Agente de IA vs chatbot: la diferencia que importa

Agente de IA vs chatbot: qué significa realmente la diferencia en una revisión de contrato

Un agente de IA frente a un chatbot suele presentarse como un eslogan de marketing, pero para un equipo legal la distinción es práctica, no semántica. Un chatbot responde la pregunta que acabas de formular y se detiene. Un agente de IA asume un objetivo como "marca las desviaciones en este NDA respecto a nuestro estándar", lo desglosa en pasos, accede a la biblioteca de cláusulas, compara términos y devuelve un borrador revisado, sin que tengas que indicarle qué hacer en cada paso. Esa diferencia determina si una herramienta te ahorra diez minutos o dos horas en una sesión de revisión de contratos un martes por la tarde.

Qué separa realmente un agente de IA de un chatbot al revisar un contrato

Tres cosas diferencian un agente de un chatbot, y ninguna tiene que ver con lo "inteligente" que sea el modelo subyacente.

Autonomía. Un chatbot espera tu siguiente mensaje después de cada respuesta. Un agente sigue trabajando en varios pasos hacia un objetivo que estableces una sola vez, ajustando su estrategia conforme avanza.

Acceso a herramientas. Un chatbot responde desde lo que aprendió en el entrenamiento, o desde un documento que pegas en la ventana. Un agente se conecta a tu biblioteca de cláusulas, tu repositorio de contratos, a veces tu CRM, y obtiene lo que realmente necesita en lugar de depender de tu copy-paste.

Memoria. Una sesión de chatbot se reinicia más o menos con cada nueva ventana de contexto. Un agente lleva lo que encontró en el paso uno a la decisión que toma en el paso cuatro, de modo que una cláusula de limitación de responsabilidad marcada realmente informa el lenguaje alternativo que redacta.

Una definición concisa Chatbot: responde una pregunta por solicitud, sin tarea persistente, sin acceso a herramientas externas. Agente de IA: persigue un objetivo multifase de forma autónoma, utiliza herramientas externas (biblioteca de cláusulas, repositorio, CRM), mantiene contexto entre pasos.

Así es como esta distinción cambia en la práctica: un chatbot es un muy buen asistente de investigación para una pregunta única. Un agente es más parecido a un asociado junior que ya ha leído todo el expediente.

Cuándo un chatbot aún hace mejor el trabajo

Evita el agente cuando la tarea es genuinamente una pregunta única. "¿Qué significa esta cláusula de indemnización en lenguaje claro?" "Resume este SLA de tres páginas." "¿Es estándar esta cláusula de jurisdicción para un contrato de proveedor SaaS en España?" Un chatbot responde estas preguntas más rápido que un agente las planificaría, porque no hay tarea multifase que planear. Antes de firmar, más vale saber que enviar una pregunta puntual a través de una herramienta "agencial" suele añadir latencia y coste sin mejorar la precisión.

Un chatbot también es la opción más segura cuando no quieres que una herramienta acceda a tu repositorio activo. Si la tarea no requiere leer cinco documentos y hacer referencias cruzadas con un estándar, no le des las llaves.

También hay un argumento de coste que raramente aparece en el discurso comercial. Los agentes suelen estar limitados por créditos porque consumen muchos más tokens por tarea que un simple intercambio de chatbot: leen documentos fuente, planifican pasos, invocan herramientas, verifican su propio resultado. Enviar una pregunta de una línea a través de un marco agencial no solo añade latencia, sino también una factura que no necesitabas pagar.

Qué añade un agente cuando puede actuar sobre tu contrato, no solo hablar de él

En la práctica, esto significa que el agente deja de ser una ventana de chat y se convierte en un flujo de trabajo. La revisión de contratos es el caso donde la diferencia se ve más claramente: un agente puede tomar un documento de la contraparte, alinear cada cláusula entrante con tu biblioteca de cláusulas aprobadas, marcar las desviaciones por nivel de riesgo y producir un borrador revisado con lenguaje alternativo sugerido, todo antes de que ni siquiera abras el archivo.

Esto no es hipotético. Los equipos de operaciones legales ya ejecutan este patrón para acuerdos rutinarios: NDAs estándar, formularios de pedido, anexos de renovación, cualquier cosa con estructura predecible y un proceso claro. El agente hace el primer análisis; un humano revisa lo que se marca. El análisis de Ironclad sobre agentes de IA en operaciones legales lo deja claro: un chatbot responde una pregunta por solicitud, mientras que un agente asume un objetivo, lo desglosa en pasos y ajusta su enfoque según lo que encuentra en el camino.

La misma lógica se aplica después de la revisión. Un agente puede monitorear un portafolio de contratos ejecutados por fechas de renovación y plazos de rescisión, activando una alerta antes de que se pierda alguno, algo que un chatbot simplemente no puede hacer porque no tiene una tarea persistente que ejecutar en segundo plano.

Agentwashing: por qué la mayoría de herramientas vendidas a equipos legales como "agentes" aún son chatbots

No es un riesgo teórico: es lo que los juristas ven regularmente cuando un proveedor renombra una función de chat "Agente de IA" sin añadir autonomía, acceso a herramientas o memoria. Los analistas del sector han comenzado a llamar este patrón "agentwashing": reetiquetar un asistente como agente cuando sigue esperando un nuevo aviso en cada paso y nunca opera de forma independiente.

