En los últimos meses se habla mucho de “IA Agéntica”. ¿Qué diferencia existe respecto a la IA generativa tradicional?
La IA generativa tradicional está orientada a generar contenido: redacta un texto, resume un documento, crea una imagen o escribe código a partir de una instrucción concreta. Tú pides, el modelo responde. Es enormemente útil, pero reactivo.
La IA agéntica va un paso más allá. Y la forma más sencilla de entender qué es un agente es con una fórmula: un agente es un LLM, más unas instrucciones y un contexto, más un conjunto de herramientas. El LLM aporta el razonamiento; las instrucciones y el contexto le dicen qué objetivo debe lograr y con qué información cuenta; y las herramientas le dan “manos” para actuar: consultar una base de datos, llamar a un sistema, enviar un correo, ejecutar una acción.
La diferencia de fondo está en cómo trabaja. Un workflow tradicional es determinista: sigue siempre los mismos pasos, programados de antemano. Un agente no. A un agente le das un objetivo, y es él quien decide en cada momento qué paso dar para alcanzarlo. En la práctica, el agente se “autopromptea”: evalúa la situación, decide la siguiente acción, usa una herramienta, observa el resultado y vuelve a decidir, repitiendo el ciclo hasta cumplir el objetivo. No ejecuta un guion fijo, razona su propio camino.
Por eso decimos que es una evolución natural hacia una IA mucho más operativa: deja de ser una herramienta que solo responde preguntas para convertirse en un sistema capaz de perseguir un objetivo y completar procesos enteros por sí mismo. En NexTReT ya estamos desplegando este tipo de agentes en producción sobre procesos reales de clientes, y es ahí donde se ve el verdadero salto de valor.
Si un agente es básicamente un modelo con instrucciones y herramientas, ¿qué hace que un agente funcione realmente bien?
La clave está en la especialización y en los límites. Un LLM por sí solo es enorme y generalista: sabe un poco de todo. Un buen agente es justo lo contrario: está diseñado para hacer una cosa muy concreta, y hacerla excelentemente. Escuché hace poco en un evento de IA una metáfora que lo explica muy bien: los agentes son como minions. Cada uno es un especialista en una tarea pequeña y bien definida, y precisamente por eso la ejecuta de forma fiable.
Para conseguir eso, lo más importante no es el modelo, sino definir muy bien las instrucciones, el contexto y los guardarraíles. Hay que acotar con precisión qué debe hacer el agente, qué no debe hacer, a qué información puede acceder y dónde están sus límites. Un agente bien diseñado hace exclusivamente aquello para lo que fue creado; un agente mal acotado es impredecible y se convierte en un riesgo. La calidad de un sistema agéntico se juega tanto en el diseño de esos límites como en la potencia del modelo que hay debajo.
¿Por qué las empresas están acelerando ahora el interés por los agentes IA?
Porque las organizaciones ya han superado la fase inicial de “experimentación” con IA generativa y buscan impacto real en negocio y operaciones. Los agentes IA permiten automatizar procesos complejos que antes requerían intervención humana constante.
Estamos viendo mucho interés en áreas como:
- soporte IT y atención al usuario,
- automatización documental,
- operaciones y observabilidad,
- ciberseguridad,
- gestión del conocimiento,
- análisis y explotación de datos.
Además, la madurez tecnológica actual ya permite integrar IA con herramientas corporativas, ERPs, CRMs, plataformas ITSM o sistemas cloud de forma segura y gobernada.
Y hay un factor que está acelerándolo todo: hoy ya no dependes solo de APIs de pago por uso. Con modelos open source como Qwen, Gemma, Mistral o Llama podemos alojar la IA en infraestructura propia del cliente o bien en la infraestructura de NexTReT como GPU as a Service, lo que hace el coste predecible y acotado y mantiene el dato dentro de casa. Para muchas organizaciones, eso es lo que convierte un piloto en un despliegue real.
¿Qué papel juegan los agentes IA dentro de las infraestructuras tecnológicas modernas?
Van a convertirse en una nueva capa operativa, gobernada, dentro de las organizaciones. Igual que hoy tenemos herramientas de monitorización, automatización o gestión cloud, los agentes IA actuarán como una capa inteligente capaz de operar sobre múltiples plataformas. Por ejemplo:
- detectar incidencias,
- correlacionar eventos,
- generar recomendaciones,
- ejecutar acciones automatizadas,
- asistir a usuarios o equipos técnicos,
- optimizar operaciones en tiempo real.
Esto será especialmente relevante en entornos híbridos, multicloud y distribuidos, donde la complejidad operativa continúa creciendo.
¿Qué retos deben abordar las empresas antes de adoptar IA agéntica?
El principal reto no es únicamente tecnológico, sino de gobierno y arquitectura. Para que un agente IA aporte valor necesita acceder a información fiable, actualizada y bien estructurada. Por eso es fundamental trabajar:
- calidad y gobierno del dato,
- integración entre sistemas,
- seguridad y control de accesos,
- observabilidad,
- trazabilidad de las acciones del agente,
- cumplimiento normativo y privacidad.
También es importante definir muy bien los casos de uso y empezar por procesos donde el retorno sea tangible y medible.
Y un reto cada vez más decisivo: dónde vive el modelo. En sectores con datos sensibles —administración pública, sanidad, financiero— cada vez más clientes no quieren su información saliendo a una API externa ni un coste variable imposible de presupuestar. Ahí proponemos arquitecturas híbridas: modelos open source autoalojados para lo sensible y de alto volumen, y modelos de frontera vía Azure OpenAI o Anthropic para lo que requiere máxima capacidad.
