La clasificación académica de agentes inteligentes, explicada sin humo y traducida a lo que de verdad puedes montar en una tienda online: agentes de un paso, agentes con herramientas y sistemas multiagente coordinados.
Existen cinco tipos clásicos de agentes de IA según la clasificación académica más usada: reactivos simples, basados en modelo, basados en objetivos, basados en utilidad y agentes que aprenden (Levels of AI Agents, arXiv). En la práctica empresarial, esa escala se traduce en tres niveles que sí puedes contratar o montar hoy: agentes de un solo paso (responden o generan algo), agentes con herramientas (leen tus datos y ejecutan acciones) y sistemas multiagente coordinados (varios especialistas con un responsable que prioriza). Para un ecommerce con varios canales activos, lo que casi siempre hace falta es el tercero, no un chatbot más.
Los cinco tipos clásicos de agentes de IA
La taxonomía viene del manual de referencia de inteligencia artificial de Russell y Norvig, que ordena cuatro tipos básicos por complejidad creciente y añade que todos pueden convertirse en agentes que aprenden (handout AIMA, University of Pittsburgh). No es trivia académica: cada nivel añade una capacidad concreta que cambia lo que el agente puede hacer por ti.
| Tipo | Qué hace | Qué le falta | Equivalente en tu negocio |
|---|---|---|---|
| Reactivo simple | Reglas si-entonces sobre lo que percibe ahora | No tiene memoria ni contexto | Regla automática: "si el CPA sube, baja presupuesto" |
| Basado en modelo | Mantiene un estado interno del mundo | No sabe qué quiere conseguir | Panel que entiende estacionalidad y stock antes de alertar |
| Basado en objetivos | Planifica acciones para llegar a una meta | Todas las metas le valen igual | "Baja el CPA de adquisición manteniendo volumen" |
| Basado en utilidad | Compara opciones y elige la de mayor valor esperado | Necesita una función de valor bien definida | Decide entre escalar creativo o subir puja según margen |
| Que aprende | Mejora con el resultado de sus decisiones | Necesita feedback limpio y tiempo | Ajusta su criterio al ver qué pasó 15 días después |
Por qué importa la diferencia entre objetivos y utilidad
Es la distinción más útil para marketing. Un agente basado en objetivos cumple la meta que le pones: si le pides ROAS, te dará ROAS, aunque sea apagando la prospección y quedándose con el remarketing de marca. Un agente basado en utilidad pondera consecuencias: sabe que ese ROAS alto con menos ventas totales empeora el margen. Por eso conviene definir la métrica real antes de automatizar nada, y ahí el matiz entre ROAS y MER es decisivo, como explicamos en qué es el ROAS y por qué no basta.
De la teoría a la práctica: tres tipos de agentes que sí puedes usar
La clasificación clásica describe arquitecturas. Lo que compras o montas en una empresa se clasifica mejor por qué puede tocar el agente.
1. Agentes de un solo paso
Reciben una instrucción y devuelven una salida: un texto, un resumen, una variación de copy, una respuesta a cliente. No consultan tus datos ni cambian nada. Son útiles, baratos y limitados. Un ChatGPT con un buen prompt entra aquí.
Casos típicos: redactar fichas de producto, generar variaciones de ángulo publicitario, resumir reseñas. El riesgo principal es que inventen datos cuando no los tienen; conviene leer sobre alucinaciones de la IA en marketing antes de dejarles escribir nada con cifras.
2. Agentes con herramientas (agénticos)
Aquí empieza lo interesante. El agente tiene acceso a APIs: Meta Ads, Google Ads, Shopify, tu ESP, tu hoja de márgenes. Percibe (lee datos), decide (planifica) y actúa (ejecuta cambios). Es la diferencia entre un asistente que te aconseja y uno que hace, y es exactamente el salto que describe la IA agéntica frente a ChatGPT.
Un agente con herramientas bien montado hace cosas como:
- Detectar que un creativo tiene frecuencia alta y CTR en caída, y proponer pausarlo.
