Un chatbot responde.
Un agente ejecuta, comprueba y vuelve a intentarlo.
La palabra "agente" se usa hoy para casi cualquier cosa con IA dentro, y por eso ha dejado de significar nada. Esta guía usa una definición operativa —una que se puede comprobar mirando la herramienta— y con ella recorre qué hacen hoy de verdad los agentes de IA, dónde fallan y cuáles puedes usar.
La definición que sirve
Un agente es el que decide los pasos
Las definiciones académicas hablan de percepción, entorno y autonomía, y no ayudan a decidir nada. Hay una más útil porque es comprobable: un agente es un sistema que, dado un objetivo, decide él mismo qué pasos dar, los ejecuta y comprueba el resultado.
Un chatbot te devuelve texto. Le preguntas cómo desplegar tu aplicación y te explica cómo. La ejecución sigue siendo tuya, y el texto puede ser correcto y aun así inútil si algo en tu entorno no encaja.
Una automatización ejecuta pasos, pero los pasos los escribiste tú antes: un flujo de Zapier o de n8n hace exactamente lo que dibujaste, siempre igual. Es su virtud y su límite — cuando la realidad se desvía del dibujo, falla.
Un agente ejecuta pasos que no le diste. Le dices el objetivo, mira el estado real de las cosas, elige, actúa, ve lo que pasó y corrige. Ahí está su valor y también su riesgo: por la misma razón que se adapta, no es reproducible, y eso lo descarta para procesos que deben salir idénticos siempre.
El panorama
Seis herramientas y para qué sirve cada una
Ordenadas por tipo de trabajo, no por popularidad. Las de código abierto están marcadas como tales; ninguna lleva enlace de afiliado.
Claude Code, Aider
Agentes que trabajan sobre tu repositorio desde la línea de comandos: leen el proyecto, editan archivos, ejecutan pruebas. Aider es de código abierto; Claude Code es propietario y va con la suscripción de Anthropic.
Manus
Servicio en la nube pensado para que alguien sin conocimientos técnicos describa una idea y reciba una aplicación desplegada. Todo ocurre en su infraestructura, y se paga con créditos consumibles.
CrewAI, LangGraph
Bibliotecas de Python para montar tu propio sistema multiagente. No se instalan y se usan: se programan. De código abierto, y con el coste de que mantienes un proyecto interno.
n8n, Zapier
Herramientas de flujos que han añadido nodos de IA. Siguen siendo deterministas —tú dibujas los pasos— y por eso son la respuesta correcta cuando el proceso es estable y de alto volumen.
Lienox
Aplicación de escritorio que corre varios agentes en tu máquina con tus propias llaves de IA, con navegador de agentes, tablero y tareas programadas. Propietaria, con plan Free permanente. Es nuestra: tenlo en cuenta al leer el resto.
Ollama, llama.cpp
La capa de debajo: sirven modelos de pesos abiertos en tu equipo. No son agentes, pero son lo que hace falta si el requisito es que ningún dato salga de tu red.
Las diferencias, ordenadas
Chatbot, automatización y agente comparados
La mayoría de las decepciones con "agentes" vienen de elegir la columna equivocada para el problema que se tenía.
| Aspecto | Chatbot / Automatización | Agente |
|---|---|---|
| Quién decide los pasos | Tú, antes de ejecutar | El sistema, mientras ejecuta |
| Qué pasa si algo cambia | Falla, y hay que editarlo | Lo ve y se adapta — o se equivoca de forma nueva |
| Reproducibilidad | Idéntica en cada ejecución | Variable: dos ejecuciones pueden diferir |
| Coste por ejecución | Predecible | Variable, y sube con la longitud de la tarea |
| Trabajo que le va bien | Volumen alto, reglas claras, cero excepciones | Casos con criterio, excepciones y contexto cambiante |
| Cómo se supervisa | Registro de ejecución paso a paso | Hay que revisar el resultado, no sólo el registro |
| Riesgo principal | Que se rompa en silencio al cambiar una API | Que haga algo plausible y equivocado con confianza |
Qué hacen hoy de verdad
Cinco tareas, con lo que sale mal en cada una
Escribir y arreglar código en un proyecto real
Es lo más maduro con diferencia. Funciona bien en proyectos con pruebas y estructura clara. Sale mal en repositorios grandes sin tests: el agente hace un cambio plausible, nada lo contradice, y el fallo aparece tres días después.
