Tipos de AI Agents: Una taxonomía práctica para empresas

"AI agent" se usa para todo, desde un chatbot hasta un sistema que gestiona sus cuentas por pagar durante la noche. Esa vaguedad dificulta decidir qué construir primero. Por eso esta página clasifica los agents en una taxonomía que usted realmente puede usar para acotar un proyecto.

No hay una única forma correcta de clasificar los agents. Hay cuatro formas útiles, y cada una responde a una pregunta distinta que se hace un comprador. ¿Cuánto margen le doy? ¿Cuántas piezas móviles tiene? ¿Qué tan amplio es su trabajo? ¿Y qué equipo lo posee? Divida el espacio de esas cuatro formas y una categoría difusa se convierte en una lista corta. Para cada tipo a continuación, nombramos un plan de construcción real que puede abrir y copiar.

Si quiere la base primero, qué es realmente la IA empresarial establece el vocabulario en el que se apoya el resto de esta taxonomía.

Por autonomía: cuánto decide por su cuenta

El primer y más importante corte. La autonomía es hasta dónde puede llegar un agent antes de que un humano tenga que intervenir. La autonomía baja es segura y predecible. La autonomía alta es poderosa y más arriesgada. La mayoría de los despliegues reales viven en el medio y ganan más margen con el tiempo.

Tres bandas cubren casi todo:

Un agent reactivo es la capa de etiquetado en una bandeja de entrada compartida: llega un mensaje, lo etiqueta y lo enruta, listo. Un agent deliberativo investiga una cuenta, redacta una secuencia y espera a que un representante presione enviar. Un agent autónomo toma una factura entrante, la concilia con una orden de compra, la registra y solo saca a la superficie las excepciones. El plan de construcción del AI Invoice AP Agent es un ejemplo claro de esa última banda, con las barreras de protección que hacen seguro dejarlo funcionando.

La regla práctica: empiece una banda más abajo de lo que cree que necesita. Un agent que pide aprobación en sus primeras cien acciones construye la confianza y el registro de auditoría que querrá tener antes de dejarlo funcionar solo. Para el extremo más profundo de este espectro, el patrón de agent autónomo cubre dónde la autonomía total da resultado y dónde le juega en contra.

Por arquitectura: agent único frente a varios trabajando juntos

El segundo corte trata sobre la estructura. ¿Es un único agent haciendo un trabajo, o un equipo de agents coordinados por un gestor? La respuesta cambia cómo construye, depura y presupuesta.

Un agent único tiene un rol, un conjunto de herramientas y un prompt. Es más fácil de razonar, más barato de ejecutar y la opción predeterminada correcta para un trabajo acotado. La mayoría de los planes de construcción de esta biblioteca son agents únicos. Si una persona pudiera describir el trabajo en una frase, un agent único normalmente puede hacerlo.

Un sistema multiagente divide un trabajo más grande entre especialistas. La forma común es orquestador-trabajador: un agent líder divide el objetivo en partes, entrega cada una a un agent trabajador y vuelve a unir los resultados. Piense en una tarea de investigación donde un agent reúne fuentes, otro verifica los hechos y un tercero redacta el resumen. Esto le compra especialización y paralelismo. También multiplica los puntos de fallo, el costo de tokens y la superficie de depuración.

No recurra al multiagente porque suene avanzado. Recurra a él cuando el prompt de un agent único se está volviendo largo y contradictorio, o cuando partes del trabajo realmente se ejecutan en paralelo. Hasta entonces, un buen agent único supera a un comité frágil de ellos.

Por alcance: agents de tareas acotadas frente a agents autónomos amplios

El tercer corte es la amplitud del trabajo, y es fácil confundirlo con la autonomía. Son cosas distintas. Un agent acotado puede seguir siendo muy autónomo dentro de su carril; un agent amplio puede seguir pidiendo aprobación. El alcance trata de cuántos tipos de tarea posee el agent.

