Por qué importa la distinción
Las palabras "chatbot", "asistente" y "agente" se usan como sinónimos en el marketing, y eso hace genuinamente difícil saber qué hace en realidad un producto. Esta página desmonta las diferencias reales, con ejemplos de cada categoría y una respuesta directa a por qué Korumia se define como sistema multi-agente. Si estás decidiendo si una herramienta tiene la forma adecuada para tu problema, la categoría importa más que la lista de features.
El eje central es la agencia — quién decide qué pasa a continuación. Un chatbot no decide nada; su recorrido está guionizado. Un asistente no decide nada; decides tú en cada turno. Un agente decide mucho — qué herramienta llamar, cuándo buscar, cuándo parar, cuándo delegar. Todo lo demás — memoria, uso de herramientas, flujos multi-paso — se desprende de cuánta decisión sostiene el sistema frente a cuánta te devuelve a ti.
La tabla — chatbot vs asistente IA vs agente IA
| Dimensión | Chatbot | Asistente IA | Agente IA |
|---|---|---|---|
| Quién decide el siguiente paso | El script | Tú, turno a turno | El propio agente |
| Alcance conversacional | Flujos estrechos y guionizados | Cualquier tema, una tarea por vez | Un objetivo que abarca muchos pasos |
| Uso de herramientas externas | Raro; casi siempre lookups de solo lectura | Si se lo pides, y normalmente una por vez | Sí — elige herramientas, las encadena, lee resultados |
| Memoria entre sesiones | Ninguna o variables simples | Suele ser corta por chat | Persistente, estructurada, reutilizable |
| Razonamiento multi-paso | Árbol de decisión | Mayoritariamente single-turn | Plan → actuar → observar → revisar |
| ¿Puede disentir contigo? | No | A veces; tiende a ser cortés | Sí — especialmente en multi-agente |
| Colaboración con otras IAs | Ninguna | Ninguna (una sola persona) | Sí en sistemas multi-agente |
| Modo de fallo típico | "No he entendido eso" | Equivocado con confianza en un turno | Plan erróneo, amplificado por pasos |
| Forma del coste | Barato por interacción | Barato por turno | Puede ser caro por objetivo |
| Mejor para | Soporte, FAQs, formularios | Redacción, investigación rápida, Q&A | Investigación profunda, código, estrategia, operaciones |
Qué es, realmente, un chatbot
Un chatbot es una interfaz conversacional sobre un árbol de decisión guionizado o un modelo de recuperación estrecho. Elige entre un menú finito de respuestas según tu input. Los chatbots tradicionales viven en páginas de soporte, formularios de cotización de seguros y webs de aerolíneas. Son baratos, fiables dentro de su alcance y catastróficamente malos fuera de él. En el momento en que preguntas algo que el script no anticipó, el chatbot contesta "no he entendido eso" y te pasa a un humano o a un enlace de FAQ.
Ejemplos reales. El bot de soporte del banco que te guía por "tarjeta perdida o nueva tarjeta". El bot de pedidos de una cadena de pizza. El widget de cotización de un seguro. Los bots legacy basados en reglas previos a los LLM y muchos que todavía funcionan por pattern-matching en vez de por modelos generativos.
Los chatbots no van a desaparecer — son la herramienta correcta para interacciones acotadas, de alto volumen y bajo impacto. Son la herramienta equivocada para cualquier cosa que requiera juicio, síntesis o razonamiento abierto.
Qué es, realmente, un asistente IA
Un asistente IA es una interfaz conversacional sobre un modelo de lenguaje de propósito general, conducida turno a turno por ti. Tú preguntas, él responde. Tú matizas, él refina. Puede escribir, resumir, traducir, programar, hacer brainstorming, interpretar roles y explicar — pero en cualquier turno individual es una voz respondiendo a un prompt, y el siguiente paso espera a tu siguiente mensaje.
