Agente de IA vs chatbot vs automatización: qué cambia

Un chatbot te contesta, una automatización repite siempre los mismos pasos y un agente de IA decide qué hacer a continuación. Te lo explico con una cocina, con lo que dicen Anthropic, OpenAI y Google, y con las 102 tareas que tengo funcionando en casa (spoiler: casi ninguna es un agente).

¿Qué diferencia hay entre un agente de IA y un chatbot?

La diferencia entre un agente de IA y un chatbot es quién lleva el volante. El chatbot responde a lo que le preguntas y ahí se acaba su trabajo: tú lees la respuesta y tú decides qué hacer con ella. El agente recibe un objetivo y decide él mismo los pasos para llegar, usando programas y servicios externos por el camino, y comprobando cómo va después de cada paso.

Y luego está el tercero en discordia, el que nadie invita a la fiesta pero lleva años haciendo el trabajo de verdad: la automatización clásica. Una lista de pasos escrita de antemano que el ordenador sigue al pie de la letra, sin pensar ni un segundo. No tiene nada de inteligencia artificial, pero en mi casa hace tres de cada cuatro tareas.

Esto no es una pelea de vocabulario. Iñaki Gorostiza, de la consultora LIN3S, lo decía hace dos días en una entrevista en La Vanguardia (20 de octubre de 2026): el error más frecuente que ve en las empresas es que no conocen la diferencia entre un agente y un chatbot, y creen que «hacer IA» consiste en dar acceso a ChatGPT a la plantilla. Si confundes las tres cosas, compras la herramienta equivocada para el problema equivocado.

Si nunca has oído hablar de agentes, aquí tienes la versión larga de qué es un agente de IA y cómo funciona. Esta guía va de otra cosa: de saber distinguirlo de sus dos primos.

La analogía de la cocina (que sirve para todo lo demás)

Son las nueve de la noche y tienes hambre. Tienes tres maneras de conseguir una tortilla.

Opción uno: llamas a tu amigo que cocina de maravilla. Le preguntas cómo se hace una tortilla y te lo explica con todo lujo de detalles, incluso te da su truco del fuego bajo. Pero cuando cuelgas, la sartén sigue fría. Él habla; tú cocinas. Eso es un chatbot.

Opción dos: tienes un robot de cocina con un programa «tortilla» guardado. Echas los huevos, las patatas y la cebolla en el vaso, pulsas el botón y a los 25 minutos hay cena. Perfecto, siempre igual. Ahora bien, si un día no hay cebolla, el robot no se entera: hace la tortilla sin cebolla o se queda pitando. No improvisa nunca. Eso es una automatización.

Opción tres: contratas a un cocinero y le dices «prepárame algo de cenar». Abre la nevera, ve que no hay huevos, mira la despensa, encuentra pasta, prueba la salsa, le echa sal y te sirve unos espaguetis. Tú no le has dicho ninguno de esos pasos. Solo le diste el objetivo. Eso es un agente.

Fíjate en lo que tiene el cocinero que no tienen los otros dos: mira, actúa, vuelve a mirar y corrige. Ese ir y venir es el corazón del asunto, y le dedico una sección entera más abajo.

Las tres piezas por separado, sin humo

El chatbot: habla muy bien, pero no toca nada

Un chatbot moderno funciona con un modelo de lenguaje, o sea, un programa entrenado con montañas de texto que predice qué palabras vienen después. Le escribes, te escribe. ChatGPT, Gemini o Claude en su versión de chat son eso, aunque cada vez les añaden más extras.

La documentación de formación de Microsoft lo resume con una frase que me gusta por lo seca: un bot de chat simple solo responde a las consultas, mientras que un agente puede tomar decisiones, usar herramientas y mantener memoria del contexto para lograr un objetivo «sin instrucciones humanas paso a paso». La empresa Inbenta lo dice todavía más corto: los chatbots tradicionales son «de solo lectura» y los agentes son «de lectura y escritura». Uno te cuenta cosas; el otro cambia cosas.

Para qué sirve bien un chatbot: resolver dudas, redactar un correo que luego mandas tú, resumir un documento, explicarte algo a las once de la noche sin poner mala cara. Para qué no sirve: para que algo pase en el mundo sin que muevas tú un dedo.

La automatización: el empleado más fiable y menos imaginativo del mundo

Una automatización es una receta cerrada. «Cada día a las 8:00, descarga este fichero, cuenta las líneas y, si hay menos de 10, mándame un aviso». El ordenador lo hace exactamente así una y otra vez, sin cansarse y sin opinar. En las empresas a esto se le llama a veces RPA (automatización robótica de procesos), que es un nombre muy aparatoso para «un programa que imita los clics que haría una persona».

