Make AI Agents: crea agentes de IA observables y controlables

Make AI Agents sirve para tareas que necesitan decidir el siguiente paso según el contexto. A diferencia de los escenarios normales, que se ejecutan en un orden fijo de módulos, el agente elige acciones entre las herramientas que le proporcionas explícitamente, en torno a un objetivo dado, y conecta esas acciones con los flujos de trabajo de Make. Es adecuado para entradas no estructuradas como texto, mensajes o documentos, pero no significa que se puedan omitir las reglas de negocio ni la responsabilidad de revisión.

Diferencias entre un agente y un escenario convencional

La ruta de un escenario convencional la define el constructor por adelantado: tras activarse, se ejecuta según módulos, filtros y rutas. Si la entrada es la misma, la ruta esperada suele ser la misma. El agente sirve para los casos en los que no se pueden enumerar todas las ramas por adelantado y hace falta elegir herramientas según el contexto.

Puedes decidir con una pregunta sencilla: si la tarea solo es «ejecutar según reglas», usa primero un escenario convencional; si la tarea realmente necesita «entender la entrada y elegir entre opciones restringidas», evalúa entonces un agente. Ambos también pueden combinarse: el agente se encarga de elegir una herramienta de escenario ya probada, y el escenario realiza las operaciones deterministas de lectura y escritura.

Diseña primero el objetivo y los límites de las herramientas

Antes de crear un agente, el objetivo debe escribirse como un resultado verificable, no como una descripción amplia de un rol. Por ejemplo, «elegir una categoría aprobada según el cuerpo del ticket y devolver la categoría y la razón» es más fácil de probar que «gestionar todo el trabajo de soporte».

Al proporcionar herramientas al agente, cada una debe tener un nombre, una finalidad, unas entradas y unas salidas claras. Abre solo los permisos mínimos necesarios para cumplir el objetivo y distingue las consultas de solo lectura de las operaciones que cambian el estado externo. Cuando se trate de enviar mensajes, crear pedidos, eliminar datos, modificar permisos o publicar en abierto, debe configurarse una aprobación humana u otro paso de confirmación claro antes de la ejecución.

Inspecciona el comportamiento en el flujo visual

La página oficial de Make explica que los AI Agents se pueden construir en un lienzo visual y que se puede consultar el proceso de decisión del agente, las llamadas a herramientas y el comportamiento del flujo de trabajo. Estos registros ayudan a localizar problemas, pero el registro por sí solo no demuestra que el resultado sea correcto. Al revisar también hay que comprobar la fuente de las entradas, lo que realmente se escribió, los permisos de las llamadas y la ruta de recuperación tras un fallo.

No dependas de la narración libre del modelo como única entrada de los sistemas posteriores. Prioriza la definición de salidas estructuradas y valida los campos obligatorios, los valores de enumeración, la longitud y el formato; cuando no cumplan lo acordado, detén el flujo o pásalo a revisión humana.

Un ejemplo controlado de clasificación

Supón que el equipo quiere ordenar las solicitudes de clientes recién recibidas; se puede dividir así:

1. El escenario recibe la solicitud y elimina los campos sensibles que no hace falta enviar al modelo.
2. El agente lee el cuerpo y elige una de las tres categorías aprobadas: «problema de producto, problema de facturación, requiere criterio humano».
3. El agente solo puede llamar a dos herramientas —consultar registros de conocimiento y crear borradores internos— y no puede enviar mensajes directamente a los clientes.
4. El escenario valida la estructura devuelta y pasa las solicitudes de alto riesgo o baja confianza a una cola humana.
5. Cuando el responsable confirma el borrador, un paso determinista independiente envía o actualiza el ticket.

Este diseño separa el juicio, la validación y la ejecución. Aunque el modelo elija mal, hay oportunidad de interceptar antes de producir un impacto externo.

Comprobaciones antes del lanzamiento

• Usa muestras reales pero anonimizadas que cubran entradas normales, ambiguas, en conflicto y maliciosas;
• Verifica que el agente no llame a herramientas fuera del objetivo ni se salte los nodos de aprobación;
• Diseña cómo tratar los tiempos de espera de las herramientas, la ausencia de resultados, los formatos de respuesta erróneos y las ejecuciones repetidas;
• Registra los cambios de configuración y vuelve a probar después de que cambien los prompts, las herramientas o los campos posteriores;
• Revisa periódicamente los permisos, los requisitos de retención de datos y los registros de ejecución reales;
• Confirma en la página oficial la disponibilidad actual, el soporte de modelos y las condiciones de uso.

Puedes consultar el acceso actual al producto y la documentación oficial en la página oficial de Make AI Agents.