Tu primer agente de IA paso a paso

Hace un año, montar un agente de IA sonaba a proyecto de laboratorio. Hoy es algo que un founder puede tener funcionando en una tarde. La diferencia no es que los modelos sean mágicos, sino que las piezas para conectarlos —herramientas, memoria, ejecución— por fin encajan sin fricción.

En Lanzadoria nos gusta aprender construyendo, así que esta guía no es teórica. Vamos a levantar juntos un caso real: un agente que recibe correos de soporte, los clasifica y redacta una respuesta para que una persona solo tenga que revisar y enviar. Es un proyecto pequeño, útil y perfecto para entender de verdad cómo funciona un agente por dentro.

Qué es realmente un agente de IA

Conviene empezar con una definición rotunda, porque hay mucha confusión. Un agente de IA es un sistema que usa un modelo de lenguaje para razonar sobre un objetivo, decidir qué pasos dar y ejecutar acciones reales a través de herramientas, repitiendo el ciclo hasta cumplir su tarea.

La palabra clave es acciones. Un chatbot normal solo responde texto. Un agente, en cambio, puede consultar una base de datos, llamar a una API, enviar un correo o crear un registro. El modelo es el cerebro que decide; las herramientas son las manos que actúan.

Un agente tiene casi siempre cuatro componentes. Entenderlos te ahorrará muchas horas de confusión:

Cuando alguien dice que "construyó un agente", lo que hizo fue ensamblar estas cuatro piezas alrededor de un objetivo concreto. Ni más, ni menos.

El caso: un agente que tría el soporte

Elegimos este caso por una razón muy práctica: casi todos los negocios reciben correos repetitivos. "¿Cómo cambio mi contraseña?", "¿Tenéis factura?", "Quiero cancelar". Responderlos a mano consume horas y desmotiva al equipo.

Nuestro agente tendrá un objetivo único y medible: leer un correo de soporte, asignarle una categoría y proponer un borrador de respuesta en el tono de la marca. No enviará nada por su cuenta —una persona revisa y aprueba— y eso es deliberado. Empezar con un humano en el bucle reduce el riesgo y genera confianza.

Fíjate en lo que NO hace: no gestiona reembolsos, no accede al sistema de facturación, no toma decisiones irreversibles. Esa contención es lo que hace viable un primer agente. La ambición vendrá después.

Paso 1: define el objetivo y los límites

Antes de tocar nada, escribimos en una frase qué hace el agente y, sobre todo, qué no hace. Este documento de una línea es el contrato del proyecto.

Para nuestro caso quedó así: "Clasifica cada correo entrante en una de cinco categorías y redacta un borrador de respuesta; nunca envía correos ni accede a datos de pago."

Definir los límites por adelantado no es burocracia, es seguridad. Un agente sin límites claros es como dar las llaves del coche a alguien que aún no sabe conducir. Pregúntate siempre:

• ¿Qué acciones puede ejecutar de forma autónoma?
• ¿Qué acciones requieren aprobación humana?
• ¿A qué datos NO debe tener acceso jamás?
• ¿Qué hace el agente cuando no está seguro?

Esa última pregunta es de oro. Un buen agente sabe decir "no estoy seguro, lo derivo a una persona". Esa humildad programada evita la mayoría de los desastres.

Paso 2: elige el modelo y las herramientas

Con el objetivo claro, elegimos las piezas. Para la mayoría de agentes de soporte, un modelo de lenguaje moderno de gama media es más que suficiente; no necesitas el modelo más caro para clasificar correos. La recomendación práctica es empezar por uno equilibrado en coste y calidad, y subir de gama solo si las pruebas lo piden.

Las herramientas son la parte divertida. Nuestro agente necesita pocas y bien definidas:

1. Leer correo: recibe el asunto y el cuerpo del mensaje entrante.
2. Guardar clasificación: escribe la categoría asignada en la base de datos.
3. Buscar en las FAQ: recupera respuestas oficiales para fundamentar el borrador.

Un principio que repetimos sin cansancio: empieza con el mínimo de herramientas posible. Cada herramienta nueva multiplica las formas en que el agente puede equivocarse. Tres herramientas que funcionan baten siempre a diez a medias.