La investigación de Forrester de 2026 sobre IA agencial encontró que tres cuartas partes de los líderes empresariales dicen que están adoptando IA agencial, pero solo una minoría la tiene funcionando en producción de forma significativa más allá de lo que la firma llama sin rodeos "chatbots agenciales": herramientas con marca de agente pero autonomía a nivel de chatbot. Esa brecha entre la etiqueta en la página de precios y la capacidad real es exactamente lo que un comprador legal debe verificar antes de firmar un contrato por la propia herramienta.

Para un comprador legal, la prueba práctica es simple: pregunta al proveedor qué sucede después del primer paso sin tu intervención. Si la respuesta es "escribes el siguiente aviso", estás mirando un chatbot con un nuevo nombre. Si la respuesta implica que la herramienta lee tu repositorio, compara cláusulas y produce un resultado en múltiples pasos, ese es un agente.

Dónde se sitúan Harvey, Spellbook, Kira Systems y Legalysis en el espectro chatbot-agente

Ninguna de estas herramientas ocupa un punto fijo único; la mayoría combina ambos modos dependiendo de la tarea.

Harvey tiende al comportamiento agencial para flujos de trabajo pesados en investigación: revisión multidocumento, redacción de memorandos que incorporan jurisprudencia y precedentes de firma en varios pasos. Spellbook funciona principalmente dentro de Word como un copiloto de redacción, más cercano al extremo del chatbot para la mayoría de tareas cotidianas, aunque sus sugerencias de cláusulas cada vez más obtienen de tu propio estándar automáticamente. Kira Systems construyó su reputación en extracción a escala en grandes conjuntos de documentos, que es trabajo con forma de agente (multidocumento, conectado a herramientas, sin solicitudes por cláusula), aunque la interfaz se lee más como un panel que como una ventana de chat.

Legalysis se sitúa más hacia el extremo agencial para su tarea principal: análisis de contrato cláusula por cláusula que lee el documento completo, marca riesgo por tipo de cláusula, explica qué significa cada término marcado en la práctica, sin que el analista repita solicitud por solicitud. Donde no intenta competir es en la redacción generativa desde cero o la investigación de jurisprudencia; eso aún se sirve mejor con herramientas construidas específicamente para ello.

Ninguna de estas cuatro herramientas son intercambiables, y una tabla de comparación que las puntúe todas en el mismo eje (velocidad, precisión, precio) pierde la pregunta más útil: qué etapa del ciclo de vida del contrato está realmente construida para cada una. Kira y Legalysis se concentran en la revisión anterior a la firma, donde el coste de perder una cláusula es mayor. Harvey se extiende entre investigación y redacción. Spellbook se queda cerca del escritorio de redacción. Frecuentemente en SLA técnicos, los equipos terminan ejecutando dos de estas herramientas en paralelo en lugar de elegir un ganador único, porque revisión y redacción son trabajos genuinamente diferentes con perfiles de riesgo distintos.

Qué verificar antes de permitir que un agente acceda a un contrato activo

Tres tipos de comprobaciones merecen una revisión atenta antes de otorgar acceso de agente.

Manejo de datos. Confirma que el proveedor del modelo subyacente del agente aplica una política de retención cero para tus insumos, y que tus datos de contrato no se utilizan para entrenar el modelo de otro. Pregunta explícitamente sobre sub-procesadores; la respuesta rara vez se ofrece voluntariamente.

Puntos de control humano. Un flujo de trabajo de agente bien construido redacta o marca, un humano aprueba o anula, y el sistema registra ambas acciones. Si un proveedor promociona autonomía completa en algo más que un NDA estándar, eso es una bandera roja, no una característica.

Pista de auditoría. Cada cláusula que el agente sugiere y cada decisión de enrutamiento que toma debe registrarse en un registro que puedas extraer durante una disputa o una revisión interna. Sin eso, estás confiando una caja negra a documentos que conllevan responsabilidad real.

Nada de esto reemplaza tu propio juicio legal en nada sustancial. A verificar con tu consejo cuando la apuesta supera una cláusula estándar: un agente reduce lo que requiere tu atención, no decide qué riesgo es aceptable para tu negocio.

¿Debería tu equipo usar un chatbot, un agente, o ambos ahora?

La mayoría de equipos legales no necesitan elegir uno y abandonar el otro. Un chatbot sigue siendo útil para preguntas aisladas, resúmenes rápidos y explicaciones en lenguaje claro de una cláusula que estás mirando en este momento. Un agente se justifica en cualquier cosa repetitiva: evaluación de NDAs estándar, comparación de SLA de proveedor contra tu estándar, monitoreo de fechas de renovación en un portafolio grande de contratos.

Tres movimientos concretos que vale la pena hacer este trimestre:

Comienza con tu tipo de contrato de mayor volumen y menor riesgo, los NDAs estándar son la opción habitual, y mide si un flujo de trabajo de agente realmente reduce el tiempo de revisión antes de expandirlo a algo más complejo.

Pide a cada proveedor de "agente de IA" en tu lista corta que demuestre una ejecución multifase completa en uno de tus propios documentos, no un script de demostración, antes de firmar nada.

Mantén un chatbot en el stack para las preguntas que un agente no debería responder solo: decisiones de jurisdicción matizadas, cualquier cosa lo suficientemente novedosa como para que no haya entrada de estándar para comparar.