Un agent de tarea o flujo de trabajo acotado posee un único trabajo repetible con entradas y salidas claras. Conoce su carril y se queda en él. El AI CRM Hygiene Agent es una buena imagen de esto: deduplicar registros, llenar vacíos, marcar negocios estancados. No intenta gestionar su proceso de ventas. Mantiene los datos limpios, todos los días, y ese enfoque es exactamente lo que lo hace confiable.

Un agent amplio abarca muchos tipos de tarea hacia un resultado mayor, decidiendo en el camino cuál subtarea hacer a continuación. Eso se acerca más al discurso del "compañero de trabajo digital". También es donde se esconde la expansión de alcance: cuanto más amplio es el mandato, más difícil es escribir reglas para cada caso y con más frecuencia debe transferir.

Para un equipo de negocio, lo acotado gana primero. Los agents acotados son más fáciles de medir, más fáciles de confiar y más rápidos para mostrar ROI. Encadene varios agents acotados y obtendrá la mayor parte del valor de uno amplio, con mucho menos riesgo. Elija la amplitud para que se ajuste al problema, no a la ambición, y apóyese en elegir el patrón de IA correcto para dimensionarlo con honestidad.

Por función empresarial: mapeando los agents al organigrama

El último corte es el que realmente usan los compradores para elegir. Nadie pide un "agent único deliberativo". Preguntan: "¿qué puede hacer la IA por mi equipo de soporte?" Así que aquí está la taxonomía mapeada a quién posee el agent, usando los grupos de planes de construcción de esta biblioteca.

Aquí vale la pena notar dos cosas. Primero, cada función tiene trabajo tanto entrante como saliente. Del lado de ventas, el AI SDR Agent impulsa el outbound mientras el AI Reply Agent gestiona el lado entrante de la misma bandeja. Emparejarlos supera a estirar un solo agent entre ambos.

Segundo, la vista por función es con la que debe empezar su conversación de compra, y luego traducirla hacia abajo. Elija el equipo con el trabajo más repetitivo y cargado de reglas, elija el agent acotado que posee un trabajo doloroso, y fije su autonomía una banda más abajo de lo que se sienta cómodo. Eso es un proyecto acotado, no un experimento científico.

Cómo funcionan juntos los cuatro cortes

Estos no son sistemas en competencia. Son cuatro dimensiones del mismo agent, y una especificación real las nombra las cuatro. El AI Invoice AP Agent es autónomo (por autonomía), agent único (por arquitectura), acotado (por alcance) y de finanzas (por función). Anote esas cuatro y habrá descrito la cosa con la precisión suficiente para construirla o comprarla.

• Autonomía define su modelo de riesgo y aprobación.
• Arquitectura define su costo de construcción y su superficie de depuración.
• Alcance define qué tan fácil es medirlo y confiar en él.
• Función define quién lo posee y dónde aparece el ROI.

El error más común es elegir solo por función y descubrir demasiado tarde que el trabajo necesitaba más autonomía de la que el equipo estaba dispuesto a otorgar, o una construcción multiagente que el presupuesto no cubría. Nombre las cuatro desde el principio y las sorpresas se reducen.

Qué dicen las cifras sobre hacia dónde va esto

La dirección del cambio importa para cuánta autonomía planifica, y la lectura honesta es que el valor aparece primero en las funciones ajetreadas y cargadas de reglas de la tabla anterior.

Gartner respalda esto con horas reales. Una encuesta de Gartner a 210 directores de ventas a principios de 2026 encontró que la IA ahorra a los vendedores casi cinco horas por semana, pero el 72% de las organizaciones de ventas no reinvierte ese tiempo en trabajo de alto valor. La lección para los compradores de agents: el ahorro de tiempo es real, pero un agent acotado solo da resultado si redirige las horas liberadas hacia las conversaciones que un agent no puede tener.

McKinsey pone números al lado positivo. Su investigación sobre marketing y ventas impulsados por IA informa que las implementaciones maduras pueden aumentar los leads en más del 50% y reducir los costos de prospección hasta en un 60%. Esas ganancias caen en las mismas funciones de ventas y marketing a las que se mapea la taxonomía, por lo que el corte por función es donde la mayoría de los equipos ven primero el retorno. La taxonomía no es académica. Rastrea dónde está apareciendo el valor.