"Agent washing": cómo distinguir un agente de ventas real de un chatbot con etiqueta nueva

El término "agente de IA" perdió casi todo su significado técnico durante el último año. Cualquier flujo con un modelo de lenguaje en medio se anuncia hoy como agente, y para quien evalúa proveedores eso vuelve imposible comparar dos propuestas que en el papel dicen lo mismo. Vale la pena recuperar la distinción, porque tiene consecuencias concretas de arquitectura.

Qué encontró Gartner

Según el análisis reportado por MarTech, Gartner identificó el fenómeno del "agent washing": proveedores que renombran chatbots y herramientas de automatización ya existentes como IA agéntica, sin entregar capacidades autónomas genuinas. Su estimación es contundente: de miles de proveedores que reclaman soluciones agénticas, solo unos 130 ofrecen características agénticas reales.

La proyección que acompaña ese hallazgo: más del 40% de los proyectos de IA agéntica se cancelará para fines de 2027, con base en una encuesta a más de 3,400 organizaciones que ya invierten activamente en la tecnología. Anushree Verma, directora senior de análisis en Gartner, resume el diagnóstico: la mayoría de estos proyectos son hoy experimentos en etapa temprana o pruebas de concepto impulsadas por el hype, y con frecuencia mal aplicadas. Las causas de fondo que señala el análisis son costos crecientes, valor de negocio no definido y falta de gobernanza — ninguna es un límite del modelo.

Los cinco criterios verificables

Traducido a lo que uno puede efectivamente preguntar y probar en una demo, estos son los criterios que usamos para separar un agente de un árbol de decisión con vocabulario nuevo:

• Estado persistente. ¿La conversación número siete con el mismo cliente sabe lo que pasó en la primera? Un chatbot arranca en cero cada sesión; un agente mantiene el estado del lead entre conversaciones.
• Acceso real a herramientas. ¿Puede consultar el catálogo vigente, crear el registro del lead, mover su etapa en el pipeline y agendar? Si todo lo que hace es generar texto, es un generador de texto.
• Autoridad acotada. Un agente serio tiene un límite explícito de lo que puede decidir solo — qué descuento no puede ofrecer, qué compromiso no puede adquirir — y ese límite está escrito en la configuración, no en la esperanza de que el modelo se porte bien.
• Escalamiento con contexto. Cuando pasa a un humano, ¿el humano recibe la transcripción, las respuestas de calificación y el score, o abre un contacto en blanco? Si abre en blanco, la calificación no sobrevivió el traspaso y el cliente va a repetir todo.
• Observabilidad. ¿Puedes auditar por qué el agente decidió lo que decidió, y medir en qué punto de la conversación se cae la gente? Sin trazas no hay mejora, solo anécdotas.

Detalles de implementación que sí mueven la aguja

Más allá de la etiqueta, hay dos números de diseño que conviene fijar desde el principio. El primero es la latencia: la guía de Digital Applied sobre IA conversacional para calificación de leads señala que menos de 800 ms se está consolidando como el punto de referencia para que una conversación se sienta natural, y que las respuestas por encima de 1.5 segundos se sienten robóticas y matan el engagement. El segundo es el momento del traspaso: recomienda transferir cuando los criterios de calificación se cumplen y las señales de compra son más fuertes, típicamente dentro de los 3 a 5 intercambios posteriores a confirmar presupuesto o tiempos.

Sobre el traspaso mismo, la distinción importante es entre transferencia inmediata y warm handoff — el traspaso que lleva el contexto consigo. La misma guía lo plantea con claridad: si el vendedor abre un registro nuevo en lugar del historial documentado (qué se preguntó, qué se respondió, qué criterios se cumplieron), la calificación no sobrevivió el handoff. Es el punto donde más implementaciones se rompen sin que nadie lo note, porque técnicamente "todo funciona".

Nuestra postura en SmartDevs

Nosotros preferimos ser conservadores con la palabra. En SmartLeads el agente responde, califica contra los criterios del negocio y escribe el lead al pipeline con su transcripción completa; lo que no hace es cerrar la venta solo ni tomar decisiones comerciales fuera de su límite configurado. Eso no es una limitación que estemos disculpando: es la línea que, según los propios datos de Gartner, distingue los proyectos que sobreviven de los que entran al 40% cancelado.

Si estás evaluando proveedores, nuestra recomendación práctica es pedirles que demuestren los cinco criterios en vivo, sobre tus datos, no en una demo grabada. Un agente real resiste esa prueba. Un chatbot con etiqueta nueva se cae en el segundo criterio.