Cómo saber si un agente de IA es real o es un chatbot con otro nombre

Hace poco un cliente me preguntó cómo podía saber si el "agente de IA" que le ofrecía un proveedor era eso de verdad, o un chatbot de siempre con nombre nuevo. El vendedor no supo contestarle. Yo tampoco hubiera sabido qué decirle hace diez años, cuando armaba a mano las respuestas de un call center en Acámica.

Gartner le puso nombre al problema en un comunicado de 2025: "agent washing", rebautizar un chatbot, un RPA o un asistente viejo como "agente de IA" sin sumarle capacidad real. La consultora estimó que de los miles de proveedores que usan esa etiqueta hoy, apenas 130 tienen algo agéntico de verdad atrás. El resto es marketing con nombre nuevo.

~130

Qué separa a un agente de un chatbot no es el modelo, es el proceso

Un chatbot contesta lo que alguien anticipó que le iban a preguntar. Un agente sigue el proceso completo, con las excepciones que nadie llegó a escribir. Esa diferencia no tiene nada que ver con qué modelo de lenguaje corre atrás.

Lo aprendí armando procesos desde cero, no leyendo sobre IA. En Acámica monté un call center de un día para el otro, y al principio cada persona del equipo resolvía cada consulta un poco distinto, porque el proceso real vivía en la cabeza de quien llevaba más tiempo ahí. Documentarlo tomó meses. Ese trabajo (escribir el proceso completo, con sus excepciones) es exactamente el que le falta hoy a la mayoría de los chatbots que se venden como agentes.

La lista de preguntas frecuentes resuelve la parte fácil, no la que importa

Armar un FAQ es rápido: se anota lo que la mayoría pregunta y se cablea una respuesta para cada caso. El problema es que esa lista cubre lo previsible, no lo real. Un pedido con la dirección mal cargada, una excepción de política que el equipo aplica "a criterio", un cliente que repite la misma consulta con otras palabras: nada de eso está en la lista, y ahí es donde el chatbot se traba y deriva todo a una persona.

Ese momento, cuando el bot no sabe y pasa la pelota, es la prueba más simple de que hay un chatbot de preguntas frecuentes y no un agente entrenado sobre el proceso real.

Cómo se nota la diferencia sin abrir el código

Hay señales que se ven de afuera. Primera: el bot repite la misma respuesta genérica ante variantes de la misma pregunta, como si no reconociera que es la misma consulta con otras palabras. Segunda: cualquier caso fuera del guion, por chico que sea, termina siempre en "te paso con una persona". Tercera, y la que más dice: nadie en el equipo puede mostrar el documento del proceso completo que el bot debería estar siguiendo, porque ese documento no existe. Lo que existe es la lista de preguntas.

Esto aplica igual si el agente es para ventas, para soporte o para un proceso interno de IT o RRHH. El síntoma es el mismo: falta el proceso escrito, no falta tecnología.

Qué preguntarle a un proveedor antes de comprar

La pregunta que vale hacer no es qué modelo usa. Es una más incómoda: quién escribió el proceso que ese agente sigue, y quién lo revisó después. Si la respuesta es "lo entrenamos con los tickets viejos" o "con las preguntas más comunes", ya tenés la respuesta.

En StudioChat armamos cada agente sobre el proceso real de quien ya hace ese trabajo, no sobre una lista genérica. No es una fórmula de marketing: es el único orden que vi funcionar en veinte años armando equipos y procesos. Primero se documenta el proceso completo. Después se automatiza. Al revés no funciona.

Si te preguntás cuánto de tu propio proceso está escrito en algún lado, ese es el mejor punto de partida antes de evaluar cualquier herramienta.

---

Fuentes consultadas:

• Gartner, comunicado de prensa (25 de junio de 2025): "Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027" (estimación de que solo cerca de 130 de miles de proveedores de "agentes de IA" tienen capacidad agéntica real, "agent washing").