Un chat contesta. Un equipo de agentes trabaja: las 3 claves del directo

La semana pasada anunciamos un directo con una pregunta que llevo haciéndome desde hace dos años: por qué, si las empresas ya tienen acceso a ChatGPT, a Copilot, a cursos y a tutoriales de todo tipo, la mayoría sigue sin automatizar ni un solo proceso real. No hablo de pegar un prompt para que te resuma un documento, que eso funciona bien. Hablo de automatizar el proceso comercial entero, o el ciclo de generación de informes, o la gestión de correos entrantes de principio a fin.

El 2 de junio hicimos ese directo. Fueron 31 minutos en los que intenté ir al grano sobre los 3 problemas que están bloqueando la automatización con IA en empresas europeas y sobre las 3 claves que, en nuestra experiencia de los últimos 25 años, sí que permiten resolverlo. Incluye una demo en vivo dentro de la plataforma AIFlock donde creamos un agente comercial desde cero.

Si no pudiste conectarte, aquí tienes el vídeo completo y después el resumen de lo que tratamos.

El directo completo

Si prefieres leer antes que ver el vídeo, a continuación tienes las 3 claves desglosadas con lo que contamos en el directo.

1 · El chat no sirve para automatizar procesos reales

El chat de IA, ya sea ChatGPT, Copilot, Gemini o Claude, funciona como una persona muy inteligente. Pero como cualquier persona, si le encargas un problema demasiado complejo se acaba saturando, se va por las ramas y se pierde. La cantidad de memoria que puede manejar a la vez es limitada, y cuando le pides un proceso empresarial real con muchos pasos encadenados, el resultado se degrada.

El ejemplo que usamos en el directo es el de cualquier departamento comercial: mírame los correos, clasifica cuáles son comerciales, de esos estúdiate toda la documentación de mis productos, búscate la web de la empresa que me ha escrito, mira a qué se dedican, cruza eso con lo que ya tenemos en el CRM y genera una propuesta personalizada. Eso es demasiado para un solo chat. Son demasiados pasos, demasiado contexto, y el chat acaba perdiéndose o inventando cosas. Las tasas de alucinación publicadas oscilan entre el 8 y el 86% dependiendo del modelo y la tarea, y el prompting no las elimina.

Lo que sí funciona es lo que llevamos viendo en el mundo del desarrollo de software con herramientas como Claude Code o Codex: en vez de tener un único chat que lo hace todo, montas una infraestructura con agentes especializados. Un equipo virtual donde uno analiza correos, otro investiga webs, otro redacta propuestas, y cada uno maneja su parte con instrucciones acotadas y herramientas concretas. El rendimiento medido con esa infraestructura multiplica por 35 lo que consigues con un chat solo.

Llevamos dos años construyendo exactamente eso, pero para procesos de empresa, no para código.

2 · Las alucinaciones se multiplican entre agentes si no tienes control

Hay un problema que va más allá de las alucinaciones y que es todavía más peligroso: el comportamiento emergente. Si un agente alucina y le pasa un dato incorrecto al siguiente agente, que a su vez se desvía un poco, y ese resultado llega a un tercero que toma otra decisión sobre datos ya contaminados, al final del proceso puede salir cualquier cosa. Es el mismo principio del efecto mariposa: un pequeño error al inicio puede generar un resultado completamente impredecible al final.

Esto lo trabajé directamente en NASA Goddard, cuando estuvimos diseñando sistemas de agentes para coordinar naves de exploración de asteroides y Marte. Allí no te podías permitir que las naves hicieran lo que les diera la gana ni que el comportamiento fuera impredecible. Lo que desarrollamos fueron mecanismos para que el resultado de cada pieza y la interacción entre todas ellas fuera verificable y controlable.

La clave es la misma que aplicamos ahora en AIFlock: procesos deterministas donde cada paso está definido, es visible, es editable y es auditable. No es un chat que decide por su cuenta qué hacer a continuación, sino un flujo donde cada agente tiene sus instrucciones acotadas, sus herramientas específicas y un resultado verificable. Y donde el humano siempre valida antes de que se ejecute cualquier acción crítica. Puedes ver el proceso entero, modificar cada paso, probarlo y, cuando lo tienes ajustado, dejarlo fijo para que se ejecute siempre de la misma forma.

