La versión corta
La automatización de marketing tradicional ejecuta un flujo de trabajo que tú dibujaste: si pasa esto, haz aquello. Al software agéntico, en cambio, se le entrega un resultado —reducir el churn de la cuarta semana, llenar el embudo de prueba— y decide los pasos por su cuenta: llama a herramientas sobre la marcha, lee lo que pasó y corrige. Ese ciclo es lo que señala el adjetivo agéntico. Los proveedores también venden la misma idea como marketing autónomo.
Lo que la palabra no te dice es cuánto margen tiene el software. Un sistema puede planificar cinco pasos y aun así detenerse para pedir tu aprobación antes de enviar nada. Esa distinción se pierde en la mayoría de las descripciones de la categoría, y es la que decide si una herramienta es segura para ponerla delante de tus clientes.
Nadie neutral lo ha definido
No hay una definición de referencia del marketing agéntico. Wikipedia no tiene un artículo sobre la expresión. Ningún organismo de normalización la ha definido. Las definiciones que circulan las publican casi todas empresas que venden el software que definen: Salesforce, Adobe, Braze y HubSpot publican cada una la suya, y nosotros también, en este mismo párrafo. Vale la pena decirlo sin rodeos en lugar de fingir lo contrario.
Las dos definiciones de analistas que merece la pena tomar como referencia son más estrechas que las de los proveedores. Gartner describe la IA agéntica como sistemas que planifican y ejecutan acciones de forma autónoma para cumplir objetivos definidos por el usuario. La de Forrester es más estricta y más útil, porque termina con el matiz que todos los demás omiten: software capaz de planificar y adaptarse con flexibilidad para resolver objetivos actuando en su entorno, con niveles crecientes de autonomía. Niveles crecientes. No un interruptor.
La escalera de autonomía
Las definiciones de los analistas coinciden en que el software debe planificar y actuar, así que la etiqueta solo alcanza los dos peldaños superiores de esta escalera. Lo que no resuelven es el paso que más importa en la práctica: si la cosa se detiene para esperarte. Estos cinco peldaños ordenan los productos según cuánto se decide sin ti: reglas, asistencia generativa, copiloto, agente con aprobación y sin supervisión.
Los peldaños uno y dos no deciden nada en tiempo de ejecución. El peldaño tres razona, pero no llega a actuar, que es la misma línea que traza nuestra guía sobre agentes y chatbots. Solo los peldaños cuatro y cinco planifican y actúan a la vez, y describir cualquier cosa por debajo de ellos con el lenguaje de los de arriba es lo que Gartner llamó agent washing: rebautizar productos existentes, como asistentes de IA, automatización robótica de procesos y chatbots, sin capacidades agénticas sustanciales. En la misma nota de junio de 2025, Gartner estimó que solo unos 130 de los miles de proveedores que reivindican la etiqueta eran auténticos, y predijo que más del 40 % de los proyectos de IA agéntica se cancelarían antes de finales de 2027: una previsión sobre 2027, no una tasa de fracaso medida.
Los peldaños cuatro y cinco son el mismo software con el punto de control en otro sitio, lo que convierte el paso entre ellos en una decisión de operación y no de compra; el marketing con human-in-the-loop es donde corresponde tomarla. La escalera, además, solo mide la independencia, no el radio de impacto: publicar automáticamente un banner in-app y lanzar automáticamente un envío a toda tu lista están en el mismo peldaño y no conllevan ni de lejos el mismo riesgo. El alcance es el segundo control, y aquel con el que más vale la pena ser estricto.
Por qué el peldaño superior es raro
Las cadenas autónomas largas parecen fallar de una forma concreta: la tasa de fallo se acumula con cada paso. Al ajustar un modelo al conjunto de tareas de ingeniería de investigación de METR, Toby Ord concluyó que los datos se explican por una probabilidad aproximadamente constante de que el agente falle por cada minuto de trabajo humano equivalente, lo que produce una tasa de éxito que cae de forma exponencial a medida que las tareas se alargan. En la práctica, cada sistema tiene una vida media. Ord deja claro que sigue siendo una pregunta abierta si esto se cumple en otros conjuntos de tareas, pero la forma coincide con lo que cuentan quienes trabajan con agentes: las tareas cortas salen bien, las largas sin supervisión se degradan.
La consistencia es el problema más difícil. El benchmark tau-bench, publicado por Sierra en 2024, no midió solo si un agente completaba una tarea, sino si lo hacía de forma repetida: los modelos punteros de esa generación superaron menos de la mitad de las tareas y, en el dominio de retail, acertaron en los ocho intentos de una misma tarea menos de una cuarta parte de las veces. Los modelos han mejorado desde entonces, pero lo que importa es la forma del hallazgo: incluso un agente hipotético que funcione cuatro de cada cinco veces no es uno al que dejarías solo con tu lista.
Peor aún, los fallos no siempre se ven. Un estudio de 2026 sobre trayectorias de agentes encontró que una gran parte de los fallos eran silenciosos: el agente informaba de que la tarea estaba completa mientras el entorno mostraba lo contrario, entre el 45 y el 48 % de los fallos en los dominios de control único de un benchmark. El mismo artículo encontró un 3 % en un dominio de control dual, así que la tasa varía mucho según la configuración; pero un fallo silencioso en cualquiera de esas tasas es un argumento a favor de un paso de aprobación y un registro de decisiones, no solo de mejores modelos.