En el plano técnico, toda esta lógica vive en el servidor. Las claves de los modelos nunca viajan al navegador, y las herramientas se exponen como funciones controladas que el agente puede invocar pero no modificar. Si construyes sobre un stack moderno como Next.js, colocar estas llamadas dentro de rutas de API mantiene el sistema ordenado y seguro.

Paso 3: escribe el prompt de sistema

El prompt de sistema es el alma del agente. Es donde le explicas quién es, qué objetivo persigue, qué tono usa y qué nunca debe hacer. Un buen prompt convierte un modelo genérico en un especialista de tu negocio.

La estructura que mejor nos funciona tiene cuatro bloques:

• Rol e identidad: "Eres el asistente de soporte de Acme, una tienda de material de oficina."
• Objetivo concreto: "Tu tarea es clasificar el correo y redactar un borrador claro y cálido."
• Reglas y límites: "Nunca prometas reembolsos. Si el cliente pide algo fuera de tu alcance, deriva a una persona."
• Formato de salida: "Responde siempre con la categoría y, debajo, el borrador."

Escribe el prompt como le explicarías el puesto a un empleado nuevo en su primer día: con contexto, ejemplos y expectativas claras. La vaguedad en el prompt se traduce en vaguedad en los resultados. Si quieres un tono determinado, muéstraselo con uno o dos ejemplos reales; los modelos imitan mucho mejor de lo que obedecen.

Paso 4: prueba con casos reales y mide

Aquí es donde un agente deja de ser un juguete y se vuelve fiable. Reúne diez o quince correos reales (anonimizados) que representen los casos típicos y los raros. Pásalos por el agente y revisa cada salida con ojo crítico.

Nosotros llevamos una tabla simple con tres columnas: el correo, lo que hizo el agente y si acertó. Tras la primera ronda, lo normal es ver patrones de error: confunde dos categorías, usa un tono demasiado formal, inventa una política que no existe. Cada error es una pista para afinar el prompt o añadir un ejemplo.

Mide algo concreto desde el inicio. En nuestro caso, la métrica fue "porcentaje de borradores que el humano aprueba sin editar". Empezamos en un 40 % y, tras tres rondas de ajuste del prompt, llegamos al 80 %. Sin una métrica, "mejorar el agente" es una sensación; con ella, es un proceso.

Un consejo de campo: guarda un registro de cada decisión del agente. Cuando algo salga raro en producción, ese historial será la diferencia entre arreglarlo en cinco minutos o pasarte la tarde adivinando.

Errores que casi todos cometemos (y cómo evitarlos)

Después de acompañar a decenas de equipos en su primer agente, vemos siempre los mismos tropiezos. Te los adelantamos para que te los ahorres:

• Darle demasiada autonomía de golpe. Empieza con el humano aprobando todo y suelta el control poco a poco, a medida que ganes confianza en los datos.
• Prompts vagos. "Sé útil" no es una instrucción. "Clasifica en estas cinco categorías y deriva si dudas" sí lo es.
• No medir nada. Sin métrica no sabes si vas mejor o peor tras cada cambio.
• Demasiadas herramientas. Cada capacidad extra es una superficie nueva de fallo. Añade solo cuando el agente domine lo anterior.
• Ignorar los casos límite. Los correos raros son donde el agente se rompe. Inclúyelos en tus pruebas desde el principio.

La lección de fondo es siempre la misma: un agente excelente nace pequeño, contenido y medido, y crece solo cuando se lo ha ganado. La paciencia, en este terreno, es una ventaja competitiva.

Conclusión: empieza hoy, en pequeño

Construir tu primer agente de IA es una de las mejores inversiones de aprendizaje que puedes hacer este año. No por el agente en sí, sino porque entender cómo razona, decide y actúa te cambia la forma de ver todo el software que viene.

Nuestra recomendación es directa: elige una tarea repetitiva y acotada de tu negocio, dale al agente dos o tres herramientas, escribe un prompt de sistema cuidado y pruébalo con casos reales antes de soltarle las riendas. Empieza con un humano en el bucle, mide una sola métrica y mejora ronda a ronda. Antes de lo que crees, tendrás un colaborador incansable trabajando a tu lado.