Respuesta corta: diseñar un agente de IA es diseñar cuánta autonomía tiene, qué puede tocar y cómo lo supervisa el usuario. Los patrones que mejor funcionan son: niveles de autonomía que el usuario elige (sugerir, preparar o actuar), permisos y límites explícitos, aprobación por lotes, un registro claro de lo que el agente ha hecho y un informe periódico que demuestre el resultado. Un agente bien diseñado se parece más a un buen empleado que a un chat: avisa, explica, pide permiso cuando toca y rinde cuentas.
Los agentes de IA son el paso siguiente a los asistentes: ya no solo responden, también actúan. Envían emails, publican artículos, actualizan un CRM o reservan una reunión. Eso abre posibilidades enormes y un problema nuevo de diseño: ¿cómo delegas trabajo en algo que no controlas del todo? En Pleya Studio lo hemos resuelto en productos propios como Citable, que mide tu visibilidad en ChatGPT y publica contenido en piloto automático, y en webs de producto como la de Genesy, una plataforma de ventas con agentes de IA.
Asistente, copiloto y agente: diferencias
| Tipo | Qué hace | Quién ejecuta | Ejemplo |
|---|---|---|---|
| Asistente | Responde preguntas | El usuario | Un chat de ayuda dentro del producto |
| Copiloto | Propone mientras trabajas | El usuario, con ayuda | Sugerencias al redactar un email |
| Agente | Completa tareas de varios pasos | La IA, con supervisión | Prospectar, escribir y enviar mensajes |
La línea entre copiloto y agente la marca quién pulsa el último botón. Y esa es exactamente la decisión de diseño más importante.
Patrón 1: niveles de autonomía
No todos los usuarios, ni todas las tareas, necesitan la misma autonomía. Un buen agente permite elegir:
- Sugerir: el agente propone y el usuario hace.
- Preparar: el agente deja el trabajo listo y el usuario aprueba.
- Actuar con aviso: el agente hace y avisa, con opción de deshacer.
- Actuar en silencio: el agente hace y lo registra.
Lo habitual es empezar en "preparar" y subir de nivel cuando el usuario confía. En Citable, por ejemplo, el piloto automático escribe y publica artículos en tu CMS, y cada paso de la semana (medir, sugerir, escribir, publicar) queda visible para el usuario.
Patrón 2: permisos y límites explícitos
El usuario necesita saber qué puede tocar el agente y qué no. Diséñalo como una configuración clara, no como letra pequeña:
- Qué herramientas usa: email, LinkedIn, CMS, CRM.
- Qué puede hacer en cada una: leer, crear borradores, publicar, borrar.
- Límites de volumen: por ejemplo, 50 mensajes al día o 2 artículos a la semana.
- Límites de contenido: temas, tono, palabras prohibidas.
- Horario: cuándo puede actuar.
Unos límites visibles convierten la autonomía en algo aceptable para equipos que no quieren sorpresas.
Patrón 3: aprobación por lotes
Si el agente prepara 40 mensajes, revisarlos uno por uno anula el ahorro. La aprobación por lotes resuelve esto:
- Una lista con lo preparado, con una vista previa de cada elemento.
- Acciones masivas: aprobar todo, aprobar seleccionados, rechazar.
- Edición rápida de un elemento sin salir de la lista.
- Agrupación por tipo o por riesgo, para revisar con más cuidado lo delicado.
Es el mismo patrón que usamos en tablas con recomendaciones de IA, como en el módulo AI Hunt de Mainder.
Patrón 4: registro de acciones
Todo lo que hace el agente debe quedar registrado de forma legible:
- Qué hizo, en una frase.
- Cuándo y con qué datos.
- Por qué, si la decisión no es obvia.
- Resultado: enviado, publicado, falló.
- Deshacer, cuando sea posible.
El registro no es solo para auditoría: es lo que permite al usuario confiar y subir el nivel de autonomía.
Patrón 5: el informe que demuestra el resultado
Un agente que trabaja en segundo plano corre el riesgo de ser invisible, y lo invisible se da de baja. Un informe periódico (semanal, normalmente) cuenta qué se hizo y qué se consiguió. En Citable, el informe semanal compara tu visibilidad en ChatGPT, Gemini, Perplexity, Claude y Google AI frente a la competencia.
Patrón 6: interrupciones bien diseñadas
Un agente tiene que saber cuándo parar y preguntar:
- Ambigüedad: dos interpretaciones posibles de una instrucción.