- Ver que un producto va a romper stock en nueve días y recortar su presupuesto de ads.
- Cruzar devoluciones por talla con la campaña que trajo esos pedidos.
3. Sistemas multiagente coordinados
Un solo agente que lo intenta todo acaba siendo mediocre en todo. La alternativa es un equipo de especialistas —Meta Ads, Google Ads, TikTok Ads, Email y CRM, Producto y Stock, Creativos, Finanzas— coordinados por un CMO de IA que recoge las propuestas de todos, las ordena por impacto en euros y decide qué se hace primero. Es el modelo con el que trabajamos en Growth AI, y el que tiene sentido cuando ya tienes varios canales abiertos y las decisiones de uno afectan a los demás.
La coordinación es lo que evita el problema clásico: el agente de Meta escalando un producto que el agente de stock sabe que se agota, mientras el de email lo mete en la newsletter del viernes.
¿Qué tipo de agente necesita tu negocio?
Depende menos de tu facturación y más de cuántas decisiones repetitivas y conectadas tomas cada semana. Una guía rápida:
| Situación | Tipo de agente adecuado |
|---|---|
| Tienes un canal y poco volumen de datos | De un solo paso, para contenido y atención al cliente |
| Un canal con inversión relevante y creativos rotando | Con herramientas, conectado a ese canal |
| Varios canales, catálogo amplio, stock que se mueve | Multiagente coordinado con priorización económica |
| Decisiones que dependen de margen real, no de ingreso | Multiagente con un agente de Finanzas en el equipo |
Si te interesa el detalle por canal, tenemos la versión concreta en qué hace un agente de IA para Meta Ads y en qué puede hacer un agente conectado a tu Shopify.
Señales de que te sobra agente
- Inviertes poco y todavía no sabes qué producto es tu motor: primero datos, luego automatización.
- No tienes el margen por SKU en ningún sitio: un agente de utilidad sin función de valor es un agente de objetivos disfrazado.
- Tu tracking está roto. Un agente que decide sobre datos malos acelera errores en vez de corregirlos.
Cómo se comporta un sistema multiagente bien montado
Tres propiedades separan un sistema serio de una demo bonita.
Prioriza en euros, no en alertas. Veinte avisos al día no son inteligencia, son ruido. La salida útil es una lista corta ordenada por impacto estimado: qué cambiar, cuánto puede valer y por qué. En una tienda de ejemplo con un margen bruto del 35 %, pausar un conjunto de anuncios que pierde dinero vale más que optimizar un asunto de email, y el sistema debe saberlo.
Pide aprobación antes de ejecutar. La autonomía total suena bien en una keynote y mal en una cuenta publicitaria real. El patrón que funciona: el agente propone, un humano aprueba o rechaza en un clic, y solo entonces se ejecuta. Mantienes el control y, de paso, generas un histórico de decisiones.
Comprueba el resultado a los 15 días. Esto es lo que convierte un agente basado en objetivos en uno que aprende de verdad. Sin verificación posterior no hay aprendizaje: hay ejecución a ciegas. Dos semanas después, la pregunta es simple: ¿se cumplió lo que se esperaba de este cambio? Si no, el criterio se ajusta.
Cuatro pasos para elegir sin equivocarte
- Escribe las cinco decisiones que repites cada semana. Qué creativo pausar, cuánto presupuesto mover, qué producto empujar, a quién enviar el email, qué reponer. Esa lista es tu pliego de requisitos.
- Marca cuáles necesitan datos de más de un sistema. Si tres o más los necesitan, tu respuesta es multiagente coordinado.
- Define la métrica de decisión antes de contratar nada. Margen de contribución, MER o CPA objetivo por línea de producto. Sin eso, cualquier agente optimizará lo que le pongas delante aunque te empobrezca.
- Empieza por un canal y amplía. Un agente funcionando y auditable vale más que siete a medias. En qué agentes de IA tienen sentido en tu empresa desglosamos cuáles aportan y cuáles son humo.
