Tu agente de IA piensa con un modelo, que es el cerebro que le presta una empresa tecnológica a través de internet. Esos modelos tienen versiones y, cuando sale una nueva, el proveedor acaba retirando las antiguas con un plazo de aviso. Si tu agente depende de una versión retirada, un día puede dejar de funcionar o pasar a una versión distinta sin que nadie la haya probado. Se evita con tres cosas: un inventario de qué usa cada agente, alguien que lea los avisos del proveedor y un conjunto de pruebas que se repiten antes de cambiar.
Una gran empresa tiene un equipo que gestiona el ciclo de vida de sus proveedores y de su software. En una pyme, lo habitual es enterarse porque un cliente se queja de que el asistente «ya no es el mismo» o de que no contesta. Con un poco de orden, esa sorpresa no tiene por qué llegar.
¿Por qué la retirada de un modelo afecta a tu agente?
Afecta porque el agente no lleva el modelo dentro: lo consulta a distancia, como quien llama a un servicio. Si el proveedor retira esa versión, ocurre una de dos cosas. O bien el servicio falla y el agente se queda sin cerebro, o bien el proveedor redirige las consultas a una versión más nueva. Y la versión nueva no es una copia de la anterior: puede responder con otro tono, otro formato, ser más literal o más libre, y manejar peor un caso que antes resolvía bien. Las mismas instrucciones pueden dar resultados distintos. El plazo de aviso lo fija cada proveedor y no siempre es tan largo como te gustaría, así que conviene tenerlo previsto antes de que llegue el aviso.
Cómo enterarte a tiempo
Casi todo se reduce a organización:
- Inventario: una lista de qué agente usa qué modelo y qué versión, quién lo configuró y para qué tarea.
- Un buzón que alguien lea: los proveedores avisan por correo a la cuenta con la que se contrató el servicio. Ese correo debe ser un buzón compartido de la empresa o de una persona que lo lee, no el de quien ya no está.
- Una revisión periódica: unos minutos cada mes para mirar los avisos y el calendario de retiradas del proveedor.
- Una responsabilidad clara: pregunta a quien mantiene tu agente si vigilar esto forma parte del servicio. Si no está en el contrato de mantenimiento, no lo da por hecho.
- Un calendario: cuando haya una fecha de retirada, apúntala con margen para probar y no la dejes para la última semana.
Qué pruebas repetir antes de pasar a la versión nueva
Estas pruebas son las que separan un cambio tranquilo de un susto. Hazlas en este orden:
- Reúne casos reales, sin datos personales identificables: las consultas típicas, las difíciles y los errores del pasado, cada uno con la respuesta que tú consideras buena.
- Pásalos por la versión nueva y compara con la anterior: contenido, tono y formato, y que respete tus límites (lo que no debe prometer ni decir).
- Revisa lo que hace con las herramientas: si sigue rellenando bien la ficha, consultando el stock o enviando la información al sitio correcto.
- Mide velocidad y coste de uso: ambos pueden cambiar con la versión.
- Prueba los casos incómodos: un cliente enfadado, una pregunta fuera de tema, una petición que toca datos personales.
- Que lo lea alguien del negocio, no solo una persona técnica, y que dé su visto bueno.
Estas pruebas se parecen mucho a las que miden la calidad del trabajo de un agente de forma periódica; si quieres montarlas bien, tienes cómo medir la calidad del trabajo de un agente de IA y cómo evaluar la calidad de las respuestas de una IA.
¿Cambiar de modelo es solo cambiar un ajuste?
No. Técnicamente suele ser cambiar una línea de configuración, pero el comportamiento se mueve, y de ahí vienen los problemas. Por eso lo sensato es hacerlo en dos fases. Primero, el agente con el modelo nuevo trabaja en paralelo: sus respuestas se comparan con las del anterior, o se revisan una a una antes de llegar al cliente. Después se pasa de forma gradual, empezando por una parte de las tareas. Mientras la versión antigua siga disponible, conviene poder volver atrás con rapidez. Y durante unas semanas se revisa una muestra más amplia de lo normal, porque ciertos fallos solo aparecen con casos reales.
Qué hace quien mantiene el agente y qué decide tu empresa
Quien mantiene el agente vigila los avisos, prepara el conjunto de pruebas, ajusta las instrucciones al nuevo modelo y propone una fecha de cambio. Es trabajo técnico y repetitivo, y un agente de apoyo puede ayudar a lanzar las pruebas y a comparar resultados.
Lo que decide tu empresa es si el comportamiento nuevo es aceptable, cuándo se hace el cambio y si el coste de uso resulta razonable. Hay un matiz importante: si el cambio supone pasar a otro proveedor de modelos y el agente trata datos personales, hay que revisar de nuevo el contrato. Los puntos a mirar están en encargado del tratamiento e IA: cláusulas que debe llevar el contrato.
Un error frecuente: elegir el modelo por la novedad
Cuando sale un modelo nuevo y famoso, es tentador cambiar de inmediato. Pero lo importante no es que sea el más reciente, sino que haga bien tu trabajo con tus casos. A veces el modelo más nuevo va mejor; otras veces no aporta nada para tu tarea y solo añade riesgo. Lo comentamos en el error de elegir un modelo de IA por moda. Y si notas que el agente va empeorando sin que haya cambiado nada, puede ser otra causa, que explicamos en qué es el data drift.
Conclusión
Que un proveedor retire un modelo no tiene por qué parar tu agente. Con un inventario de qué usa cada agente, un buzón de avisos que alguien lea y un conjunto de casos reales para repetir antes de cambiar, el paso a una versión nueva se convierte en una tarea planificada en lugar de una urgencia. Lo hace quien mantiene el agente; lo aprueba tu empresa.
En MG Solutions construimos agentes de IA específicos para cada empresa, adaptados a tu forma de trabajar y a tus herramientas, no una plantilla genérica.
Si quieres ver cómo encajaría en tu empresa, escríbenos y lo hablamos.