RPA o IA agéntica: diferencias, cuándo usar cada una y cómo combinarlas

Antes de empezar, ¿de qué hablamos?

En esta guía, RPA significa robotic process automation, automatización robótica de procesos: programas que repiten en la computadora los pasos que haría una persona, como abrir un sistema, copiar un dato y pegarlo en otro.

Y IA agéntica es la inteligencia artificial que no solo responde, sino que decide pasos y actúa en otros sistemas. La comparación importa si tu empresa ya tiene robots RPA funcionando y te preguntas si debes reemplazarlos, mejorarlos o dejarlos como están.

¿Qué es RPA y qué es la IA agéntica?

RPA. Microsoft describe los flujos de escritorio de Power Automate, su herramienta de RPA, como automatización para quienes hacen tareas basadas en reglas: el robot trabaja con aplicaciones modernas y heredadas, incluso emuladores de terminal, a través de elementos de la interfaz, imágenes o coordenadas de pantalla (Microsoft Learn). Brilla en pasos fijos: descargar un reporte, pasar datos de un portal a una hoja de cálculo, digitar en un sistema que no tiene API.

IA agéntica. La guía de OpenAI para construir agentes define a un agente como un sistema que cumple tareas de forma independiente en tu nombre: un modelo de lenguaje dirige el flujo, usa herramientas para consultar y actuar en otros sistemas, reconoce cuándo terminó y, si falla, se detiene y devuelve el control a una persona. Anthropic distingue dos variantes: los flujos, en los que el modelo sigue rutas de código predefinidas, y los agentes, en los que el modelo dirige su propio proceso y el uso de herramientas. Más detalle en el glosario: RPA y IA agéntica.

¿Qué diferencia hay entre RPA y IA agéntica?

La guía de OpenAI lo ilustra con el análisis de fraude: un motor de reglas funciona como una lista de chequeo que marca transacciones según criterios fijos, mientras que un agente evalúa el contexto y detecta patrones sutiles aunque no se viole ninguna regla clara.

¿Cuándo conviene cada uno?

OpenAI recomienda reservar los agentes para flujos que se han resistido a la automatización tradicional, con tres señales: decisiones complejas con excepciones, reglas tan extensas que actualizarlas es caro o propenso a errores, y dependencia de datos no estructurados. Si tu caso no cumple esas condiciones, dice la misma guía, una solución determinística puede bastar. Gartner lo resume en una regla práctica: agentes cuando hay que decidir, automatización para los flujos rutinarios y asistentes para las consultas simples.

Aterrizado a procesos que cualquier empresa ecuatoriana reconoce:

• Leer una factura electrónica. El SRI publica el esquema XML de cada comprobante electrónico, así que extraer sus campos es trabajo determinístico: no hace falta un agente. Lo explicamos en extraer datos de facturas con inteligencia artificial.
• Decidir qué hacer con una factura que no cuadra con la orden de compra. Diferencias de precio, entregas parciales, notas de crédito pendientes: hay excepciones y criterio. Ahí un agente aporta.
• Responder correos de clientes o proveedores que escriben como quieren. Es lenguaje natural, terreno del agente.
• Ejecutar un pago. Es una acción irreversible. OpenAI recomienda que las acciones sensibles, irreversibles o de alto impacto, como hacer pagos, pasen por supervisión humana hasta que la confianza en el agente crezca.

¿La IA reemplaza al RPA?

No en general, y conviene desconfiar de quien lo prometa. En junio de 2025, Gartner advirtió sobre el «lavado de agentes» (agent washing): productos existentes, entre ellos asistentes, RPA y chatbots, rebautizados como agentes sin capacidades agénticas reales. Estimó que solo unos 130 de los miles de proveedores que se presentan como agénticos lo son, y añadió que muchos casos presentados como agénticos hoy no necesitan una implementación agéntica.

