Decidir si el caso necesita un agente

Un agente no es la versión «más avanzada» de un workflow. Es una arquitectura distinta: el modelo participa en la elección de los pasos que ejecutará para conseguir un objetivo. Esa flexibilidad puede resolver tareas cuyo camino depende de lo que se descubre durante la ejecución, pero introduce variabilidad, coste, latencia y una superficie de riesgo mayor.

Por eso la primera competencia del curso es saber no construir un agente.

Distingue cuatro patrones

Asistencia

El modelo produce contenido para una persona:

entrada → modelo → borrador → persona

Ejemplo: resumir un documento o proponer una respuesta.

Función LLM dentro de un workflow

El proceso está definido y la IA ocupa un paso concreto:

evento → extracción → validación → clasificación LLM → regla → acción

La ruta no la decide el modelo.

Workflow con decisiones acotadas

El modelo puede seleccionar entre ramas conocidas:

intención → elegir rama A/B/C → pasos predefinidos

Sigue existiendo un grafo de ejecución diseñado por la aplicación.

Agente

El sistema observa el entorno, decide qué acción tomar, ejecuta una herramienta, interpreta el resultado y vuelve a decidir:

objetivo → observar → decidir → actuar → observar → ... → terminar

Anthropic utiliza una distinción útil: en los workflows, LLMs y tools están orquestados mediante rutas predefinidas; en los agentes, el modelo dirige dinámicamente el proceso y el uso de herramientas.

La pregunta correcta

No preguntes:

«¿Podemos hacer esto con un agente?»

Pregunta:

«¿Qué parte de la ruta no podemos especificar razonablemente por adelantado y qué valor aporta permitir que el modelo la elija?»

Si la respuesta es «ninguna», un workflow suele ser preferible.

Señales a favor de un agente

Un caso puede justificar autonomía cuando:

• la secuencia de pasos depende de información descubierta durante la tarea;
• existe un espacio amplio de acciones posibles;
• la tarea requiere investigar, comparar, corregir y continuar;
• el número de iteraciones no puede fijarse de forma simple;
• el modelo necesita decidir qué herramienta usar y con qué orden;
• existen caminos alternativos válidos;
• es posible verificar progreso y resultado.

Ejemplo: investigar una incidencia compleja en varios sistemas, seguir evidencias y decidir qué consulta realizar después.

Señales en contra

Mantén un workflow si:

• el proceso está regulado por pasos fijos;
• las excepciones son pocas y conocidas;
• el efecto de un error es alto y difícil de revertir;
• no existe una métrica clara de finalización;
• el agente tendría que «adivinar» reglas de negocio;
• la tarea puede resolverse con una consulta, una regla o una llamada LLM;
• las herramientas conceden privilegios excesivos;
• el valor de la flexibilidad no compensa coste y supervisión.

Una aprobación de pagos con condiciones conocidas no necesita un agente para «razonar libremente» sobre si debe pagar.

Coste de la autonomía

Un agente añade, como mínimo:

• más llamadas;
• más tokens;
• más estado;
• más caminos posibles;
• más fallos parciales;
• más decisiones difíciles de reproducir;
• más necesidades de observabilidad;
• más riesgo de tool abuse;
• más evaluación.

Anthropic recomienda empezar por la solución más simple posible y aumentar complejidad únicamente cuando la tarea lo justifique.

Define la unidad de autonomía

No todo el sistema necesita ser agentic.

Puedes tener:

workflow determinista → subproblema agentic → workflow determinista

Ejemplo:

1. entra una incidencia;
2. reglas determinan si cumple requisitos;
3. un agente investiga causas;
4. devuelve un dossier;
5. una persona aprueba;
6. el workflow ejecuta la resolución.

La autonomía queda encerrada donde aporta valor.

Compara con una baseline

Antes de construir el agente, crea una solución más simple:

• una sola llamada;
• una llamada + RAG;
• un workflow;
• un workflow con tool routing limitado.

Mide:

• éxito;
• tiempo;
• coste;
• errores;
• revisión humana.

El agente debe demostrar mejora sobre esa baseline en una tarea donde la diferencia importe.

Ejemplo: investigación de un fallo B2B

Una empresa recibe una incidencia: «el cliente no ha recibido el informe».

Un workflow fijo puede comprobar:

1. si el informe existe;
2. si se generó;
3. si se envió;
4. si el email rebotó.

Si el 95 % de casos se resuelve con esas cuatro comprobaciones, no necesitas un agente para todos.

El agente puede reservarse para el 5 % restante, donde necesita inspeccionar logs, comparar ejecuciones, consultar documentación y formar una hipótesis.

Ejercicio

Elige tres tareas y crea una tabla:

Para cada una decide:

• asistencia;
• workflow;
• workflow con decisión limitada;
• agente.

Justifica con evidencia qué flexibilidad necesitas.

Resultado de la lección

Debes terminar con una decisión arquitectónica, no con entusiasmo por la tecnología. Construirás un agente solo cuando el problema necesite decisiones dinámicas dentro de un entorno controlable y cuando exista una forma real de demostrar que esa autonomía mejora el resultado.