Del ‘chatbot’ al agente de IA: cuando la inteligencia artificial pasa de conversar a actuar
Tras popularizarse con los asistentes conversacionales, la inteligencia artificial generativa evoluciona ahora hacia los agentes, sistemas capaces de comprender un objetivo, planificar cómo alcanzarlo y ejecutar acciones sobre distintos entornos. Gartner prevé que, en 2028, una empresa media del Fortune 500 tendrá en uso más de 150.000 agentes de IA, frente a menos de 15 en 2025, un crecimiento que anticipa una profunda transformación de la forma de trabajar y relacionarse con la tecnología.
Foto de apertura generada con IA.
La irrupción de los grandes modelos de lenguaje permite conversar con las máquinas de una forma mucho más natural y abrió la puerta a nuevas aplicaciones, desde la generación de textos hasta el análisis de documentos o la creación de imágenes. Por lo tanto, hasta ahora interactuar con la inteligencia artificial generativa ha significado, sobre todo, hacer preguntas y recibir respuestas.
Ahora esa evolución está dando un paso más. Los agentes de IA no solo son capaces de comprender una petición o mantener una conversación: también pueden actuar. Es decir, pueden interpretar un objetivo, decidir qué pasos seguir y utilizar distintas herramientas para completar una tarea, siempre dentro de unos permisos y límites previamente establecidos. Esa capacidad para pasar de la conversación a la acción es lo que está situando a los agentes en el centro de la nueva generación de soluciones basadas en inteligencia artificial.
Aunque ambos pueden conversar con el usuario, un ‘chatbot’ y un agente de IA no hacen lo mismo. Un asistente conversacional puede explicar cómo realizar una transferencia, responder dudas sobre un producto financiero o resumir un contrato. Un agente, en cambio, puede consultar los sistemas necesarios, recuperar la información pertinente y, si dispone de autorización para ello, completar una operación sin que el usuario tenga que ir cambiando de aplicación o ejecutando cada paso manualmente.
Foto generada con IA.
La diferencia no está únicamente en que el sistema responda mejor, sino en que tiene agencia: la capacidad de actuar sobre un entorno para cumplir un objetivo.
Eso no significa que los agentes funcionen de manera completamente autónoma. Al contrario, su actuación está siempre condicionada por los permisos de los que disponen, las herramientas a las que pueden acceder y las reglas definidas por la organización que los desarrolla.
¿Qué capacidades definen a un agente?
No todos los agentes incorporan las mismas capacidades ni necesitan el mismo grado de autonomía. Más que clasificarlos en tipos cerrados, hoy resulta más útil entenderlos en función de las habilidades que combinan para resolver una tarea. Según el caso de uso, el nivel de riesgo o el entorno en el que operan, pueden incorporar unas capacidades u otras.
La primera es el razonamiento, que les permite interpretar una petición y decidir cómo abordarla. A partir de ahí entra en juego la planificación, con la que pueden dividir un objetivo complejo en una secuencia de pasos antes de ejecutarlo. Para completar esas tareas, los agentes utilizan herramientas como API, bases de datos, buscadores o aplicaciones corporativas. Gracias a ellas pueden consultar información, interactuar con otros sistemas o ejecutar procesos, en lugar de limitarse a generar una respuesta. Muchos también incorporan memoria, que les ayuda a conservar el contexto de una conversación, recordar preferencias del usuario o recuperar información relevante durante una tarea.
Otra capacidad importante es la observación, es decir, la posibilidad de recibir información del entorno y adaptar su comportamiento a medida que cambian las circunstancias. Finalmente, algunos agentes pueden ejecutar acciones autorizadas y operar bajo mecanismos de supervisión, como trazabilidad, evaluadores automáticos, guardarraíles o validación humana cuando el nivel de riesgo lo requiere.
La combinación de estas capacidades determina el grado de autonomía de un agente. Algunos se limitan a responder consultas o localizar información especializada; otros pueden automatizar procesos completos o incluso colaborar con otros agentes para resolver tareas más complejas.
Una tecnología que ya está presente en la banca
La banca es uno de los sectores donde este tipo de sistemas puede aportar más valor. Gran parte de su actividad se apoya en procedimientos bien definidos, información estructurada y procesos que requieren consultar múltiples aplicaciones o manejar grandes volúmenes de documentación.
Consciente del potencial de esta tecnología, BBVA ha reforzado su apuesta por la IA con la creación del área global de AI Transformation, encargada de impulsar el desarrollo y despliegue de agentes de inteligencia artificial en toda la organización. Su objetivo es acelerar la transformación del banco mediante plataformas y capacidades comunes que permitan desarrollar estos sistemas de forma más eficiente, segura y escalable, para ofrecer servicios financieros cada vez más inteligentes, proactivos y personalizados.
No obstante, no todos los procesos son igual de adecuados para incorporar agentes. Su potencial es mayor cuando trabajan sobre procedimientos bien definidos, con información fiable, datos de calidad y objetivos claramente delimitados. En cambio, resultan menos eficaces en tareas donde predominan la ambigüedad, la interpretación subjetiva o la falta de información estructurada.
La posibilidad de que un sistema actúe por sí mismo plantea inevitablemente una pregunta: ¿hasta dónde debe llegar esa autonomía? En un sector como el financiero, la respuesta pasa por combinar las capacidades de los agentes con un sólido marco de gobierno.
Los agentes no pueden acceder a cualquier dato ni ejecutar cualquier operación. Su ámbito de actuación está delimitado por permisos, controles de acceso, mecanismos de trazabilidad y supervisión continua. Además, determinadas decisiones requieren siempre validación humana, especialmente cuando pueden tener implicaciones económicas, legales o regulatorias.
El objetivo no es sustituir a las personas, sino automatizar aquellas tareas en las que la inteligencia artificial puede aportar rapidez, eficiencia o capacidad de análisis, manteniendo el control humano allí donde resulta imprescindible.
Foto generada con IA.
La regulación europea también avanza en esa dirección. La AI Act establece obligaciones en materia de transparencia, gestión del riesgo y gobernanza para los sistemas de inteligencia artificial, especialmente en ámbitos considerados de alto riesgo, como el financiero. Más que limitar la innovación, el reglamento busca garantizar que estas tecnologías se desarrollen y desplieguen de forma segura y responsable.
El siguiente paso de la inteligencia artificial
Los agentes de IA todavía se encuentran en una fase temprana de evolución, pero ya anticipan un cambio profundo en la forma en que las personas interactuarán con la tecnología. En los próximos años será cada vez más habitual que un usuario no tenga que navegar entre distintas aplicaciones para completar una tarea. Bastará con expresar un objetivo en lenguaje natural para que uno o varios agentes coordinen las acciones necesarias, consulten la información relevante y ejecuten el proceso dentro de los límites autorizados.
En el ámbito financiero, esto puede traducirse en experiencias más personalizadas para los clientes, una mayor automatización de procesos internos y nuevas herramientas de apoyo para los profesionales del banco.
El verdadero potencial de los agentes no reside únicamente en que comprendan mejor el lenguaje humano, sino en que sean capaces de conectar esa comprensión con los sistemas y procesos del mundo real. En definitiva, representan el paso de una inteligencia artificial que conversa a otra que también puede actuar.