La mitad de los procesos se resuelve mejor con RPA tradicional y la otra mitad necesita un agente que decida. En qué se diferencian de verdad, cuánto cuesta cada uno por ejecución y la prueba de cuatro preguntas que usamos para elegir.
Automaticemos esto con IA suena bien en una reunión. En la práctica, la mitad de los procesos se resuelven mejor con RPA tradicional y la otra mitad necesita un agente que decida. Elegir mal cuesta dinero en las dos direcciones: pagas inteligencia que no usas, o compras un robot que se cae cada martes.
Qué hace bien el RPA
Un robot RPA sigue reglas fijas. Navega un portal, copia datos de un sistema a otro, valida un formato y genera un reporte. Rinde donde el flujo es estructurado y se repite igual cada vez.
Su virtud es la que nadie valora hasta que la pierde: hace exactamente lo mismo la ejecución número uno y la número cuarenta mil. No tiene un día malo ni interpreta de más.
- Registrar contratos y anexos en el Portal de la Dirección del Trabajo.
- Descargar y clasificar licencias médicas desde varios portales previsionales.
- Conciliar dos planillas que llegan siempre con el mismo formato.
- Emitir y despachar documentos tributarios en lote.
Dónde se queda corto
El RPA es frágil ante la excepción. Si el portal cambia un botón, si el PDF llega escaneado torcido o si el proveedor manda la factura en otro orden de columnas, el robot se detiene y espera a una persona.
Eso está bien mientras las excepciones sean el 2% de los casos. Cuando llegan al 30%, tienes un robot que en realidad es un formulario caro y una persona resolviendo lo mismo de antes.
El otro límite es el juicio. Un robot no sabe si un certificado vencido hace tres días bloquea el ingreso a faena o si aplica una tolerancia. Esa decisión necesita contexto.
Qué agrega un agente de IA
Un agente percibe el contexto, razona sobre él y decide, incluso ante algo que no estaba en el guion. Se adapta a un cambio de interfaz, interpreta un documento nuevo y escala al humano cuando de verdad hace falta.
El precio de esa flexibilidad es doble. Cuesta más por ejecución, porque cada paso consume tokens de un modelo. Y exige gobernanza: si el agente decide, necesitas registrar por qué decidió eso.
La comparación que importa
| Dimensión | RPA determinista | Agente de IA |
|---|---|---|
| Entrada | Estructurada y estable | Texto libre, PDF, correo, pantalla |
| Comportamiento | Idéntico siempre | Depende del contexto |
| Ante un cambio de interfaz | Se detiene | Reinterpreta y sigue |
| Costo por ejecución | Centavos | Órdenes de magnitud mayor |
| Auditoría | Log de pasos | Log de pasos y del razonamiento |
| Tiempo de puesta en marcha | Semanas | Semanas más el ciclo de evaluación |
La prueba de cuatro preguntas
Antes de escribir una línea de código, pasamos el proceso por estas cuatro preguntas. Con dos síes o más, va agente.
- 1¿La entrada llega en formatos distintos? Un PDF que a veces es escaneado y a veces nativo ya cuenta.
- 2¿Hay que interpretar contenido para decidir el siguiente paso? Leer un correo y clasificar la intención cuenta; leer un campo con formato fijo no.
- 3¿Las excepciones superan el 20% de los casos? Cuéntalas de verdad, no de memoria.
- 4¿La regla cambia más de dos veces al año? Un criterio que se ajusta cada trimestre envejece mal escrito en código.
Con cero o un sí, el RPA es la respuesta correcta y la más barata. Con tres o cuatro, forzar RPA te va a costar más en mantención de lo que ahorras.
El patrón que usamos en producción: los dos juntos
La mayoría de los procesos reales no cae limpio en una categoría. Se dividen en tramos, y cada tramo tiene su herramienta.
En la acreditación de contratistas de minería, el agente lee y clasifica documentos que llegan en cualquier formato, detecta vencimientos y decide qué falta. El RPA hace lo aburrido: entra a cada portal, sube lo que corresponde y descarga el comprobante. El agente decide, el robot ejecuta.
En el registro de contratos pasa lo mismo al revés: el robot hace el 95% del trabajo y el agente aparece solo cuando el portal cambió algo y el selector fijo falló.
Regla de bolsillo: el agente decide, el robot ejecuta. Si estás pagando un modelo de lenguaje para copiar un RUT de una celda a un formulario, algo está mal diseñado.
Cómo lo abordamos en Tecnozero
Partimos con RPA sólido donde el flujo es estable y sumamos agentes donde hay que interpretar y decidir. Empezamos con RPA en 2019 y hoy operamos más de 20 robots en producción; la capa agéntica se montó encima de esa base, sin perder la precisión que exige un proceso crítico.
El orden importa. Un agente sobre un proceso que nadie mapeó automatiza el desorden más rápido. Primero se ordena el flujo, después se decide quién lo ejecuta.
Preguntas frecuentes
¿Cuál es la diferencia entre RPA e IA agéntica?
El RPA sigue reglas fijas y hace siempre lo mismo: rinde con entradas estructuradas y flujos estables. Un agente de IA percibe el contexto, razona y decide el siguiente paso, incluso ante situaciones que no estaban previstas. El RPA se detiene ante la excepción; el agente la interpreta.
¿Cuándo conviene usar RPA en vez de un agente de IA?
Cuando la entrada llega siempre en el mismo formato, no hay que interpretar contenido para decidir, las excepciones son menos del 20% de los casos y la regla de negocio cambia poco. En esos escenarios el RPA cuesta centavos por ejecución y un agente sería un gasto sin retorno.
¿Un agente de IA es más caro que un robot RPA?
Por ejecución, sí, en varios órdenes de magnitud, porque cada paso consume tokens de un modelo de lenguaje. En procesos de alto volumen y baja variabilidad conviene RPA. La flexibilidad del agente se paga donde hay excepciones frecuentes.
¿Se pueden combinar RPA y agentes de IA en el mismo proceso?
Es lo habitual en producción. El agente lee documentos, clasifica y decide qué falta; el robot RPA ejecuta los pasos repetitivos de entrar a los portales, cargar y descargar comprobantes. La regla de bolsillo es que el agente decide y el robot ejecuta.
¿Qué pasa cuando un portal cambia y rompe el robot?
Un robot bien construido corre un monitor de estructura antes de cada lote y avisa si algo cambió, en vez de seguir cargando mal. Para los cambios menores, un agente reinterpreta la pantalla y decide si continúa o escala a una persona.
Robert Yasuda, PhD
PhD por la Universidad de Almería. Dirige Tecnozero desde La Serena, donde su equipo opera más de 20 robots de software en producción para Metro de Santiago, la gran minería y el retail.
Perfil en LinkedIn →