Investigar y resumir con fuentes
Buscar, abrir, leer y sintetizar es de lo que mejor se le da hoy. El fallo típico no es inventar la fuente sino confiar demasiado en la primera que encuentra: pídele explícitamente que contraste y que diga cuándo no encontró nada sólido.
Operar interfaces web sin API
Un agente con navegador rellena formularios, extrae datos de paneles y hace comprobaciones que ninguna API expone. Falla con captchas, con autenticaciones de dos factores y con interfaces que dependen de arrastrar y soltar con precisión.
Vigilar y avisar
Revisar cada mañana si algo cambió y contarlo en dos líneas es un uso poco vistoso y de los más rentables. El fallo habitual es que avise demasiado: hay que decirle explícitamente que calle cuando no hay nada que contar.
Preparar trabajo para que tú decidas
El borrador, la comparativa, la lista con lo que hay que revisar. Es el patrón con mejor relación entre valor y riesgo, porque el error nunca llega al mundo sin que una persona lo vea. Si estás empezando, empieza por aquí.
Cómo se le pide algo a un agente
La instrucción importa más que la herramienta
La diferencia entre un agente que sirve y uno que decepciona casi nunca está en el modelo: está en cómo se le encarga el trabajo. Tres reglas cubren la mayor parte.
Di el objetivo, no los pasos. Si le dictas los pasos estás usando una automatización cara. El valor aparece cuando le das el resultado que quieres y el criterio para juzgarlo.
Dile qué hacer cuando no sepa. El fallo más caro de un agente es inventar algo plausible antes que admitir que no encontró nada. Una frase —"si no encuentras algo sólido, dilo y para"— elimina buena parte del problema.
Preguntas frecuentes
Agentes de IA
¿Qué es un agente de IA?
Un sistema que, dado un objetivo, decide él mismo qué pasos dar, los ejecuta y comprueba el resultado. La diferencia con un chatbot es que ejecuta en vez de sólo responder; la diferencia con una automatización es que los pasos no estaban escritos de antemano. Esa segunda diferencia es la que importa al elegir herramienta.
¿En qué se diferencia un agente de IA de un chatbot?
Un chatbot devuelve texto y la ejecución sigue siendo tuya. Un agente actúa sobre el mundo: abre archivos, ejecuta comandos, navega, escribe. La consecuencia práctica es que un agente puede equivocarse haciendo, no sólo diciendo, y por eso conviene empezar por tareas donde el error lo revise una persona antes de salir.
¿Para qué sirven los agentes de IA hoy?
Con resultados sólidos: escribir y arreglar código en proyectos con pruebas, investigar y resumir con fuentes, operar interfaces web que no tienen API, vigilar cosas y avisar, y preparar borradores para que una persona decida. Con resultados irregulares: procesos largos sin supervisión, cualquier cosa que dependa de captcha o doble factor, y tareas que exigen salir idénticas siempre.
¿Los agentes de IA sustituyen a las automatizaciones tipo Zapier?
No, y creer que sí es un error caro en las dos direcciones. Para un proceso estable, de alto volumen y sin excepciones, una automatización determinista es más barata, más rápida y más auditable. Los agentes ganan justo donde esas herramientas sufren: excepciones, criterio y herramientas sin API. Lo normal es acabar usando las dos cosas.
¿Cuál es el mejor agente de IA?
Depende del trabajo, y quien conteste otra cosa está vendiendo. Para código en un repositorio, un agente de terminal como Claude Code o Aider. Para construir una app sin tocar código, un servicio cloud como Manus. Para automatizar varios frentes desde tu propia máquina con tus llaves, un orquestador local como Lienox. Para montar un sistema a medida, CrewAI o LangGraph.
¿Son seguros los agentes de IA?
El riesgo real no es que se rebelen: es que hagan algo plausible y equivocado con mucha confianza, y que tengan permisos para que eso importe. Las tres medidas que de verdad cambian el resultado son dar permisos mínimos, empezar por tareas cuyo resultado revisa una persona, y ejecutar en un entorno donde puedas ver y revertir lo que hicieron.
¿Cuánto cuesta usar un agente de IA?
Hay dos facturas y conviene mirarlas por separado. La plataforma —suscripción, créditos o nada si es de código abierto— y la inferencia del modelo, que en tareas agenticas sube más rápido de lo que la gente espera porque cada paso relee el contexto acumulado. Los modelos de precio plano protegen de la primera; de la segunda sólo protege elegir bien el modelo y acotar la tarea.
Prueba un agente con una tarea que ya te moleste
Gratis para siempre en Linux, Windows y macOS. Corre en tu equipo, con tus propias llaves de IA.