Automatizar o agentizar: la cola de excepciones, los prompts del equipo y cuándo avisar
Resumen semanal de Buho AI: la diferencia entre automatizar y agentizar un proceso, dónde debe vivir el conocimiento de los prompts de tu equipo y por qué un agente proactivo se juzga por cuándo decide interrumpirte.
Esta semana el hilo común ha sido qué cambia cuando una empresa pasa de automatizar tareas a trabajar con agentes de IA. Este artículo resume las tres ideas que Julián Fernández, fundador de Buho AI, ha publicado en LinkedIn: la diferencia entre automatizar y agentizar, dónde guardar los prompts que funcionan y cómo debería decidir un agente cuándo interrumpirte.
Automatizar o agentizar: el problema de la cola de excepciones
Piensa en un correo que llega a administración con una sola línea: «Os adjunto lo del mes pasado». No dice «factura» ni «presupuesto». Ese correo rompe casi cualquier automatización basada en reglas: no encaja en ningún filtro, cae en la bandeja de «revisar a mano» y alguien tiene que abrirlo y leerlo.
En muchas empresas esa cola de excepciones acaba siendo la mitad del trabajo. Y no se arregla añadiendo más reglas, porque cada regla nueva deja fuera un caso distinto.
La diferencia entre los dos enfoques se resume así:
| Automatizar | Agentizar | |
|---|---|---|
| Qué le das | Reglas escritas una vez | Un objetivo, herramientas y límites |
| Qué hace | Repite los mismos pasos | Decide los pasos según el caso |
| Dónde brilla | Procesos estables y predecibles | Casos ambiguos y excepciones |
Ante ese correo, un agente abre el adjunto, ve que es una factura, busca al proveedor, cruza el importe con el pedido y la deja en borrador. Si algo no cuadra, se la pasa a administración con una nota de lo que ha revisado.
No es una cosa o la otra. Lo que funciona es combinarlos: una herramienta como n8n mueve los datos, el agente decide qué hacer con lo ambiguo y una persona aprueba lo que tiene consecuencias.
Consejo práctico: mide cuánto trabajo cae hoy en «revisar a mano». Ese volumen es el mejor indicador de dónde un agente aporta más que otra automatización. Si quieres separar bien qué parte de cada proceso es de reglas y qué parte necesita criterio, es justo lo que trabajamos en automatizaciones y agentes de IA.
Dónde guarda tu equipo los prompts que funcionan
Cuando un equipo se pone en serio con agentes, cada persona acaba con sus instrucciones, sus memorias y sus skills. Durante un mes va bien. Luego sale un modelo nuevo, a uno le funciona mejor y a otro peor, y nadie sabe qué versión es la buena.
Ese conocimiento suele vivir en uno de estos tres sitios:
- En el chat de cada uno. Cero fricción para empezar. Pero si esa persona se va de vacaciones, el proceso se va con ella.
- En una carpeta compartida. Ya hay una copia común, pero nadie sabe quién tocó qué ni por qué el resultado empeoró el martes.
- En un repositorio con historial. Cada skill es un fichero con dueño, cambios revisados y vuelta atrás en un comando. Cuesta montarlo y exige mantenimiento.
Nuestro criterio: en cuanto una instrucción la usan dos personas o una rutina programada, sale del chat y entra en el repositorio. En Buho AI las skills de los agentes viven así: para cambiar cómo trabaja una rutina se edita su fichero, no la tarea.
Consejo práctico: haz inventario de los prompts que tu equipo usa cada día y asigna un dueño a cada uno. Si nadie sabe quién es el dueño, ese es el primero que hay que sacar del chat.
Agentes proactivos: el producto es saber cuándo interrumpir
Anthropic ha lanzado Claude Duet, un agente que te escribe antes de que le preguntes. Según BetaNews, revisa tus aplicaciones conectadas cada pocas horas, te manda un resumen por la mañana y pide permiso antes de enviar, pagar o borrar. La propia Anthropic admite que todavía está afinando cómo juzga la urgencia.
Ahí está la clave de cualquier agente proactivo: su valor real es el criterio para interrumpir. Si avisa de más, lo silencias en una semana. Si avisa de menos, te enteras tarde del correo que sí importaba.
Ese criterio no viene de serie en el modelo. Depende de qué es urgente en tu trabajo, y hay que escribirlo. En las rutinas que usamos en Buho AI el filtro es sencillo: si no hay nada que la persona tenga que decidir hoy, no hay aviso; espera al resumen.
Consejo práctico: antes de activar un agente que te avisa, define por escrito qué merece una interrupción y qué puede esperar al resumen diario. Es la misma lógica que repasamos la semana pasada al hablar de agentes de IA en producción: las reglas que importan se escriben, no se dejan a la intuición del modelo.
Lo que une las tres ideas
Las tres apuntan a lo mismo: un agente útil no depende solo del modelo, sino del criterio que la empresa le da por escrito. Qué decide solo y qué aprueba una persona. Dónde vive la instrucción y quién la mantiene. Cuándo merece la pena molestar a alguien.
Ese criterio es conocimiento de tu negocio, y es lo que convierte una demo en un proceso que funciona cada día.
Qué hacer esta semana si tienes una pyme
- Cuenta las excepciones. Revisa un proceso con mucho volumen (facturas, pedidos, correos de clientes) y apunta cuántos casos acaban en «revisar a mano». Ahí está tu primer candidato a agente.
- Saca del chat los prompts compartidos. Si una instrucción la usan dos personas, guárdala en un sitio común, con dueño y con historial de cambios.
- Escribe tu regla de interrupción. Antes de activar avisos automáticos, decide qué es urgente de verdad. Si no sabes por dónde empezar, una auditoría de IA te ayuda a ordenar procesos y prioridades.