Antes de construir un agente de inteligencia artificial, hay una pregunta que casi nadie se hace: ¿de verdad es lo que el problema pide? Esta guía es para quienes diseñan soluciones de IA y quieren evitar el error más caro, elegir algo más complejo de lo necesario.

¿Por qué construir un agente no siempre es la respuesta correcta?

La frase "hagamos un agente" aparece hoy en casi cualquier reunión sobre inteligencia artificial. Un agente para atender clientes, uno para recursos humanos, uno que lo haga todo. El entusiasmo es real, pero rara vez va acompañado de la pregunta clave.

En los proyectos de IA, el error más caro casi nunca es técnico. El error es elegir una solución más compleja de lo que el problema pide [00:28]. Y esto tiene consecuencias concretas.

Un agente donde bastaba algo simple resuelve lo mismo, pero sale más caro. Veamos por qué:

• Cuesta más de operar.
• Responde más lento.
• Tiene más formas de fallar, porque toma decisiones por su cuenta.

La idea central aquí es la de la solución justa: resuelve lo que el problema pide, nada más [00:44]. Ni de más, ni de menos.

¿Qué es la solución justa en un proyecto de IA? Es la que resuelve exactamente lo que el problema requiere, sin agregar complejidad extra. Si algo simple funciona, usar un agente autónomo solo añade costo, lentitud y más puntos de falla.

¿Qué caso práctico vas a resolver en el curso?

Todo el recorrido gira alrededor de un caso: Tienda Andina [00:56]. Es una tienda en línea de artículos para el hogar, un caso ficticio, pero que seguramente se parece a alguno que tú conoces.

Estos son los datos que definen su operación:

• Vende en Colombia, Perú y México.
• Recibe aproximadamente 800 mensajes de clientes al día, por correo y por WhatsApp [01:05].
• Tiene un equipo de posventa de seis personas [01:11].

Con ese volumen y ese equipo, la pregunta de fondo empieza a tomar forma. No se trata solo de tecnología, sino de proporción entre el problema y la herramienta.

¿Tiene razón la gerencia al pedir un agente de IA?

La gerencia de Tienda Andina ya tomó una decisión: quieren un agente de inteligencia artificial que atienda a todos los clientes [01:17]. Suena lógico, pero ¿tienen la razón?

Esa es la pregunta que organiza todo el aprendizaje. Y aquí viene lo interesante: la respuesta no es ni sí ni no [01:29]. El propósito es que aprendas a tomar esa decisión con criterio, no por moda.

¿Cuándo conviene usar un agente de IA en atención al cliente? Cuando el problema realmente necesita que el sistema tome decisiones de forma autónoma. Si una solución más simple logra el mismo resultado, esa suele ser la opción más barata, rápida y confiable.

Tu objetivo será diseñar el agente correcto para Tienda Andina y, al final, construirlo como prototipo. Para lograrlo, vas a pedirle ayuda a Claude sin necesidad de programar [01:45].

¿Qué habilidades vas a desarrollar?

Más allá del caso, hay competencias que se trabajan en todo el proceso:

• Evaluar si un problema necesita un agente o una solución más simple.
• Diseñar una solución proporcional al problema real.
• Prototipar con Claude sin escribir código.

Estas habilidades te sirven mucho más allá de Tienda Andina, porque el criterio para elegir bien se repite en cualquier proyecto de IA.

El curso lo guía Alejandro Uribe, CTO y cofundador de Innovators, con más de siete años trabajando con inteligencia artificial [01:52].

Antes de avanzar, deja en los comentarios tu primera intuición: ¿le darías la razón a la gerencia de Tienda Andina?