También hay un riesgo de seguridad propio del marketing. Lo que Simon Willison llama la trifecta letal describe el peligro de combinar acceso a datos privados, exposición a contenido no fiable y capacidad de comunicarse con el exterior, y una plataforma de marketing reúne las tres por diseño: tu lista de clientes, respuestas entrantes que tú no escribiste y un botón de envío. Esa combinación merece un punto de control por sí sola.
Cómo comprobar una promesa
Puedes situar cualquier producto en la escalera con unas pocas preguntas. Las respuestas suelen estar en la documentación más que en la landing page.
| Pregunta | Cómo suena una respuesta con fondo |
|---|---|
| ¿Qué crea sin mí? | Objetos con nombre en la plataforma —un segmento, un journey, un test—, no un borrador en una ventana de chat. |
| ¿Dónde está el punto de control y puedo moverlo? | La aprobación se configura por superficie y está activada por defecto. |
| ¿Qué pasa cuando falla un paso? | Se detiene y lo dice. Si no puede decirte qué falló, no se puede confiar en que funcione sin supervisión. |
| ¿Puedo ver por qué decidió eso? | Un registro de decisiones con el razonamiento, no solo una marca de tiempo y un estado. |
| ¿Cuánto cuesta una ejecución? | Una cifra real. Los agentes de varios pasos llaman a los modelos una y otra vez; el costo por resultado es una restricción de diseño, no una nota al pie. |
Ahora la parte incómoda, ya que esta página la publica un proveedor y el test de arriba lo escribimos nosotros, igual que la escalera. Para publicar, la IA de fromHello está en el peldaño cuatro. A través de su servidor MCP, el cliente de IA que ya usas crea objetos reales (segmentos, plantillas, borradores de journeys), y el asistente integrado hace lo mismo a partir de una frase; un journey sigue siendo un borrador hasta que se publica, y publicar, pausar o eliminar requiere un paso de confirmación, que por MCP ocurre en tu cliente de IA, según su propia configuración de permisos. Ninguna herramienta de IA envía mensajes. Por debajo de esa línea funciona más cerca del peldaño cinco: los cambios en un segmento o una plantilla se aplican al guardar y llegan a los próximos envíos de un journey activo, y la personalización en el momento del envío, una vez que la activas en un paso de email, reescribe cada mensaje sin revisión mensaje a mensaje; si la IA falla, el envío espera por defecto. El punto de control lo fija el producto y no se puede mover por superficie, y el log de auditoría registra las llamadas a herramientas MCP, no el razonamiento del modelo; el porqué se queda en la conversación con tu IA. Las llamadas MCP nunca se cobran por uso; en fromHello Cloud, el asistente integrado funciona con los créditos de IA incluidos a partir del plan Team. Nosotros escribimos el test, así que da menos peso a nuestra puntuación.
Hay dos cosas más que ya son requisitos mínimos y no extras. Informar del uso de IA ya es ley en la UE: las obligaciones de transparencia del artículo 50 de la Ley de IA, que exigen informar a las personas cuando interactúan con un sistema de IA, se aplican desde el 2 de agosto de 2026 y no se limitan a los sistemas de alto riesgo. Y la responsabilidad no se transfiere al software: en Moffatt v. Air Canada, el Civil Resolution Tribunal de Columbia Británica declaró a la aerolínea responsable de la información errónea que su propio chatbot había dado a un pasajero, y rechazó el argumento de que el chatbot era una entidad separada que respondía por sí misma. Ambas cosas recaen sobre ti, como quien despliega la herramienta, no sobre el proveedor que estás evaluando.
Qué significa para un equipo pequeño
Lo que se escribe sobre la categoría está pensado para grandes empresas, y los datos de encuestas en que se apoya también: la 2026 CMO Spend Survey de Gartner se basó en 401 responsables de marketing, la gran mayoría de empresas con más de mil millones de dólares de ingresos. La adopción también va por detrás del ruido, aunque la cifra medida se refiere a responsables de tecnología y no a marketers: la 2026 Gartner CIO and Technology Executive Survey situó el despliegue de agentes de IA en el 17 % de las organizaciones, frente a más del 60 % que esperaban desplegarlos en dos años.
Para una empresa de dos personas, la lectura práctica es más acotada y más alentadora. No necesitas la categoría; necesitas que se haga un trabajo concreto: escribir la secuencia de onboarding, encontrar la cohorte que está cancelando. El software del peldaño 4 prepara ese trabajo, y un journey que crea sigue siendo un borrador hasta que se publica; comprueba cuáles de sus otros cambios surten efecto en cuanto se guardan. Qué delegar a la IA y qué conservar tiene su propia guía; cómo se sitúan los agentes sobre la automatización programada y activada por eventos está en el marketing autónomo, explicado; y la diferencia entre un agente y el chatbot con el que a menudo se confunde está en agentes de marketing con IA frente a chatbots.