Hablemos de seguridad. ¿Qué riesgos nuevos introducen los agentes y cómo se gobiernan?
La mejor forma de entenderlo es pensar en cada agente como en un nuevo empleado de la organización: tiene una identidad propia, unos permisos concretos y acceso a unos recursos sí y a otros no. Igual que no le das a cualquier persona las llaves de toda la empresa, a un agente hay que asignarle el mínimo privilegio imprescindible para su tarea: que pueda leer de una carpeta concreta, escribir en un sistema concreto, y nada más.
Y aquí aparece un riesgo nuevo que las organizaciones tendrán que controlar. Un agente puede ser atacado: mediante prompt injection —instrucciones maliciosas escondidas en los datos que procesa— alguien podría intentar que el agente haga algo para lo que no fue diseñado o que exponga información sensible. Por eso la seguridad, el control y la gobernanza de los agentes no son un añadido, son condición indispensable para desplegarlos en serio.
Es un terreno que evoluciona muy rápido. Microsoft, por ejemplo, acaba de lanzar Agent 365, precisamente para esto: un plano de control que permite a la organización descubrir, inventariar y gobernar todos sus agentes, darles identidad en Entra, asignarles permisos, auditarlos y retirarlos, igual que se gestiona el ciclo de vida de un empleado. Como partner de Microsoft, en NexTReT vemos este tipo de herramientas como una pieza clave para que las empresas puedan escalar agentes sin perder el control.
¿Qué sectores están mostrando mayor adopción?
Si miramos la foto global, la adopción va más rápida en software y tecnología, industria, banca y finanzas, retail y educación. Son sectores con mucho volumen, procesos repetitivos y datos abundantes, terreno ideal para los agentes.
Pero más que el sector, el factor que mejor explica quién está adoptando es el tamaño y la complejidad de la organización. La gran empresa y las compañías nativas digitales ya están en marcha. Donde estamos viendo la verdadera aceleración ahora mismo es en la mediana-gran empresa y administración pública: tienen suficiente volumen y complejidad para que un agente aporte un retorno claro, pero todavía no han dado el salto al despliegue real.
¿Qué visión tiene NexTReT sobre la IA agéntica?
Entendemos la IA agéntica como una tecnología transformadora que debe ser práctica, segura y soberana. Nuestro diferencial es que no estamos casados con un único proveedor: combinamos el ecosistema Microsoft —somos partner y especialistas en Copilot y Azure—, modelos de frontera como Claude de Anthropic, con quienes estamos consolidando partnership, y modelos open source que desplegamos en infraestructura propia o del cliente. Eso nos permite diseñar para cada organización la combinación óptima entre capacidad, control del dato y coste.
Nuestro enfoque combina infraestructura, datos, observabilidad, automatización, cloud, ciberseguridad y capacidades avanzadas de IA. El objetivo no es únicamente incorporar inteligencia artificial, sino construir entornos tecnológicos capaces de operar de forma más eficiente, proactiva y escalable.
¿Cómo imagina la evolución de los agentes IA en los próximos años?
Vamos hacia organizaciones donde coexistirán cientos de agentes especializados colaborando entre sí, capaces de orquestarse y llamarse unos a otros. Habrá agentes orientados a operaciones IT, atención al cliente, gestión documental, análisis financiero o ciberseguridad. La clave será la orquestación entre agentes, la supervisión humana y la capacidad de operar de forma segura dentro de ecosistemas empresariales complejos.
Eso cambiará también la forma de trabajar. Los agentes harán muy bien las tareas especializadas y repetitivas, de menor valor cognitivo, y las personas podrán dedicarse a lo que de verdad aporta valor. Es muy probable que surja un nuevo rol, el de coordinador de agentes: alguien que diseña, supervisa y orquesta a esos “empleados digitales” para que trabajen alineados con los objetivos del negocio. La empresa del futuro será la que sepa convivir con estos agentes y gobernarlos bien.
Mi convicción es que en dos o tres años hablar de “usar IA” sonará tan raro como hoy hablar de “usar internet”: será parte del tejido operativo. Las empresas que ganen serán las que hayan construido pronto el gobierno y la arquitectura para orquestarla con seguridad.
¿Qué tecnologías y herramientas de IA está impulsando actualmente NexTReT?
No creemos en la solución única. La estrategia de IA debe adaptarse al sector, la madurez y los objetivos de cada cliente, y por eso trabajamos con un abanico deliberadamente amplio.
En el ecosistema Microsoft somos partner y tenemos especialización destacada en Copilot —tanto en Microsoft 365 como en capacidades avanzadas sobre Azure—, ayudando a las organizaciones a adoptarlo de forma segura y gobernada. En modelos de frontera trabajamos con los principales del mercado —Claude de Anthropic, con quien estamos consolidando partnership para llevar a nuestros clientes lo último en IA, además de GPT de OpenAI o Gemini de Google—. Y donde realmente aportamos un diferencial es en IA open source: desplegamos modelos como Qwen, Gemma o Mistral en infraestructura propia de NexTReT como GPU as a Service, lo que permite controlar el coste de IA, mantener total soberanía del dato y eliminar la dependencia de un único proveedor.
Esa combinación —Microsoft, modelos de frontera y open source autoalojado— es lo que nos permite diseñar la arquitectura óptima para cada caso, en lugar de empujar siempre el mismo producto.
NexTreT
Director de IA
