Taxonomía de Agentes

Definición rápida

La Taxonomía de Agentes del MCI es la clasificación funcional estratégica de los agentes de IA (IAm) en cuatro familias fundamentales: Adquisición, Cualificación, Soporte y Expansión. Establece mandatos claros, límites operativos y KPIs específicos para cada agente, garantizando que la inteligencia artificial actúe con un propósito definido en cada etapa del viaje.

En lenguaje sencillo

No sirve de nada poner una IA "todoterreno" a hablar con tu cliente, ya que acabará por no hacer nada bien. La Taxonomía de Agentes es el organigrama de tu fuerza de trabajo digital. Es definir quién atrae al cliente, quién descubre si tiene perfil para comprar, quién resuelve dudas técnicas y quién ofrece el próximo producto, garantizando que cada robot sepa exactamente dónde empieza y dónde termina su responsabilidad.

Por qué existe este concepto

Las empresas sufren el "Gap de Decisión" y la "Amnesia Operacional" al intentar implementar IAs genéricas. Sin una taxonomía, los agentes se confunden: un bot de soporte intenta vender cuando el cliente solo quiere una factura, o un bot de ventas no sabe gestionar una reclamación técnica. La Taxonomía de Agentes resuelve el caos operativo, permitiendo escalar con precisión y evitando el desperdicio de tokens en interacciones sin objetivo de negocio.

Metáfora didáctica

Imagina la cocina de un restaurante de alta gastronomía (fine dining). No tienes solo "cocineros" genéricos. Tienes al Saucier (salsas), el Patissier (repostería), el Gardemanger (entradas frías) y el Chef de Cuisine (coordinación). Si el repostero intenta preparar la carne, el plato se arruina. La Taxonomía de Agentes es lo que define las estaciones de trabajo en tu operación conversacional: cada agente domina su técnica y entrega el "plato" perfecto al siguiente de la fila.

Ejemplo práctico

En una empresa de Software B2B (SaaS):

• Agente de Adquisición (Ads/WhatsApp): Impacta al "Turista", ofreciendo una guía práctica a cambio del contexto inicial.
• Agente de Cualificación (Triaje): Conversa con el "Explorador" para validar el Conversation Score. Si el score es alto, agenda con un humano o pasa a la siguiente etapa.
• Agente de Soporte (Base de Conocimiento): Atiende al cliente en el estado de "Experiencia", resolviendo dudas sobre configuraciones de la plataforma.
• Agente de Expansión (CS/Upsell): Identifica que el cliente ha alcanzado el límite de uso y sugiere proactivamente el upgrade al plan superior, enfocándose en la C de "Conveniencia".

Anti-ejemplo

Un "Bot de FAQ" que tiene un botón de "Hablar con un asesor" y nada más. Eso no es un agente taxonómico; es solo un árbol de decisión rígido. La Taxonomía de Agentes exige autonomía dentro de un mandato: el agente debe ser capaz de razonar y decidir la próxima mejor acción (Next Best Action) dentro de su dominio, y no solo repetir frases predefinidas.

Cómo aparece en la operación

• Especialización: Reducción del desborde humano innecesario, ya que el agente resuelve lo que le corresponde.
• Continuidad: El Agente de Soporte lee la Bandeja de Contexto dejada por el Agente de Cualificación (sin amnesia).
• Eficiencia de Coste: Menor consumo de modelos caros (LLMs) para tareas sencillas de adquisición.
• Conversión: Aumento en la velocidad de respuesta (Time-to-Response) en cada etapa de la jornada dinámica.

Cómo aplicar en el MCI

En el MCI, la Taxonomía de Agentes es el motor que mueve al cliente por los 6 Estados de Decisión.

• Los Agentes de Adquisición se enfocan en el Disparador (Gatilho).
• Los de Cualificación gestionan la Exploración y Comparación.
• Los de Soporte y Expansión garantizan la Experiencia y la fidelidad. Ellos alimentan la Memoria Conversacional y respetan los 8Cs, garantizando que la confianza no se rompa por informaciones contradictorias. El Guardián do Ciclo monitoriza que la transición entre estas familias de agentes ocurra sin fricción.

Métricas relacionadas

• Tasa de Resolución por Mandato: Cuánto resolvió el agente dentro de su alcance.
• Tasa de Desborde Cualificado: Cuántas veces el agente pasó el testigo correctamente.
• Conversation Score Evolution: Cuánto ayudó el agente a evolucionar el perfil del cliente.
• Coste por Interacción (por Familia): Rentabilidad de cada etapa de la taxonomía.

Preguntas para diagnóstico

• ¿Nuestros agentes de IA tienen objetivos de negocio claros o son solo "interfaces de búsqueda"?
• Si un cliente de soporte demuestra intención de compra, ¿nuestro agente sabe identificarlo o ignora la señal?
• ¿El agente que atiende en Instagram tiene el mismo "entrenamiento" y límites que el agente que atiende en el portal del cliente?
• ¿Existe una jerarquía de decisión entre los agentes para evitar que se solapen?

Términos relacionados

• IAm (Inteligencia Artificial de Marketing): La entidad tecnológica que asume los roles de la taxonomía.
• Bandeja de Contexto: Donde los agentes de diferentes familias intercambian información para evitar la amnesia.
• Guardián do Ciclo: El rol humano o sistémico que audita si se está respetando la taxonomía.
• Conversation Score: La métrica que dicta cuándo un agente de Cualificación debe pasar el balón.

Modo Ejecutivo

Para la alta dirección (C-Level), la Taxonomía de Agentes representa la eficiencia asignativa de la inteligencia. En lugar de invertir en proyectos de IA nebulosos, inviertes en activos funcionales con ROIs claros: agentes para reducir CAC (Adquisición/Cualificación) y agentes para aumentar LTV y reducir Churn (Soporte/Expansión). Es la estrategia de crecimiento escalable sin el aumento proporcional del Headcount.

Modo Operativo

Para gestores, la taxonomía facilita el entrenamiento y la mejora continua. No se "ajusta la IA" de forma genérica; se ajusta el "Prompt de Mandato" del Agente de Cualificación porque está dejando pasar leads malos, o se calibra la Bandeja de Contexto del Agente de Soporte porque no sabe qué se vendió. Da claridad sobre qué exigir a cada automatización.

Modo Técnico

Arquitectónicamente, la Taxonomía de Agentes se traduce en Swarms de Agentes o Arquitecturas Multi-Agente. Cada familia puede ejecutarse en modelos de lenguaje (LLMs) diferentes: un modelo más pequeño y rápido para Adquisición (baja latencia) y un modelo más robusto y crítico para Expansión/Venta Técnica. Se definen los System Prompts, las herramientas (tools/functions) y los access tokens de cada agente basándose en su dominio taxonómico.

Modo Lúdico

Imagina una carrera de relevos. El Agente de Adquisición corre los primeros 100 metros y pasa el testigo (contexto) al de Cualificación. Este, a su vez, corre hasta entregarlo al Vendedor Humano o Agente de Cierre. Si el corredor de Adquisición intenta correr toda la prueba solo, se cansa y pierde el ritmo. La Taxonomía garantiza que cada corredor esté descansado y especializado en su tramo de la pista.

Resumen ejecutivo

La Taxonomía de Agentes es la estructura organizacional de la empresa moderna orientada por la metodología MCI. Pone fin a la era de los chatbots genéricos e inaugura la era de los Agentes Especialistas, transformando la IA en una fuerza de trabajo categorizada por Adquisición, Cualificación, Soporte y Expansión. Sin taxonomía, hay caos y amnesia; con taxonomía, hay jornada dinámica y escala rentable.