Su gran virtud es que es predecible: si funciona hoy, mañana hará lo mismo. Su gran defecto es que no entiende nada. En la tabla comparativa del curso de introducción a agentes de Microsoft Learn, la RPA tiene un «sí» en ejecutar tareas y un «no» rotundo en aprender y adaptarse. Si cambia el formato del fichero, la automatización se rompe o, peor, sigue funcionando con datos absurdos.

Herramientas como Zapier, Make o n8n viven en este mundo. Y no lo digo con desprecio: la guía de Hostinger sobre agentes y chatbots (octubre de 2026) pone justo ese ejemplo, pasar los datos de un formulario a la lista de clientes, como caso en el que no necesitas un agente porque una automatización lo hace más barato y con menos complicaciones.

El agente: el cocinero que decide

Un agente es un modelo de lenguaje al que le das tres cosas: un objetivo, unas herramientas (programas que puede usar, como buscar en internet, leer un archivo o enviar un correo) y permiso para repetir hasta terminar. La definición más clara que conozco es la del programador Simon Willison, que tras años negándose a usar la palabra «agente» la aceptó en septiembre de 2025 con esta frase: un agente es un modelo que usa herramientas en bucle para conseguir un objetivo.

OpenAI dice algo muy parecido en su guía práctica para construir agentes (2025): los agentes son sistemas que completan tareas por ti de forma independiente. Y añade una frase que viene al pelo para este artículo: las aplicaciones que usan un modelo de lenguaje pero no lo dejan controlar los pasos, «como los chatbots simples», no son agentes. Lo dice el fabricante de ChatGPT, no yo.

Anthropic, la empresa de Claude, hace una distinción que a mí me aclaró mucho. En su texto «Building effective agents» (19 de diciembre de 2024) separa los flujos de trabajo, en los que el modelo y las herramientas siguen un camino escrito de antemano por una persona, de los agentes, en los que el propio modelo dirige el proceso y elige qué herramienta usar. Traducido a la cocina: un flujo de trabajo es el robot de cocina con un cocinero dentro que solo puede elegir la sal; el agente es el cocinero suelto por la cocina.

Agente, chatbot y automatización: la tabla para no liarse

Google Cloud tiene su propia versión de esta tabla en su página sobre qué son los agentes de IA (actualizada el 2 de abril de 2026), con una cuarta figura en medio: el asistente, que puede proponer acciones pero deja que tú decidas. Es una categoría útil, porque buena parte de lo que hoy se vende como «agente» es en realidad un asistente: te sugiere, pero no aprieta el botón.

El bucle del agente explicado en cuatro pasos

Si te quedas con una sola idea de este artículo, que sea esta: lo que hace agente a un agente es el bucle, esa vuelta que se repite una y otra vez. No la inteligencia del modelo, ni lo bonito de la interfaz. Por eso merece la pena verlo despacio, con el cocinero:

1. Mirar. El agente lee la situación: el objetivo («haz la cena»), lo que ya sabe y lo que ha pasado hasta ahora. El cocinero abre la nevera.
2. Decidir. El modelo elige el siguiente paso y, si hace falta, qué herramienta usar. «No hay huevos; voy a mirar en la despensa».
3. Actuar. Ejecuta esa herramienta de verdad: busca, lee, escribe, envía. Abre la despensa y saca la pasta.
4. Comprobar. Lee el resultado de lo que acaba de hacer y vuelve al paso 1. Prueba la salsa. ¿Le falta sal? Otra vuelta. ¿Está bien? Sirve el plato y para.

Anthropic insiste en ese cuarto paso: el agente necesita obtener «la verdad del terreno» en cada paso, es decir, el resultado real de lo que hizo, para saber si va bien. Y recomienda ponerle condiciones de parada, como un número máximo de vueltas, para que no se quede dando vueltas eternamente. Un cocinero que prueba la salsa doscientas veces no es concienzudo: está atascado.

Un chatbot hace una sola vuelta (tú preguntas, él responde, fin). Una automatización no tiene vuelta que valga: sigue la lista de arriba abajo. El agente es el único que mira el resultado y decide si sigue.

Ese bucle es también la fuente de sus problemas. Cada vuelta es una llamada al modelo, así que tarda más. Y como decide él, puede decidir mal: puede creer que la salsa está bien cuando no lo está. Ya conté cómo uno de mis agentes me dijo 14 veces que algo estaba arreglado sin estarlo. El bucle no garantiza que acierte; garantiza que lo intenta otra vez.

