Agentes de IA para negocios: no compras inteligencia, compras permisos

Si le vendieron un menú, la paciente recibe "Escribe 1 para horarios, 2 para precios" y se duerme sin cita. Si le vendieron un chatbot con IA, recibe un párrafo amable sobre los horarios. Si le vendieron un agente, el sistema revisa la agenda, reserva el jueves a su nombre, le confirma y le avisa al dueño: pidió factura. La misma palabra, tres precios.

En junio de 2026 Meta anunció que más de un millón de negocios ya usan su agente de IA dentro de WhatsApp, con más de mil millones de hilos activos al día entre personas y cuentas de negocio. Gartner prevé que más del 40 % de los proyectos de IA agéntica se cancelarán antes de que termine 2027 (junio de 2025). La distancia entre el millón y el 40 % no está en el modelo: cuando compras un agente no compras inteligencia, compras una lista de permisos. Esa lista la escribes tú, y casi nadie la escribe antes de firmar.

Tres cosas que se venden con el mismo nombre

El primer peldaño es el chatbot de reglas: un árbol de decisión escrito de antemano, el menú pegado en la puerta. Responde lo que alguien programó y se traba cuando el cliente sale del guion. Anthropic, en su guía para construir agentes (2024), lo llama flujo de trabajo: código predefinido que orquesta pasos fijos. Barato, predecible y digno para tareas cerradas.

El segundo es el chatbot con IA. Un modelo de lenguaje entiende la pregunta y contesta en lenguaje natural. Ya no se traba, pero no hace nada: no abre la agenda, no crea la cita, no registra a la paciente. Google Cloud lo describe como el sistema que responde a una instrucción; el agente planifica y ejecuta.

El tercero es el agente. Para Anthropic, un sistema donde el modelo dirige dinámicamente su propio proceso y el uso de herramientas; para OpenAI (guía práctica, 2025), sistemas que completan tareas de forma independiente en tu nombre. En el mostrador: consultar el catálogo, cotizar, revisar la agenda, crear la cita, registrar al cliente y pasarte la conversación con un resumen, no con un silencio.

Lo que un agente ya hace en un negocio pequeño

El anuncio del agente de negocios de Meta (junio de 2026) enumera sus capacidades: responder preguntas sobre el negocio, recomendar productos del catálogo, agendar citas, calificar leads, decidir cuándo interviene un miembro del equipo y cerrar ventas. La guía de OpenAI (2025) llega a lo mismo: un agente aporta más que un flujo de reglas cuando hay decisiones con matices, reglas difíciles de mantener a mano y datos sin estructura.

Intercom, que cobra por resolución, reporta un promedio cercano a 67 % de conversaciones resueltas sin persona; sus casos publicados están entre 42 % y 50 %, y las pruebas independientes en negocios pequeños rondan 38 % (comparativa de precios del propio Intercom, consultada en agosto de 2026). Quien te promete 90 % desde el primer día te vende el peldaño equivocado.

Air Canada pagó y Chevrolet no: la variable que controlas

Los modelos de lenguaje inventan. La técnica estándar para reducirlo, RAG, hace que el agente busque primero en tus documentos y responda a partir de ellos. Ayuda mucho y no basta: el Stanford RegLab evaluó herramientas legales premium con RAG y encontró que seguían alucinando entre 17 % y 33 % de las veces (2025). La lección: el agente tiene que citar de dónde sacó la respuesta y poder decir que no sabe.

El costo de una invención lo paga el negocio. En febrero de 2024 un tribunal de Columbia Británica obligó a Air Canada a honrar una tarifa por duelo que su chatbot inventó, y rechazó el argumento de que el bot era "una entidad legal separada" (Moffatt v. Air Canada, 2024 BCCRT 149). En diciembre de 2023 un cliente había convencido al chatbot de una concesionaria Chevrolet de "venderle" una camioneta por un dólar. No tuvo valor legal, porque el bot no tenía autoridad para vender; la concesionaria lo apagó al día siguiente.

