Un agente de inteligencia artificial puede recibir un objetivo, consultar información y elegir herramientas para avanzar. La diferencia práctica aparece cuando deja de limitarse a redactar una respuesta y puede actuar sobre otros sistemas. En ese momento necesitas decidir qué está autorizado a consultar, qué puede cambiar y cuándo debe detenerse.
No todo uso de IA requiere un agente. La guía de arquitectura de Microsoft distingue una llamada directa al modelo, un agente con herramientas y una coordinación de varios agentes. Recomienda usar el menor nivel de complejidad que cumpla de forma fiable los requisitos y poner límites a las iteraciones. Patrones de agentes en Microsoft Learn (abre en otra pestaña).
De responder una pregunta a ejecutar una tarea
Imagina un asistente hipotético que atiende consultas de pedidos. Si sólo explica la política de entregas a partir de un documento, su alcance es informativo. Si consulta el estado de un pedido, ya utiliza una herramienta y datos de operación. Si además puede modificar la dirección de entrega, necesita una autorización y controles distintos.
Estas capacidades no deberían habilitarse juntas por comodidad. Consultar un estado puede ser adecuado para una solicitud determinada; cambiar el destino puede requerir verificar identidad, comprobar que el pedido aún admite cambios y obtener confirmación. El texto que recibe el agente no debe poder saltarse esas comprobaciones.
Los permisos deben existir fuera de la conversación
Escribir “no hagas cambios importantes” en las instrucciones puede orientar al modelo, pero el sistema conectado debe imponer sus propios límites. Una herramienta de consulta puede diseñarse sin capacidad de escritura. Una herramienta de modificación puede restringir campos, registros y acciones disponibles para la cuenta correspondiente.
También importa el alcance de los datos. Un agente que atiende a una persona no necesita consultar la información de todos los clientes. La selección de registros autorizados debe hacerse con controles verificables, no confiarse a que el modelo recuerde una indicación.
Una aprobación debe mostrar lo que va a ocurrir
Si una acción necesita revisión humana, presenta el cambio propuesto, el dato de origen y sus consecuencias relevantes. Una pregunta genérica como “¿continuar?” no permite valorar la decisión. En una modificación de pedido, muestra el pedido correcto y la dirección propuesta antes de ejecutarla.
Si cambia la propuesta, debe reevaluarse la aprobación. Conserva quién autorizó, qué versión vio y qué resultado devolvió el sistema. La evidencia es especialmente útil cuando una operación queda a medias o cuando una respuesta afirma que terminó algo que todavía no se confirmó.
Qué probar antes de darle más autonomía
- Una consulta que no puede resolverse con los datos disponibles.
- Un documento que contiene instrucciones ajenas a la tarea y debe tratarse sólo como información.
- Una solicitud sobre un registro al que la persona no tiene acceso.
- Una herramienta que falla después de recibir la petición.
- Un cambio que necesita aprobación o que ya se ejecutó antes.
El resultado esperado debe ser concreto: pedir un dato, devolver una limitación, rechazar la acción o transferir el caso. “Que la IA se comporte bien” no permite comprobar nada. Mide también revisiones humanas, errores, tiempo de resolución y costo por tarea útil; una demostración fluida no representa todas las condiciones de operación.
Empezar con un objetivo pequeño
Un primer alcance puede consistir en consultar información autorizada y preparar una propuesta para revisión. Esto permite observar decisiones y excepciones antes de conceder capacidad de modificación. Si una regla fija resuelve el trabajo de forma suficiente, puede ser la opción más fácil de comprobar.
Para llevarlo a un proyecto de software con Acinsoft (abre en otra pestaña), define la tarea, los datos permitidos y el resultado verificable. La autonomía útil es la que se puede explicar, limitar y revisar dentro de la operación que la empresa está dispuesta a delegar.