Mis números: 102 tareas programadas y solo 27 son agentes

Aquí viene la parte que no vas a encontrar en las guías de empresas que venden agentes. Tengo una pequeña placa, una Raspberry Pi 5 (un ordenador del tamaño de una baraja de cartas), que lleva la web, avisos y un montón de rutinas. Todo eso lo organizan tareas programadas, que son trabajos que el ordenador arranca solo a una hora fija, como un despertador que en vez de sonar hace algo.

Comprobación propia, 22 de octubre de 2026: he contado las tareas activas en la lista del orquestador y las ejecuciones guardadas en su registro. Los datos en bruto están aquí.

• 102 tareas programadas activas.
• 75 son automatizaciones puras: un programa con pasos fijos, sin modelo de lenguaje que decida nada.
• 27 arrancan un agente: un modelo que lee la situación y decide qué hacer.

Pero lo interesante no es la foto, sino un día cualquiera. El martes 20 de octubre de 2026 hubo 394 ejecuciones:

Léelo otra vez, porque a mí me hizo gracia: 12 ejecuciones de agentes ocuparon más tiempo que 381 automatizaciones juntas. Solo una de ellas, el agente que cada mediodía revisa la web y decide qué arreglar, se pasó 35 minutos dándole vueltas. El miércoles 21 la cosa fue más tranquila (11 agentes, 14,7 minutos en total), pero la proporción por ejecución fue parecida: medio minuto de mediana para un agente frente a un segundo para una automatización.

¿Por qué tengo tan pocos agentes? Porque aprendí a las malas lo que Anthropic recomienda en frío: buscar la solución más simple posible y añadir complejidad solo cuando hace falta, lo que «puede significar no construir sistemas de agentes en absoluto». Comprobar si una página responde, contar artículos o guardar una copia de los archivos no necesita a nadie que piense. Necesita a alguien que lo haga igual cada vez. Los agentes los reservo para lo que de verdad pide criterio: escribir, revisar un texto, decidir qué arreglar primero.

Y hay otro motivo menos elegante: los agentes dependen de un servicio externo que a veces dice «basta». El 16 de octubre de 2026, dos de mis agentes se pararon a la misma hora porque el servicio del modelo respondió con un error de «demasiadas peticiones». Tardaron algo menos de una hora en volver. Las 75 automatizaciones, mientras tanto, siguieron a lo suyo como si nada. El robot de cocina no tiene días malos; el cocinero, a veces, no viene a trabajar.

Cómo saber si lo que te venden es un agente de verdad

Hoy todo se llama agente. La consultora Gartner tiene un nombre para esto: «agent washing», o sea, pintar de agente productos que no lo son, como asistentes, chatbots o automatizaciones de toda la vida. En junio de 2025 calculaba que de los miles de empresas que dicen vender agentes, solo unas 130 los tienen de verdad. En el mismo informe predecía que más del 40% de los proyectos de agentes se cancelarán antes de finales de 2027 por precios que se disparan, valor poco claro o falta de control sobre lo que hacen.

Para no caer, yo uso tres preguntas. Son las mismas que me hago antes de convertir una de mis tareas en agente:

1. ¿Quién decide el siguiente paso? Si los pasos están escritos de antemano y el «agente» solo rellena huecos, es una automatización con un modelo dentro (un flujo de trabajo, en el idioma de Anthropic). Está bien, pero no es un agente.
2. ¿Puede hacer algo fuera de la conversación? Si todo lo que hace es escribirte texto, es un chatbot, por muy listo que sea. Un agente toca otros programas: reserva, envía, guarda, borra.
3. ¿Mira el resultado y lo corrige? Si hace una cosa y se va, no hay bucle. Pide una demostración en la que algo salga mal (un dato que falta, una web caída) y mira qué hace. El cocinero sin huevos es la prueba de fuego.

Si las tres respuestas son «él decide», «sí» y «sí», tienes delante un agente. Si alguna es «no», tienes otra cosa, que puede ser justo lo que necesitas, pero conviene saber qué estás comprando.

Cuándo usar cada uno: una regla de bolsillo

En mi experiencia, después de meses moviendo tareas de un lado a otro, la regla cabe en una servilleta:

• Usa un chatbot cuando quieras pensar con alguien: dudas, borradores, resúmenes, explicaciones. Tú sigues decidiendo y actuando.
• Usa una automatización cuando la tarea sea siempre igual y puedas escribir los pasos en un papel: copiar datos, avisar si algo falla, hacer copias de archivos, publicar a una hora. Es rápida, barata y aburrida, que en este oficio es un piropo.
• Usa un agente cuando no sepas de antemano cuántos pasos hacen falta, cuando la entrada cambie cada vez (un correo distinto, una web distinta, un fallo nuevo) y cuando puedas comprobar el resultado. Anthropic lo dice así: agentes para problemas abiertos en los que es difícil predecir el número de pasos.