- Riesgo alto: acciones irreversibles o con coste.
- Algo inesperado: una respuesta negativa de un cliente, un error repetido.
La pregunta debe llegar con contexto suficiente para responder en segundos, por ejemplo con dos opciones y una recomendación, y por el canal adecuado (dentro del producto, email o Slack).
Patrón 7: errores y recuperación
Los agentes fallan: una API caída, un permiso caducado, un resultado incorrecto. Diseña:
- Estados claros de cada tarea: en cola, en curso, hecho, falló.
- Reintentos automáticos con límite, y aviso cuando se agotan.
- Mensajes accionables: "reconecta tu cuenta de LinkedIn" en lugar de "error 401".
- Modo seguro: si algo va mal varias veces, el agente se pausa y avisa.
Chat como interfaz de control
El chat funciona bien para dar instrucciones a un agente ("esta semana céntrate en el sector salud") y para preguntarle ("¿por qué has descartado este lead?"). Pero no sustituye a un panel: para ver el estado, revisar en lote y configurar límites, una interfaz clásica es más rápida. La combinación ideal es un panel con un chat contextual.
Cómo explicar un agente en la web
Vender un agente de IA es vender confianza. En la web conviene:
- Enseñar el agente trabajando, con ejemplos reales de su resultado.
- Explicar los controles: aprobación, límites y registro.
- Mostrar resultados medibles de clientes.
- Ser claro sobre lo que no hace.
La web de Genesy, por ejemplo, explica su agente de ventas con IA mediante conversaciones de ejemplo y deja claro cómo se integra con el trabajo del comercial.
Checklist para diseñar un agente de IA
- El usuario elige el nivel de autonomía.
- Los permisos y límites son visibles y editables.
- Hay aprobación por lotes para tareas repetitivas.
- Cada acción queda registrada con su motivo.
- Hay un informe periódico con resultados.
- El agente pregunta cuando hay ambigüedad o riesgo.
- Los errores son claros y accionables.
- Existe un botón de pausa general.
- Se puede deshacer lo que sea reversible.
- El usuario sabe en todo momento qué está haciendo el agente.
Errores frecuentes
- Autonomía total por defecto, que asusta a los equipos y provoca bajas tras el primer error.
- Agentes invisibles que trabajan sin informar.
- Configuraciones escondidas en ajustes avanzados.
- Un chat como única interfaz.
- No medir el resultado de negocio, solo la actividad del agente.
El onboarding de un agente
Configurar un agente es el momento de mayor riesgo: si la configuración es larga, el usuario abandona; si es demasiado corta, el agente actúa sin entender el contexto. Lo que mejor funciona:
- Partir de la información que ya existe. Una web, un CRM o una cuenta conectada dan al agente gran parte del contexto sin preguntar nada. Citable, por ejemplo, empieza por la web del cliente.
- Proponer una configuración por defecto que el usuario solo tenga que revisar: temas, competidores, tono, frecuencia.
- Enseñar un primer resultado rápido, antes de pedir permisos amplios, para que el usuario vea el valor.
- Pedir permisos de forma progresiva: primero leer, después preparar, y solo al final actuar.
- Explicar qué pasará la primera semana, con fechas concretas.
Un buen onboarding de agente acaba con el usuario sabiendo exactamente qué hará el agente, cuándo y cómo puede pararlo.
Agentes en equipos: quién es responsable
En B2B, un agente rara vez trabaja para una sola persona. Eso añade preguntas de diseño:
- Quién configura el agente y quién solo ve sus resultados.
- A quién pregunta cuando hay una duda: al administrador, al responsable del área o a quien le dio la instrucción.
- Cómo se reparten las aprobaciones entre varias personas.
- Qué ve cada rol en el registro de acciones.
Diseñar estos roles desde el principio evita que el agente se convierta en una caja negra que nadie se atreve a tocar.
Cómo medir un agente de IA
Las métricas de actividad (cuántos mensajes envió, cuántos artículos publicó) son fáciles de medir pero dicen poco. Lo importante es el resultado y la confianza:
| Métrica | Qué indica |
|---|---|
| Resultado de negocio | Reuniones conseguidas, visibilidad ganada, tareas completadas |
| Tasa de aprobación | Cuánto del trabajo preparado se aprueba sin cambios |
| Ediciones por elemento | Cuánto corrige el usuario lo que hace el agente |
| Nivel de autonomía | Si los usuarios suben o bajan la autonomía con el tiempo |
| Pausas y cancelaciones | Señal de desconfianza o de errores |
Que los usuarios suban el nivel de autonomía con el tiempo es probablemente la mejor señal de que el diseño funciona.