Lo que sí cambia es el terreno intermedio. Con el uso de computadora de Copilot Studio, un agente opera sitios web y aplicaciones de escritorio sin API, como haría un robot, pero describiendo la tarea en lenguaje natural e interpretando la pantalla. Microsoft cobra esa herramienta por paso: 5 Copilot Credits con modelos estándar y 15 con modelos premium. Tiene sentido donde la pantalla cambia o cada caso es distinto, no donde todo se repite igual: ahí un robot de reglas no consume un modelo de lenguaje en cada paso.

¿Cómo se combinan en un mismo proceso?

Un proceso bien diseñado reparte el trabajo en tres capas, más un registro:

1. Reglas o integración para lo fijo: descargar comprobantes, leer el XML, consultar el ERP, mover archivos.
2. Agente para lo variable: interpretar una excepción, clasificar un correo, redactar una respuesta, proponer un asiento.
3. Persona para lo irreversible: aprobar un pago, una nota de crédito o un castigo de cartera.
4. Registro de cada paso, para auditar qué hizo el robot, qué propuso el agente y qué aprobó la persona.

Anthropic recomienda buscar la solución más simple posible y sumar complejidad solo cuando hace falta, porque los sistemas agénticos suelen cambiar latencia y costo por un mejor desempeño. Gartner, por su parte, advierte que integrar agentes en sistemas heredados puede ser complejo y que, muchas veces, lo ideal es repensar el flujo desde cero en lugar de pegar un agente encima. Para ver cómo encaja esto con el ERP, el SRI y WhatsApp, revisa automatización de procesos con inteligencia artificial.

El equipo de Advise viene de ese mismo recorrido: de IBM Watson al RPA y de ahí a la IA agéntica.

¿Qué hacer con los robots RPA que ya tienes?

Antes de comprar agentes, revisa lo que ya funciona. Un método simple, en cuatro pasos:

1. Haz un inventario. Por cada robot: qué proceso cubre, cuántas veces se ejecuta, cuántas veces se detiene y por qué.
2. Separa los estables de los frágiles. Si un robot corre sin tropiezos con pasos idénticos, déjalo. Si se cae porque cambió una pantalla o porque llegó un caso distinto, ese tramo es candidato a cambiar.
3. Elige el reemplazo correcto para cada tramo. Si el sistema tiene API, evalúa conectarte por ahí en lugar de imitar clics, porque es la vía de integración que ofrece el propio sistema. Si no la tiene y la pantalla cambia seguido, un agente con uso de computadora puede ser la opción. Si el problema son las excepciones, pon el agente justo en ese punto, en la bandeja de casos que hoy revisa una persona.
4. Mide antes y después con el mismo indicador: casos resueltos sin intervención, tiempo de ciclo o dinero recuperado, según el proceso.

Así no tiras lo que ya pagaste y concentras el costo del agente donde de verdad hace falta.

¿Qué riesgos tiene pasar de RPA a agentes?

Gartner prevé que más del 40 % de los proyectos de IA agéntica se cancelarán antes de que termine 2027 por costos crecientes, valor de negocio poco claro o controles de riesgo insuficientes. La misma consultora espera que, para 2028, al menos 15 % de las decisiones de trabajo del día a día se tomen de forma autónoma con IA agéntica, frente a 0 % en 2024, y que 33 % de las aplicaciones de software empresarial la incluyan, frente a menos de 1 % en 2024. Es decir: la tecnología avanza, pero muchos proyectos van a quedar en el camino.

Tres defensas sencillas:

• Un indicador de negocio antes de empezar, con su línea base. Sin eso no hay forma de saber si el agente vale lo que cuesta; lo detallamos en cómo medir el retorno de la inteligencia artificial.
• Permisos mínimos. El agente solo debe poder tocar lo que el proceso necesita.
• Aprobación humana en lo irreversible, el principio conocido como human in the loop.

Si lo que tienes es un robot RPA que funciona bien con pasos idénticos, probablemente no necesitas cambiarlo. Si tienes un robot que se detiene cada vez que llega un caso distinto, ese es el punto donde un agente puede ganarse su costo.