Errores habituales al clasificar agentes
- Llamar agente a un flujo de automatización. Si no percibe, decide y actúa sobre un objetivo, es un workflow con reglas. Útil, pero no es lo mismo.
- Confundir modelo con agente. El modelo de lenguaje es el motor; el agente es el coche entero: herramientas, memoria, objetivo y control. Lo explicamos en qué es un agente de IA.
- Pedir autonomía total desde el día uno. La confianza se construye con decisiones aprobadas y verificadas, no con promesas.
- Optimizar la métrica fácil. El ROAS de plataforma es cómoda de subir y pésima como único objetivo.
¿Quieres ver cómo trabajarían juntos un agente de Meta Ads, uno de Google Ads, uno de Email y uno de Producto y Stock sobre tus datos, con un CMO de IA priorizando por euros y tu aprobación antes de cada cambio? Echa un vistazo a la Oficina de Growth AI y dinos qué canal te está costando más.
Preguntas frecuentes
¿Cuáles son los 5 tipos de agentes de IA?+
Reactivos simples, basados en modelo, basados en objetivos, basados en utilidad y agentes que aprenden. Es la clasificación de Russell y Norvig, que ordena cuatro tipos básicos por complejidad creciente y señala que todos pueden convertirse en agentes que aprenden. Cada nivel añade algo: memoria del estado, una meta, una forma de comparar opciones y, por último, capacidad de mejorar con el resultado.
¿Qué diferencia hay entre un agente de IA y un chatbot?+
El chatbot responde; el agente actúa. Un chatbot genera texto a partir de lo que le pides y ahí termina su trabajo. Un agente tiene acceso a herramientas (tu plataforma de ads, tu tienda, tu CRM), un objetivo definido y capacidad de ejecutar cambios, normalmente con una aprobación humana de por medio.
¿Qué tipo de agente de IA sirve para un ecommerce pequeño?+
Para empezar, uno con herramientas conectado a tu canal principal. Si solo inviertes en un canal y tienes un catálogo corto, un agente que lea tus datos de campañas y proponga cambios concretos ya te ahorra horas. El salto a multiagente coordinado tiene sentido cuando las decisiones de ads, email y stock empiezan a pisarse entre ellas.
¿Un agente de IA puede ejecutar cambios sin que yo lo apruebe?+
Técnicamente sí, pero no es recomendable al principio. El patrón que mejor funciona es propuesta, aprobación humana en un clic y verificación del resultado unas dos semanas después. Así mantienes el control sobre la inversión y acumulas un histórico que permite ampliar la autonomía solo donde el agente ha demostrado acertar.
¿Qué es un sistema multiagente y por qué se usa en marketing?+
Es un equipo de agentes especialistas coordinados por uno que prioriza. Cada uno domina su terreno (Meta Ads, Google Ads, email, stock, finanzas) y un coordinador ordena todas las propuestas por impacto económico. Se usa en marketing porque las decisiones de un canal afectan a los demás y un único agente generalista no tiene el detalle suficiente para acertar en todos.
Fuentes
- Levels of AI Agents: from Rules to Large Language Models (arXiv)Los agentes se categorizan en cinco tipos: reactivos simples, basados en modelo, basados en objetivos, basados en utilidad y agentes que aprenden.
- Intelligent Agents, AIMA Chapter 2 (after Russell and Norvig) — University of PittsburghRussell y Norvig describen cuatro tipos básicos de agentes en orden de generalidad creciente (reflejo simple, basado en modelo, basado en objetivos, basado en utilidad) y señalan que todos pueden convertirse en agentes que aprenden.
Los siete especialistas analizan su área y el CMO de IA lo convierte en un plan. Tienda de ejemplo, datos ficticios.
VER LA OFICINA →Te enseñamos Growth AI conectado a tu Shopify, tus anuncios, tu email y tu stock.
Solicitar demo →