Durante años, el RPA prometió a las empresas algo simple: enséñele los clics a un bot y el proceso se ejecuta solo. Funcionó para las transacciones que siguen el flujo sin excepciones. El resto se convirtió en un segundo empleo para los equipos de operaciones, que reenvían excepciones a la bandeja del bot y las resuelven a mano.
La automatización agéntica, es decir, un LLM con herramientas, memoria y políticas, cierra esa brecha. Donde el RPA aplica reglas, los agentes razonan. Donde el RPA se rompe ante lo nuevo, los agentes clasifican y actúan. Pero los agentes también son probabilísticos y fallan de maneras que el RPA nunca lo hizo.
Cuándo usar un agente (y cuándo no)
Una regla útil: si el proceso se puede describir como un árbol de decisión que recorre un analista junior, y las decisiones dependen de leer información no estructurada, el agente se justifica. Si el proceso es una secuencia fija de pasos deterministas, el RPA sigue siendo más barato, más rápido y más seguro.
- Use un agente: codificación de cuentas por pagar según política, recepción y clasificación de documentos, soporte de TI de primer nivel.
- Mantenga el RPA: asientos del cierre mensual, conciliaciones bancarias, actualizaciones en el sistema de registro, generación de reportes.
- Combínelos: el agente decide y el RPA ejecuta los clics. Ahí viven las mejores arquitecturas.
Cinco elementos que todo agente en producción necesita
- Herramientas acotadas. El agente recibe una caja de herramientas pequeña (leer esta cola, llamar a esa API, registrar en aquel ERP), no un navegador abierto y buena suerte.
- Recuperación de información. Cada decisión se apoya en sus políticas, sus contratos y su catálogo de productos. Ningún agente razona solo con datos de entrenamiento.
- Revisión humana. Todo lo que supere un umbral, como un pago, un reembolso o un cambio de crédito, se detiene para que lo revise una persona.
- Observabilidad. Cada prompt, llamada a herramienta y resultado queda registrado con la identidad del operador y el costo. Si no puede reproducir una decisión, no puede operar un agente.
- Apagado inmediato. Un solo indicador en la configuración pausa al agente. Todo agente de SabanaTech lo incluye.
Una arquitectura de referencia
Nuestra referencia es así: un LLM planificador enruta el trabajo; una capa de recuperación lo apoya en su conocimiento; una capa de herramientas expone acciones seguras; el RPA ejecuta los clics que las herramientas no alcanzan; una capa de controles aplica la política; una capa de revisión humana detiene los movimientos riesgosos; y una capa de observabilidad lo registra todo.
Dos patrones importan más que cualquier stack. Primero, el estado vive fuera del agente, en una cola, una base de datos o su sistema de registro, nunca solo en la ventana de contexto del modelo. Segundo, cada acción del agente es idempotente y reversible, o queda en cuarentena detrás de una persona.
La lógica económica
Hoy los agentes no son más baratos que el RPA por transacción. Se vuelven más baratos cuando se cuenta la cola de excepciones que el RPA deja atrás. Nuestro caso de agente de cuentas por pagar opera por menos de cuarenta centavos de dólar por factura, y lo que no puede resolver lo escala a personas en lugar de fallar en silencio.
“Si el modelo es barato y la acción es reversible, los agentes superan a las personas en costo. Si alguno de esos supuestos falla, se necesita revisión humana.”
Por dónde empezar la próxima semana
Elija un proceso con muchas excepciones, políticas claras y acciones reversibles. Mida primero el estado actual. Luego ponga en marcha un agente acotado detrás de una revisión humana. Aprenderá más de eso que de cualquier taller de preparación.