Automatización tradicional
Reglas y eventos exactos: SI condición, ENTONCES acción. Determinista, barata y predecible. Para copiar archivos, horarios fijos, validaciones exactas y mensajes por condición.
Automatizar con IA: cuándo tiene sentido y cómo empezar
Quiero automatizar tareas utilizando IA. ¿Cuándo tiene sentido y cómo empiezo?
Si una tarea puede resolverse con una regla exacta del tipo 'SI condición, ENTONCES acción exacta' de forma determinista y estable (copiar un archivo, ejecutar un proceso a horario, validar un campo fijo, enviar un mensaje por una condición exacta), probablemente no necesite IA: una automatización tradicional es más barata, más rápida y más predecible.
La IA aporta valor cuando las entradas son menos estructuradas: clasificar texto, extraer información, interpretar solicitudes, resumir, generar contenido, procesar documentos o decidir entre alternativas dentro de límites definidos. Esta página explica cómo combinar ambas y cuándo poner a una persona en el medio.
Qué podés hacer
- Clasificar solicitudes o mensajes entrantes
- Extraer datos de documentos o correos
- Interpretar solicitudes escritas en lenguaje natural
- Resumir contenido antes de derivarlo
- Generar respuestas o documentos de rutina
- Derivar casos según su contenido
- Procesar documentos con formato variable
- Decidir entre alternativas dentro de límites definidos
- Preparar borradores para aprobación humana
- Detectar casos que necesitan revisión manual
Automatización tradicional vs automatización con IA vs agentes
Automatización con IA
Uno o más pasos usan IA para entradas no estructuradas (clasificar, extraer, interpretar, resumir, generar) dentro de un flujo definido. Los demás pasos siguen siendo reglas.
Workflow
Flujo definido paso a paso: cada etapa y su orden están fijados de antemano, aunque alguna etapa use IA.
Agente
Puede seleccionar acciones y herramientas dinámicamente dentro de límites definidos. Más flexible, pero también más difícil de predecir y controlar. Agente no es sinónimo de automatización.
Herramientas y APIs
Conceptos para conectar piezas: APIs, webhooks, llamadas a herramientas (tool calling / function calling), MCP, trabajos programados, colas y conectores. Sin atarse a una plataforma comercial.
Patrón de automatización
No todos los pasos necesitan IA: usala solo donde la entrada es ambigua y dejá reglas donde la lógica es exacta.
- Evento: qué dispara el flujo (llegada de un mensaje, un horario, un documento nuevo)
- Datos: qué información entra y de dónde sale
- IA o regla: decidir paso por paso qué resuelve una regla exacta y qué necesita IA
- Decisión: qué se resuelve solo y qué requiere aprobación
- Herramienta: qué acción ejecuta el sistema (derivar, responder, registrar)
- Acción: ejecución con los permisos mínimos necesarios
- Validación: revisión humana en aprobaciones, excepciones y acciones sensibles
- Registro: logs de cada ejecución para auditar, medir y revertir
Control de confianza: la IA clasifica la solicitud; si la confianza es suficiente se procesa, si no pasa a revisión humana. Las aprobaciones, excepciones y acciones sensibles siempre pasan por una persona.
Qué necesitás saber
Conceptos explicados en las guías existentes. Se escriben una vez y se reutilizan: son las mismas guías de la sección Explorar IA.
¿Qué es un agente de IA?
Un agente percibe, decide y actúa con herramientas para cumplir un objetivo. En qué se diferencia de un chatbot y de un modelo, y el ejemplo conceptual del ciclo completo.
Leer guíaHerramientas, function calling y MCP
Sin herramientas no hay agente: cómo el modelo invoca funciones, qué es el protocolo MCP y por qué el diseño de herramientas decide la confiabilidad.
Leer guíaMemoria, planificación y orquestación
Cómo recuerdan los agentes, cómo dividen objetivos en pasos, qué es orquestar y cuándo usar subagentes o sistemas multiagente (y cuándo no).
Leer guíaRAG, supervisión humana y riesgos de los agentes
RAG y agentes no son lo mismo (pero combinan bien), qué es human-in-the-loop y los siete riesgos que hay que diseñar desde el día uno.
Leer guíaPrompt chaining, descomposición y context engineering
El prompting moderno excede el texto del prompt: dividir tareas, encadenar pasos y diseñar todo el contexto (datos, herramientas, memoria, instrucciones).
Leer guíaAPI, plataforma y hosting de modelos
Qué es la API de un modelo, qué da una plataforma además de la API, qué significa que un modelo esté hospedado por terceros y cuándo conviene la nube o lo local.
Leer guíaStructured outputs y formatos de respuesta
Cuando la respuesta la va a leer un programa, pedirle el formato en prosa no alcanza: esquemas, salidas estructuradas y llamadas a funciones.
Leer guíaModelos relacionados
Modelos con capacidades de agentes o llamada a herramientas confirmadas en el catálogo. Sin ranking: cada ficha muestra estado y contexto verificados.
Prompts para practicar
Plantillas del Laboratorio de Prompting para objetivos, herramientas, límites y finalización de agentes.
- Instrucciones para un agente (Avanzado)
- Diseñar llamada a función (tool) (Técnico)
Riesgos y límites
- Bucles: el flujo se dispara a sí mismo sin condición de parada
- Acciones incorrectas ejecutadas a escala y velocidad
- Permisos excesivos: la automatización puede hacer más de lo previsto
- Costos inesperados por volumen de ejecuciones o de uso de IA
- Inyección de instrucciones (prompt injection) desde datos externos
- Datos externos no confiables tratados como instrucciones
- Acciones duplicadas por reintentos sin control
- Falta de idempotencia: repetir la ejecución produce efectos repetidos
- Ausencia de logs: nadie sabe qué hizo el sistema
- Falta de rollback: no hay forma de deshacer
- Automatización silenciosa de errores: fallar sistemáticamente sin que nadie lo note
Próximo paso
Abrir ¿Qué IA necesito? Aprender sobre agentes Aprender prompting Prompts para agentes Ver herramientas de IA