Uno inventó una política, el otro una venta, y solo uno costó dinero. La diferencia no estuvo en el modelo sino en lo que cada bot tenía permitido hacer en nombre de la empresa: uno hablaba de tarifas como un agente de reservas; el otro nunca tuvo autoridad para vender. Esa es la lista de permisos, y dependía del dueño.

Klarna no falló con la IA, falló sin la puerta

Klarna presumió que su IA atendía dos tercios de los chats de servicio, el trabajo de 700 personas. En mayo de 2025 su director general reconoció que habían ido demasiado lejos, que se enfocaron demasiado en el costo y que el resultado fue menor calidad. No abandonó la IA: volvió a un modelo híbrido con una persona siempre disponible (Customer Experience Dive, 2025).

Gartner mide lo mismo del lado del cliente (2026): 87 % dice que poder llegar a un humano es esencial cuando una empresa usa IA generativa en servicio. La gente no odia la IA; odia quedar atrapada. Un agente que responde a las 9:40 de la noche y ofrece pasarte con una persona cumple las dos expectativas. El mejor agente sabe cuándo dejar de ser agente.

El mito de las tres de cada cuatro pymes

Hay una cifra que circula en presentaciones de venta: más de tres de cada cuatro pymes ya usan IA; si tú no, vas tarde. Rastréala y llega al AI Impact Report de Intuit QuickBooks (2026), encargado por una empresa que vende software con IA adentro, donde "usar IA" es una pregunta amplia. La Oficina del Censo de Estados Unidos, que pregunta si la empresa usó IA para producir lo que vende, mide entre 17 % y 20 % (2026). Ninguna miente; miden cosas distintas, y una se cita más porque asusta más.

Para LATAM no existe todavía una encuesta sólida sobre agentes en pymes; si alguien te da un porcentaje, pregúntale por la muestra. Y no vas tarde: el momento de comprar un agente lo fija la pila de conversaciones sin responder de anoche, no una estadística.

Por qué se cancelan los proyectos (y no es por el modelo)

Vuelve al 40 % de Gartner (2025). Las tres causas que nombra son costos que crecen, valor de negocio poco claro y controles de riesgo inadecuados. Son problemas de compra: nadie definió qué medir, nadie acotó lo que el agente podía hacer, y el precio por conversación no fue el de la propuesta. Es la lista de permisos de Air Canada, vista desde la factura.

El mismo analista tiene un dato más incómodo: para 2030 el costo por resolución con IA generativa superará los tres dólares, más de lo que cuestan muchos agentes humanos deslocalizados (Gartner, enero de 2026). Su consejo: usar la IA para atender mejor y vender más, no para recortar personal. Si compras un agente para despedir a la recepcionista, compras el proyecto que se cancela. Si lo compras para que ella no conteste a las 9:40 de la noche, compras otra cosa.

Las ocho preguntas antes de firmar

Dónde no aplica, y lo que no sabemos

No aplica si tu venta depende de negociar, que es justo lo que no debería hacer solo, ni si no tienes catálogo, agenda ni políticas escritas: un agente sin documentos es un chatbot que inventa con confianza. Anthropic y OpenAI coinciden: empieza por lo más simple y sube de peldaño solo cuando haga falta. Y lo que no sabemos: no hay dato público de resolución para pymes de LATAM ni cifra de alucinación para tareas de mostrador.

En Empleado.uno el agente que atiende WhatsApp trabaja con esa lista: cotiza desde el catálogo, agenda, registra en el CRM y pasa la conversación con el historial; lo que no hace es enviar marketing masivo a listas sin permiso. Eso no es una carencia. Es el punto.

Una cosa para hacer esta semana

Toma las últimas veinte conversaciones de tu WhatsApp Business. Junto a cada una anota T si el cliente solo quería un texto y A si quería una acción. Cuenta las A. Si son pocas, con respuestas guardadas te alcanza. Si son la mayoría, ya sabes qué peldaño necesitas, y tienes la primera prueba para el proveedor: enséñame cómo resuelve una de estas veinte.