end to end: a restructuring process with a retirement plan that combined a benefits calculator, the automatic generation of the documents and an approval application with three screens by role (manager, employee, labor attorney). Each piece is simple; the value is that the whole process stops living in emails and shared folders.

Checklist de readiness (la versión corta)

Readiness checklist (the short version)

Qué construir primero, entonces

So, what to build first

Nuestra recomendación casi siempre es la misma: un caso, de punta a punta, en seis semanas o menos. Plataforma mínima viable para ese caso, guardrails por escrito, agente con humano en el circuito y medición del antes/después. Ese primer caso paga el aprendizaje organizacional — y deja la infraestructura sobre la que el segundo y el tercero salen a la mitad del costo.

Our recommendation is almost always the same: one case, end to end, in six weeks or less. A minimum viable platform for that case, guardrails in writing, an agent with a human in the loop, and before/after measurement. That first case pays for the organizational learning — and leaves the infrastructure on which the second and third cost half as much to build.