Un chatbot contesta. Un agente de IA hace el trabajo y sabe dónde parar.
La industria del transporte está llena de "asistentes de IA" que en realidad son un cuadro de búsqueda con mejor redacción. La diferencia con un agente de verdad no está en qué tan bien conversa — está en qué tan bien sabe cuándo actuar y cuándo detenerse.
Cada vez que una empresa de transporte anuncia que "ya tiene IA", vale la pena preguntar una cosa concreta: ¿esa IA contesta preguntas, o hace el trabajo? Son dos productos completamente distintos que comparten proveedor, comparten modelo de lenguaje por debajo, y a veces comparten hasta la misma ventana de chat — pero resuelven problemas diferentes, y confundirlos es la razón por la que tantos proyectos de "automatización" terminan siendo un buscador con voz amable.
Un chatbot responde. No decide, no ejecuta, no recuerda.
Un chatbot toma una pregunta y devuelve una respuesta. "¿Cuál es el estatus de mi viaje?", "¿Cuánto llevo de diésel este mes?" — son consultas legítimas y un chatbot las resuelve bien. Pero cada conversación empieza de cero: el chatbot no sabe que ayer le pediste lo mismo, no puede decidir por su cuenta que hay que perseguir un ticket que falta, y no tiene ninguna noción de en qué paso de un proceso más largo está parado el usuario. Es una interfaz de consulta. Útil, pero pasiva.
Un agente ejecuta un proceso, con memoria de en qué paso va.
Un agente de IA operativo es distinto en tres formas concretas. Primero, tiene memoria de estado: sabe que un viaje está en "esperando comprobantes" y no en "recién despachado", y actúa distinto según en cuál de los dos esté. Segundo, decide cuándo actuar sin que nadie se lo pida en cada paso — persigue un ticket que falta, avisa que un CFDI está por vencer, escala a un humano cuando el silencio se prolonga más de lo razonable. Tercero, y el más importante: sabe dónde termina su autoridad. Un agente bien diseñado ejecuta pasos operativos y se detiene exactamente en el límite donde empieza una decisión que le corresponde a una persona.
El límite que casi nadie diseña a propósito: qué decide la IA y qué calcula el motor
Aquí es donde la mayoría de los productos de "IA para transporte" se quedan cortos, no porque el modelo de lenguaje sea malo, sino porque nunca se decidió con precisión qué parte del proceso puede tocar la IA y cuál no. Un ejemplo del propio diseño de Likida: el agente que conversa con el operador y lee sus tickets nunca calcula el monto de una liquidación. Ese cálculo lo hace un motor determinístico aparte — las mismas reglas, las mismas cinco líneas de código, cada vez. Si el modelo y el motor no coinciden en una cifra, gana el motor, o no se manda nada. No es una limitación técnica: es la línea que separa "un agente que ayuda a operar" de "un modelo de lenguaje decidiendo cuánto dinero le toca a alguien".
Esa distinción —qué es conversación y qué es cálculo— es la pregunta que hay que hacerle a cualquier proveedor que diga tener "agentes de IA": ¿qué parte exacta del proceso ejecuta el modelo, y qué parte corre por una regla fija que no varía con la redacción del prompt de ese día?
Por qué esto importa más en el back-office que en el chat de atención al cliente
Un chatbot que se equivoca en atención al cliente genera una queja. Un agente mal diseñado que opera sin ese límite claro en el back-office de una flota puede aprobar un gasto que no correspondía, dar por cerrado un viaje que sigue abierto, o repetir un pago porque no tenía memoria de que ya se había hecho. El costo de confundir "conversa bien" con "opera bien" no es una mala reseña — es un error de dinero real, en una operación real, sin que nadie se entere hasta el corte del mes.
La próxima vez que un proveedor te diga que tiene "agentes de IA", pregúntale exactamente qué decide el modelo y qué calcula una regla fija que nunca cambia.
Contáctanos