Automatismo, IA, agente: no son lo mismo
Las tres palabras se usan como sinónimos. Yo mismo, al principio, las mezclaba sin ver el problema.
La confusión es entendible. La velocidad con la que aparecen herramientas nuevas y las ganas de probarlas rápido juegan en contra de detenerte a pensar. Uno mira un workflow de n8n con un nodo de OpenAI y dice “armé un agente”. Mira un cron job que ejecuta un script y lo bautiza “automatización inteligente”.
Las tres cosas existen. Y son distintas. Y la diferencia define qué problema podés resolver, con qué costo y con qué nivel de control.
Automatismo.
Una secuencia de reglas determinísticas. Si pasa X, ejecuto Y. Sin criterio propio. Sin interpretación.
Ejemplos: una rutina de Zapier que mueve datos de un Google Sheet a un CRM cuando aparece una fila nueva. Un cron job que corre todas las noches y exporta un reporte. Un proceso de RPA que copia datos de una pantalla a otra.
Plataformas conocidas: Zapier, Make, n8n, Microsoft Power Automate, UiPath.
El automatismo es predecible. Lo cual es a la vez su gran virtud y su límite. No falla, salvo que el entorno cambie. Y no maneja ambigüedad: si el input no encaja en la regla, no sabe qué hacer.
IA (modelo).
Capacidad cognitiva. Procesa lenguaje, imagen, audio o contexto y genera una respuesta basada en patrones aprendidos en su entrenamiento.
Ejemplos: ChatGPT, Claude, Gemini cuando los usás como interlocutor. Una API de OpenAI que recibe un texto y devuelve un resumen. Un modelo de visión que clasifica una factura.
Modelos conocidos: ChatGPT (OpenAI), Claude (Anthropic), Gemini (Google), Copilot (Microsoft), DALL-E, Midjourney.
La IA, por sí sola, no actúa. Comprende y responde. Si querés que mueva un dato, mande un mail o ejecute un proceso, hay que ponerle ese trabajo encima.
Agente.
IA + capacidad de actuar + criterio para decidir cuándo y cómo hacerlo.
Un agente recibe un objetivo (no una instrucción paso a paso), elige las herramientas que necesita, ejecuta acciones, evalúa los resultados y ajusta. Puede recorrer varios pasos sin que se los dictes.
Ejemplos: Claude Code resolviendo una tarea de programación con archivos reales. Cowork organizando documentos en una carpeta. Un agente personalizado que cada mañana revisa el correo, identifica lo urgente y arma un resumen accionable.
Agentes y entornos conocidos: Claude Code, Cowork, Cursor, GitHub Copilot Workspace.
La diferencia con un automatismo es el criterio. La diferencia con una IA pura es la acción.
Las combinaciones reales.
En la práctica, casi ningún flujo es “puro”. Lo más común son combos:
- Un automatismo que dispara una llamada a una IA y guarda el resultado. Ejemplo: cuando llega un mail nuevo, lo paso por un modelo que extrae los datos importantes y los carga en una base. El esqueleto es automatismo; la parte cognitiva, IA.
- Un agente que dispara automatismos. Ejemplo: el agente decide que tiene que enviar un reporte, y para hacerlo ejecuta un workflow de n8n que ya estaba armado. El criterio es del agente; la ejecución la delega.
- Varios agentes que se coordinan entre sí. Un agente principal delega partes del trabajo en sub-agentes especializados y combina los resultados.
Saber qué es cada cosa ayuda a entender qué pasó cuando algo falla y a estimar mejor los costos.
Por qué importa la distinción.
Cada vez que confundí los términos, terminé eligiendo la herramienta equivocada para el problema.
Quise armar un “agente” para algo que un automatismo de cinco líneas resolvía. Resultado: más complejidad, más costo de tokens, más superficies de error. Otras veces armé un automatismo rígido para un problema que necesitaba criterio. Resultado: cada excepción rompía el flujo y había que parchear.
La elección correcta depende del problema. Y el problema se entiende antes, no después.
Cómo distingo cuál usar.
Tres preguntas que aprendí a hacerme antes de empezar:
-
¿La tarea tiene reglas claras y entradas predecibles? → Automatismo. Más barato, más rápido, más confiable. No le pongas IA encima si no la necesita.
-
¿La tarea requiere comprender texto, imágenes o contexto, pero sin tener que decidir ni actuar? → IA pura. Una llamada a un modelo, output al usuario o al siguiente paso del flujo.
-
¿La tarea necesita comprender, decidir y ejecutar varios pasos en función del contexto? → Agente. Acá entra el criterio, y con él los costos, los riesgos y los controles que mencioné en otros artículos.
Y una cuarta, transversal: ¿el costo de equivocarse en este flujo es alto? Si la respuesta es sí, agregá supervisión humana antes de pasarlo a producción, sin importar qué hayas elegido.
Lo que me llevo.
Confundir las tres categorías es entendible — incluso esperable, dada la velocidad del campo. Pero distinguirlas es lo que separa un proyecto que escala de uno que se rompe en la primera excepción.
Aclarar el lenguaje, antes de elegir la herramienta, suele ser la pieza menos visible y la más rentable del proceso.
Comentarios