Y la combinación que mejor me funciona: la automatización vigila, el agente arregla. Una tarea fija comprueba cada hora que todo esté en su sitio; solo cuando encuentra algo raro despierta al agente para que piense. Es como tener un detector de humo (tonto, barato, siempre encendido) y un bombero (listo, caro, solo cuando hace falta). Nadie contrata a un bombero para que mire el techo las 24 horas.

Una aclaración para no liarte con los nombres: muchas guías sobre qué son los agentes, como el curso de Hugging Face, llaman agente a un chatbot de atención al cliente que, además de hablar, puede abrir una incidencia o consultar tu pedido. Y tienen razón: en cuanto el chatbot puede actuar y decidir cuándo hacerlo, ya está cruzando la frontera. La pregunta no es qué cara tiene (una ventanita de chat), sino qué hay detrás.

Lo que nadie te dijo sobre agentes y chatbots

Un agente no es un chatbot mejor, es un chatbot con manos. Y las manos se equivocan. Un chatbot que se inventa un dato te da una respuesta mala que puedes ignorar. Un agente que se inventa un dato puede actuar sobre él: enviar el correo, borrar el archivo, publicar el texto. El salto no es de inteligencia, es de consecuencias. Por eso los agentes buenos tienen límites de lo que pueden tocar y puntos en los que se paran a preguntar.

Lo predecible es una virtud, no un defecto. Nos venden la capacidad de adaptarse como si fuera siempre buena. Pero si una tarea tiene que salir igual cada día (publicar a las 7, avisar si la web se cae), lo último que quieres es un empleado creativo. Mis 75 tareas fijas no improvisan, y por eso duermo tranquilo.

El agente también olvida. Como el cocinero que no recuerda qué cenaste ayer, el agente solo sabe lo que tiene delante en ese momento. Si quieres que recuerde, hay que montarle una memoria aparte, y aun así su mesa de trabajo tiene un tamaño, lo que se llama ventana de contexto. Mucha decepción con los agentes viene de esperar que se acuerden de todo.

Que algo diga «hecho» no significa que esté hecho. Esto vale para los tres, pero duele más en los agentes, porque te fías de ellos. La única defensa que conozco es medir el efecto desde fuera, con algo que no sea el propio agente. Lo aprendí cuando revisé mis tareas vigilantes y seis llevaban meses sin hacer su trabajo, todas diciendo que iban bien.

Las herramientas son la mitad del agente. Un agente sin buenas herramientas es un cocinero en una cocina vacía. Por eso existen estándares como MCP, que son una manera común de enchufarle herramientas a cualquier agente sin hacerlo a mano cada vez.

Un vídeo para verlo en cinco minutos

Si prefieres que te lo cuenten en voz alta, este vídeo en español repasa de dónde vienen los chatbots y los asistentes tipo Siri o Alexa, y en qué momento algo deja de conversar y empieza a actuar:

Vídeo: «Qué es realmente un agente IA y por qué todos hablan mal de esto», del canal Pertinente (en español).

Preguntas frecuentes

¿ChatGPT es un chatbot o un agente?

Las dos cosas, según cómo lo uses. Cuando le preguntas y te responde, funciona como chatbot. Cuando activas funciones en las que navega, rellena formularios o ejecuta tareas por su cuenta, se comporta como agente. La propia guía de OpenAI deja claro que un chat que solo responde no cuenta como agente.

¿Un agente de IA es lo mismo que una automatización con IA?

No. Una automatización con IA sigue un camino fijo y usa el modelo para un paso concreto, por ejemplo resumir un correo antes de guardarlo. Un agente elige él mismo el camino. Anthropic llama a lo primero «flujo de trabajo» y a lo segundo «agente», y recomienda empezar por lo primero.

¿Qué es mejor para una pequeña empresa, un chatbot o un agente?

Depende de si quieres respuestas o acciones. Para atender preguntas frecuentes basta un chatbot. Para tareas repetitivas siempre iguales, una automatización sale más barata y falla menos. El agente compensa cuando cada caso es distinto y alguien puede revisar lo que hace.

¿Los agentes de IA sustituyen a las automatizaciones de siempre?

No, las complementan. En mi propio sistema hay 75 tareas fijas y 27 agentes, y el reparto tiene sentido: lo repetitivo va en automatizaciones rápidas y lo que pide criterio va en agentes. Sustituir todo por agentes haría cada tarea decenas de veces más lenta y menos predecible.

¿Cómo sé si un producto es un agente de verdad?

Haz tres preguntas: quién decide los pasos, si puede actuar fuera de la conversación y si comprueba el resultado y se corrige. Si alguna respuesta es «no», es un chatbot, un asistente o una automatización con otro nombre. Gartner llama a esa práctica «agent washing».