La cualidad que lo define es que tú eres el orquestador. El asistente es extraordinariamente capaz pero no auto-dirigido. Si la primera respuesta no dio en el clavo, lo rediriges. Si la tarea necesita tres pasos, tú conduces los tres pasos. Las herramientas, cuando existen, suelen invocarse por petición explícita tuya más que por elección autónoma del modelo.
Ejemplos reales. El ChatGPT clásico, Claude.ai, Gemini, la superficie de chat de Copilot. El asistente de reescritura de Grammarly. Notion AI inline. El panel de chat antiguo de GitHub Copilot antes del modo agente.
Los asistentes son el punto dulce para flujos de ayúdame-a-hacer-esto-ya: redacta este correo, resume este documento, refactoriza esta función, sugiere estos nombres. Son más débiles cuando la tarea es ayúdame-a-alcanzar-este-objetivo-en-varios-pasos, porque terminas haciendo tú la orquestación.
Qué es, realmente, un agente IA
Un agente IA es un sistema IA que planifica hacia un objetivo, selecciona y llama herramientas por su cuenta, observa resultados e itera hasta terminar o hasta chocar con una condición de parada. El usuario dice "averigua por qué nuestra conversión bajó el mes pasado" o "redacta un brief de mensaje de Q2 informado por nuestros tres principales competidores"; el agente decide los sub-pasos — leer memoria, buscar en la web, abrir archivos, redactar borradores, revisar — sin que le guíes cada uno.
Tres cosas caracterizan a un agente real, frente a un asistente con botones de tool-use:
- Planificación. El agente descompone el objetivo en sub-pasos por sí mismo, en vez de esperar a que tú promptees cada uno.
- Selección de herramientas. El agente elige qué herramienta llamar en cada paso — búsqueda, lectura de archivos, generación de imágenes, consulta a base de datos, búsqueda de memoria — según lo que el sub-paso necesite.
- Iteración. El agente lee el resultado de su propia acción, decide si el objetivo está cumplido y vuelve a trabajar si no.
Ejemplos reales. Claude Code y Cursor Agent (agentes de código que planifican, editan, corren tests e iteran). Devin (ingeniero de software autónomo). OpenAI Deep Research y Perplexity Research (agentes de investigación que ejecutan consultas multi-fuente). Los agentes asesores de Korumia — CEO, Marketing, Finanzas, Operaciones — planificando dentro de un hilo de decisión de negocio, llamando herramientas y pasándose el contexto por @-tag.
Los sistemas de un solo agente ya son útiles; los sistemas multi-agente — donde agentes especializados con roles distintos colaboran en un hilo — es donde el patrón empieza a sentirse cualitativamente distinto de un asistente.
Por qué Korumia es multi-agente, no un asistente
Korumia podría haber salido como un único asistente IA con un system prompt largo que dijera "haz de mi CEO, Marketing, Finanzas y Operaciones según lo que te pregunte". Esa es la forma que toma la mayoría de los productos IA. Decidimos no hacerlo porque una sola persona cambiando de sombrero pierde tres cosas que importan para decisiones de negocio:
- Persistencia de identidad. El Agente de Marketing recuerda que es el Agente de Marketing. Sus posturas pasadas informan sus posturas futuras. Un asistente de persona única saltando de rol en rol cada turno resetea esa continuidad cada vez.
- Desacuerdo genuino. Cuando tu Agente de Finanzas y tu Agente de Marketing miran la misma decisión de precios, sacan a flote tensiones distintas — margen vs crecimiento, urgencia vs marca — y ves el desacuerdo en el hilo en vez de recibir una respuesta única promediada. Los montajes de single-assistant tienden a alisar las voces.
- Autonomía de herramientas por rol. Cada agente decide qué necesita — el de Finanzas tira de la memoria sobre tu ARR y unit economics; el de Marketing tira de búsqueda web sobre el posicionamiento del competidor. Tú no orquestas qué herramienta se dispara cuándo; lo hacen los agentes.
Eso es el "multi" de multi-agente: varios agentes nombrados, cada uno con identidad persistente y su propia lógica de selección de herramientas, colaborando dentro de un hilo por ti.