3 · El AI Act ya exige trazabilidad y las multas son reales

Seguro que has visto las noticias recientes: multas de hasta 35 millones de euros por incumplimiento del AI Act y la GDPR. Si usas ChatGPT, Gemini, Manus o cualquier herramienta cuya infraestructura y cuyos servidores están en Estados Unidos para procesar datos empresariales, no cumples con la legislación europea de protección de datos. Y la ley europea no va solo hacia la privacidad, sino que va a más.

El AI Act exige algo que se llama transparencia algorítmica: que seas capaz de auditar qué ha hecho la IA, cuándo lo ha hecho, con qué datos y qué resultado ha producido. Un chat donde hoy le preguntas algo y te da un resultado, y mañana le preguntas exactamente lo mismo y te da otro diferente, no cumple con eso. Es una caja negra donde no puedes trazar qué ha ocurrido. Un proceso de negocio no puede ser una lotería.

Lo que sí cumple es tener procesos definidos con registro de cada paso y cada ejecución. Que si dentro de cinco días tienes una inspección o un presupuesto tiene un error, puedas ver cuándo se ejecutó ese proceso, quién lo ejecutó, cuáles fueron los resultados de cada paso, y puedas localizar exactamente dónde se produjo el descuadre para corregirlo. La infraestructura de AI Flock está en Europa: la aplicación en Hetzner Helsinki, los datos en Hetzner Falkenstein (Alemania) y los modelos de Claude en AWS Bedrock, en regiones de la UE. Más detalle sobre la arquitectura en aiflock.ai.

Las 3 claves: no mejores prompts, mejor arquitectura

El resumen de lo que contamos en el directo se condensa en tres ideas.

Agentes especializados. Tomar un problema complejo, dividirlo en trozos pequeños y tener un agente de IA especializado en cada trozo, conectado a las herramientas y a la documentación que necesita. No inventa porque trabaja con lo que tú le das.

Procesos deterministas. Flujos de trabajo definidos que puedes ver visualmente, probar, ajustar y dejar fijos. Y que puedes auditar a futuro para ver qué ejecuciones ha habido, quién las hizo y dónde estuvo el problema si algo falló.

El humano decide. Validación humana antes de toda acción crítica. La IA propone. Tú decides. Siempre.

Lo que vimos en la demo

En el directo hicimos una demostración real dentro de la plataforma. Le pedimos a AIFlock que creara un agente que analizara las webs de clientes potenciales y extrajera toda la información relevante para hacer un trabajo comercial: a qué se dedican, cuál es su propuesta de valor, su situación y contexto. En unos minutos el agente estaba configurado con sus instrucciones, sus herramientas y su comportamiento, todo generado por la plataforma.

A partir de ahí empiezas a hablar con el agente, le pides cosas, le corriges lo que no te gusta, le das instrucciones más específicas, y va aprendiendo cómo quieres que se comporte. Cuando lo tienes listo, lo integras en procesos más complejos con otros agentes.

El siguiente paso fue pedirle a la plataforma un proceso completo: analizar correos, clasificar los comerciales, investigar las empresas, cruzar con productos y generar propuestas. La plataforma montó un plan automáticamente usando todos los agentes disponibles, incluido el que acabábamos de crear. En lenguaje natural, sin necesidad de programar nada, y con trazabilidad completa de cada paso.

Si quieres probarlo, crea tu cuenta y pruébalo con tus documentos.

Cuéntanos un proceso

Si algo de lo que has leído o visto en el directo encaja con un proceso real de tu empresa que te gustaría automatizar, cuéntanos ese proceso. En 30 minutos hacemos un diagnóstico técnico: si tiene sentido automatizarlo con esta arquitectura, qué agentes necesitarías y cuánto tiempo ahorraría tu equipo.

Y si prefieres profundizar primero, crea tu cuenta y prueba la plataforma con tus documentos. Estamos preparando los siguientes directos con casos específicos por sector, así que escríbenos con el proceso que más te interesa automatizar y lo usaremos como caso real en la próxima sesión.

La IA quita trabajo, no personas. Empecemos a usar estas tecnologías para liberar tiempo y que las personas puedan atender mejor a sus clientes, hacer mejores productos y aportar más valor.