Agentes de IA: qué son, cómo funcionan y cómo usarlos hoy en Brasil

Cuando le pides a ChatGPT que resuma un texto, estás usando un chatbot. Cuando ese mismo sistema busca información en la web, abre un archivo, ejecuta código, envía un correo electrónico y genera un informe, todo por sí solo a partir de una instrucción inicial, estás usando un agente de IA. La diferencia no es de vocabulario. Es de capacidad.

2025 fue el año en que los agentes salieron del laboratorio. En 2026, están siendo adoptados por empresas brasileñas medianas, startups y prestadores de servicios independientes. Esta guía explica qué es un agente, cómo funciona por dentro y cómo puedes usar uno hoy, con o sin saber programar.

Qué es un agente de IA (definición sin jerga)

Un chatbot responde. Un copiloto sugiere. Un agente actúa. La diferencia central está en el ciclo de trabajo: el agente percibe el entorno (lee un correo electrónico, accede a una API, ve el resultado de una búsqueda), planifica los pasos necesarios para cumplir una tarea, ejecuta acciones en el mundo real y verifica si llegó al objetivo. Si no llegó, vuelve a intentarlo con un enfoque diferente.

Ejemplos reales en uso hoy: OpenAI Operator navega por sitios y completa formularios de forma autónoma. Claude Computer Use controla una computadora como lo haría un humano. Gemini Deep Research investiga decenas de fuentes, sintetiza y entrega un informe estructurado. Ninguno de ellos necesita supervisión humana en cada paso.

Cómo funcionan los agentes por dentro

Los agentes se construyen sobre modelos de lenguaje (LLMs), pero con dos incorporaciones fundamentales: herramientas y memoria. Las herramientas son funciones que el modelo puede llamar: búsqueda en la web, ejecución de código, lectura de archivos, envío de correo electrónico, consulta a API externas. La memoria puede ser de corto plazo (lo que ocurrió en esta conversación) o de largo plazo (base de datos persistente con historial de interacciones y preferencias).

• Herramientas (tools): lo que el agente puede hacer: búsqueda web, código, API, archivos, correo electrónico.
• Memoria de corto plazo: el contexto de la tarea actual, disponible durante la ejecución.
• Memoria de largo plazo: historial persistente, generalmente en una base de datos o vectorial.
• Orquestador: el agente principal que divide tareas y delega en agentes especializados.
• Subagentes: agentes especialistas activados por el orquestador: uno para investigación, otro para redacción, otro para formato.

Casos de uso prácticos para brasileños

Agente de prospección: lee una lista de leads en LinkedIn, busca información pública sobre cada empresa, genera un correo personalizado y programa el envío en secuencia. Lo que tomaría 4 horas a un SDR, el agente lo hace en 20 minutos.

Agente de atención al cliente por WhatsApp: integrado a la API de WhatsApp Business, responde preguntas frecuentes, consulta el sistema de pedidos, emite una segunda copia de boleto y escala a un humano solo cuando es necesario. Funciona 24 horas sin costo de guardia.

Agente contable: recibe facturas por correo electrónico, extrae los datos mediante OCR con IA, categoriza el gasto en el plan de cuentas, lo registra en el sistema financiero y genera un informe mensual. Reduce el tiempo de cierre contable de días a horas.

Agente de investigación de mercado: dado un segmento y una pregunta, recorre sitios de competidores, reseñas en Google Maps, redes sociales y noticias recientes, y entrega un informe comparativo con fortalezas y debilidades de cada actor.

Herramientas para crear agentes sin programar

n8n es la opción open-source más popular para quien quiere ejecutar agentes en su propio servidor. Tiene una interfaz visual de arrastrar y soltar, soporte para cientos de integraciones y un nodo nativo de IA que conecta con GPT-4o, Claude o Gemini. La curva de aprendizaje es media: en un fin de semana, un usuario no técnico puede crear un agente funcional.

Make (antes Integromat) y Zapier AI son opciones SaaS con planes gratuitos limitados. Son más simples que n8n, pero cobran por operación: el costo puede subir rápido en automatizaciones de alto volumen. ChatGPT Custom GPTs con Actions permite crear agentes sin código, integrados a API externas mediante configuración JSON. Claude con servidores MCP (Model Context Protocol) es la opción más poderosa para desarrolladores que quieren agentes con acceso a sistemas internos.

Riesgos y limitaciones reales

• Alucinaciones en acciones irreversibles: un agente puede enviar un correo electrónico con información incorrecta o borrar un archivo basado en una inferencia equivocada.
• Costo de tokens: los agentes en ciclos largos consumen muchos tokens; un agente ejecutándose durante horas puede generar una factura de API inesperada.
• Responsabilidad legal: si un agente comete un error que cause daño (enviar datos incorrectos al fisco, por ejemplo), la responsabilidad es del operador humano.
• Seguridad: los agentes con acceso a sistemas críticos son vectores de ataque si el prompt puede ser manipulado externamente (prompt injection).

La solución más pragmática para empresas que empiezan con agentes es el human-in-the-loop: el agente ejecuta hasta un punto crítico, pausa y pide confirmación humana antes de acciones irreversibles. Es menos autónomo, pero mucho más seguro.

Tu primer agente en 30 minutos

El tutorial más rápido para empezar: instala n8n mediante Docker (o usa n8n.cloud, que tiene plan gratuito), crea un workflow con el disparador 'Email Received', conecta un nodo de IA con tu clave de API de OpenAI o Claude, y configura el agente para categorizar correos recibidos y redactar una respuesta estándar de triage. No se necesita ninguna línea de código. n8n tiene modelos listos en el marketplace que pueden importarse con dos clics.

Los agentes de IA son la automatización que va a remodelar los procesos de trabajo en los próximos años. Jornal da IA publica tutoriales prácticos semanales sobre el tema: suscríbete al boletín para recibir cada nueva guía directamente por correo electrónico.

Fuentes: OpenAI · Anthropic · n8n