Agentes de IA con datos y gobernanza: la autonomía empieza con límites claros

Los agentes hacen que la conversación cambie de tono. Ya no se trata solo de una respuesta buena o mala: se trata de una acción. Un correo enviado, un precio propuesto, un pedido reasignado o un registro actualizado.

Por eso, el error más común es tratarlos como una interfaz más sofisticada. Un agente que ejecuta no se diseña solo con un buen prompt. Se diseña con datos, permisos, validaciones y una forma clara de volver a una persona cuando el caso se sale del camino esperado.

La autonomía no se declara; se acota

Antes de poner un agente sobre un flujo, conviene escribir su contrato operativo:

1. Objetivo: qué resultado puede producir y cuál no.
2. Contexto: qué fuentes puede consultar y qué significa cada campo.
3. Permisos: qué puede leer, proponer, editar o enviar.
4. Guardarraíles: qué reglas no puede romper aunque la instrucción parezca razonable.
5. Escalamiento: a quién pasa el caso cuando falta información, hay riesgo o aparece una excepción.

Esto no frena la innovación. Hace que el primer caso sea defendible frente a operación, seguridad y dirección.

Los datos son parte del producto

Cuando un agente recibe información ambigua, no solo responde raro. Puede ejecutar algo equivocado con mucha seguridad. Por eso la preparación no es un trabajo previo aburrido: es una parte visible del producto.

Una fuente única de verdad no significa que toda la empresa tenga un solo archivo. Significa que, para la decisión que el agente ayuda a tomar, todos entienden qué dato manda, quién lo actualiza y qué ocurre cuando está incompleto.

Empieza con recomendación, no con ejecución

La secuencia más segura suele ser simple: primero el agente prepara y recomienda; después un humano valida; más tarde se automatizan las acciones repetidas y de bajo riesgo. El nivel de autonomía se gana con evidencia.

La pregunta correcta no es “¿qué tanto puede hacer el agente?”. Es “¿qué tan bien podemos explicar y corregir lo que hizo?”.