Agentes que hablan con otras IA
Una tendencia cada vez más clara es que los agentes no solo actúan en herramientas humanas, sino que interactúan con otras IA: buscadores con IA, asistentes de otras empresas o agentes de compra. Citable trabaja precisamente en esa frontera: mide qué recomiendan ChatGPT, Gemini, Perplexity, Claude y Google AI y crea contenido para que tu marca sea citada. Para el diseño, esto significa explicar al usuario resultados que dependen de sistemas que no controla, con transparencia sobre la incertidumbre y con informes que muestran tendencias en lugar de promesas. Lo contamos en qué es el GEO.
Diseñar la salida: pausar, exportar y desactivar
Un agente bien diseñado también se deja apagar con facilidad. Pausar todo con un clic, exportar lo que ha hecho y desactivar permisos sin escribir a soporte son detalles que, paradójicamente, hacen que los usuarios se atrevan a activarlo.
Ejemplo: diseñar un agente de prospección
Para ver los patrones juntos, imagina un agente que busca empresas que encajan con tu cliente ideal, encuentra a la persona adecuada, redacta un mensaje personalizado y lo envía por email o LinkedIn. Un diseño razonable sería:
- Configuración inicial a partir de la web de la empresa y de sus mejores clientes, con un perfil de cliente ideal que el usuario revisa.
- Una lista diaria de empresas y contactos propuestos, con el motivo de cada propuesta.
- Mensajes preparados que el comercial aprueba por lotes, con edición rápida.
- Envío dentro de los límites configurados (volumen diario, horario).
- Respuestas clasificadas por el agente: interesado, no interesado, más adelante.
- Aviso inmediato cuando alguien responde con interés, para que el comercial tome el relevo.
- Informe semanal con reuniones conseguidas, tasa de respuesta y aprendizajes.
Es, en esencia, lo que plataformas como Genesy explican en su web: un agente que hace el trabajo repetitivo y deja al comercial lo que mejor sabe hacer, vender.
Preguntas frecuentes
¿Qué es un agente de IA?
Es una IA que completa tareas de varios pasos en nombre del usuario, usando herramientas como email, CRM o un CMS, con un grado de autonomía configurable y bajo supervisión.
¿En qué se diferencia un agente de un copiloto?
El copiloto propone mientras el usuario trabaja y el usuario ejecuta. El agente ejecuta la tarea y el usuario supervisa, aprueba o revisa después.
¿Cuánta autonomía debe tener un agente?
La que el usuario elija. Lo recomendable es empezar preparando trabajo para aprobación y aumentar la autonomía a medida que el usuario confía en los resultados.
¿Cómo se genera confianza en un agente de IA?
Con límites visibles, aprobación por lotes, un registro claro de acciones, explicaciones de las decisiones y un informe periódico con resultados medibles.
¿El chat es la mejor interfaz para un agente?
Es útil para dar instrucciones y hacer preguntas, pero para revisar, configurar y supervisar es mejor un panel. Lo ideal es combinar los dos.
¿Cuánto cuesta diseñar la experiencia de un agente de IA?
Depende del alcance. Diseñar el panel, la configuración, la aprobación y los informes de un agente suele llevar entre 3 y 8 semanas, con un coste orientativo de 6.000 € a 20.000 €.
¿Cómo se evita que un agente de IA cometa errores graves?
Con límites de volumen y de contenido, aprobación previa en las acciones de riesgo, pausas automáticas cuando algo falla varias veces y un registro claro de lo que ha hecho. Ninguna IA es infalible, así que el diseño debe asumir que habrá errores y hacer que sean pequeños, visibles y reversibles.
Fuentes
- Microsoft: Guidelines for Human-AI Interaction: 18 pautas para diseñar la interacción entre personas y sistemas de IA.
- Google PAIR: People + AI Guidebook: guía de Google para diseñar productos con IA centrados en las personas.
- Nielsen Norman Group: 10 heurísticas de usabilidad: los principios con los que se audita una interfaz.
Siguiente paso
Si estás construyendo un agente de IA o un copiloto, agenda una reunión de 30 minutos con nosotros. Te enseñamos cómo diseñamos el piloto automático de Citable y te ayudamos a definir los controles que tu producto necesita. Para el marco general, lee también cómo diseñar productos con IA.
