Antes de crear un agente de IA, hazte esta pregunta.

No todo necesita un agente

Desde que los agentes de IA se han convertido en tendencia parece que cualquier automatización debe construirse alrededor de uno. Sin embargo, muchas veces esa decisión añade más complejidad de la que resuelve. Antes de elegir una tecnología conviene hacerse una pregunta mucho más importante: ¿qué problema estamos intentando solucionar? Si un proceso siempre sigue los mismos pasos, probablemente no necesite un agente, sino una buena automatización.

La mejor arquitectura no es la más sofisticada. Es la que resuelve el problema con la menor complejidad posible.

Un ejemplo real

Imagina una empresa de traducción que recibe decenas de solicitudes de presupuesto cada día. Cada correo puede incluir varios documentos: contratos, certificados, escrituras, fotografías o documentos escaneados. Antes de responder, alguien debe abrir todos los archivos, identificar únicamente el contenido que realmente necesita traducirse, ignorar sellos, postillas, firmas y elementos decorativos, contar las palabras y preparar el presupuesto.

El problema no era calcular un presupuesto. El problema era repetir el mismo trabajo cientos de veces.

Recepción de solicitudes por correo electrónico.
Documentos en distintos formatos.
Análisis del contenido.
Conteo de palabras traducibles.
Generación del presupuesto.

La solución fue un pipeline, no un agente

La primera idea podría haber sido construir un agente de IA que gestionara todo el proceso. Sin embargo, el flujo siempre era exactamente el mismo. No existían decisiones complejas ni distintos caminos posibles. Por eso optamos por una arquitectura basada en un pipeline donde cada componente tiene una única responsabilidad y el sistema completo resulta mucho más sencillo de mantener.

Recepción del correo.
Almacenamiento del contenido original.
Procesamiento mediante IA.
Extracción del contenido útil.
Generación del presupuesto.
Revisión final desde un dashboard.

La IA no sustituye el proceso, mejora la parte más difícil

En este proyecto no utilizamos un OCR tradicional porque el objetivo no era únicamente extraer texto. Lo realmente complicado consistía en comprender el documento. La inteligencia artificial identifica qué contenido forma parte de la traducción y qué elementos deben ignorarse automáticamente antes de calcular el número de palabras.

La IA aporta valor cuando interpreta información. No cuando simplemente ejecuta tareas repetitivas.

Ignorar sellos oficiales.
Excluir postillas.
Descartar firmas.
Eliminar logotipos.
Detectar el idioma.
Extraer únicamente el texto traducible.

Separar la ingesta del procesamiento cambia completamente la arquitectura

Uno de los aspectos más importantes del sistema consiste en almacenar primero toda la información y procesarla después. Cada correo se guarda junto con sus metadatos y todos los documentos originales antes de iniciar el análisis. Gracias a ello es posible volver a procesar cualquier expediente en el futuro utilizando otro modelo, un prompt diferente o una nueva estrategia sin depender otra vez del correo original.

Guardar primero y procesar después convierte la inteligencia artificial en un componente del sistema, no en el corazón de la arquitectura.

Reprocesar expedientes cuando aparecen modelos mejores.
Auditar cualquier presupuesto generado.
Conservar siempre el documento original.
Cambiar de proveedor de IA sin modificar el resto del sistema.
Reducir la dependencia de servicios externos.

¿Cuándo utilizar un agente entonces?

Los agentes tienen muchísimo sentido cuando el sistema necesita tomar decisiones. Elegir distintas estrategias según el tipo de documento, consultar varias aplicaciones antes de actuar, decidir cómo recuperarse de un error o coordinar diferentes herramientas son situaciones donde un agente aporta un valor enorme. Pero cuando el flujo siempre sigue el mismo camino, un pipeline suele ofrecer una solución más estable, más predecible y mucho más sencilla de evolucionar.

La inteligencia artificial no consiste en utilizar agentes para todo. Consiste en saber cuándo utilizarlos y cuándo no.

Cuando existen varios caminos posibles.
Cuando el sistema debe decidir qué hacer.
Cuando intervienen múltiples herramientas.
Cuando es necesario planificar varios pasos.
Cuando el contexto cambia constantemente.