Qué pueden hacer, de verdad, los agentes de Korumia
Dentro de un hilo de Korumia, cualquier agente al que etiquetes puede:
- Buscar en la web en tu idioma, trayendo fuentes actuales para investigación de competidores, datos de mercado o contexto que el modelo no tenía.
- Leer tu memoria de empresa — el registro estructurado que Korumia extrae automáticamente de cada conversación sobre tu ARR, ICP, producto, equipo y decisiones pasadas.
- Leer archivos que subas — PDFs, hojas de cálculo, docs, imágenes — y trabajar sobre su contenido.
- Generar imágenes para moodboards, mocks de landing o conceptos de marketing.
- Etiquetar (@) a otro agente para traer una perspectiva distinta al mismo hilo, pasando el contexto completo automáticamente.
- Recordar entre conversaciones. Lo que discutiste con el Agente CEO la semana pasada es visible para el de Marketing hoy, sin que tengas que re-explicarlo.
Lo que deliberadamente no hacen todavía: enviar correos desde tu cuenta, publicar en tus canales, pagar facturas ni actuar en el mundo externo sin tu confirmación explícita. La agencia está concentrada en pensar y redactar, no en acciones irreversibles hacia afuera. Ese corte es una decisión de diseño, no un límite del que nos avergoncemos.
Dónde se difuminan las líneas
Seamos honestos sobre dónde se solapan estas categorías, porque los productos reales están a caballo.
- Los asistentes con botones de herramienta parecen agénticos. El ChatGPT clásico con Browse + Code Interpreter + Image Gen se siente cerca de un agente cuando encadenas herramientas tú. Solo se vuelve genuinamente agéntico cuando el modelo mismo decide qué herramientas encadenar sin tu prompt.
- Los agentes con objetivos estrechos parecen asistentes. Un agente de código al que le pides "arregla esta errata" probablemente edite una línea y vuelva. El mismo agente al que le pides "triagea y arregla este issue" planifica, edita, corre tests e itera. Mismo sistema, modo distinto según la forma del objetivo.
- Los chatbots con LLM detrás parecen asistentes. Muchos bots de soporte modernos ya corren sobre un LLM más una capa de recuperación. Dentro de su dominio se sienten como asistentes; fuera colapsan al comportamiento de chatbot.
La forma honesta de evaluar cualquier producto que se declara agéntico: pregunta qué decisiones toma el sistema sin ti y cuáles te sigue devolviendo. Cuantas más decisiones toma acertando, más agéntico es de verdad.
Cuál necesitas tú
- Necesitas un chatbot si tu flujo es de alto volumen, muy acotado y bajo impacto — routing de soporte, formularios, respuestas a FAQ.
- Necesitas un asistente si tu flujo es "sé lo que quiero, ayúdame a producirlo más rápido" — redacción, resumen, traducción, investigación informal, ayuda con código manteniéndote tú muy cerca del loop.
- Necesitas un agente si tu flujo es "aquí tienes un objetivo, descubre los pasos" — investigación profunda, tareas de código multi-archivo, síntesis estratégica que cruza memoria + datos actuales + varias perspectivas.
- Necesitas multi-agente si el objetivo se beneficia de más de un punto de vista nombrado — decisiones estratégicas donde quieres la postura del CEO, de Marketing y de Finanzas sobre la misma pregunta, no una sola respuesta promediada.
Korumia vive a propósito en ese último cajón. Si tu pregunta es "ayúdame a escribir este correo", un asistente de propósito general encaja mejor. Si tu pregunta es "¿deberíamos pasar de precios mensuales a anuales, y cómo comunicamos la transición?", quieres la versión multi-agente.
Lecturas relacionadas
Para la comparación concreta con ChatGPT, la página vs ChatGPT va más profundo. Para qué hace cada agente dentro de Korumia, empieza por Agente CEO IA y Agente Marketing IA. Para la categoría más ancha, vs consultor y vs consejo asesor cubren cómo se compara un sistema multi-agente con sus equivalentes humanos.