Un agente de IA está gestionando el alta de un nuevo proveedor: tiene que consultar un registro externo, generar un contrato y notificar a contabilidad. A mitad del proceso, el registro externo no responde. Un sistema automatizado tradicional se detendría ahí, con un error genérico y una tarea a medias que alguien tendrá que rescatar a mano. Un agente con replanificación dinámica, en cambio, reacciona: prueba una vía alternativa para obtener el mismo dato, reordena los pasos que sí puede completar mientras tanto, y solo pide ayuda humana si de verdad se queda sin opciones. Esa capacidad de reaccionar sobre la marcha, sin que nadie haya programado de antemano ese fallo concreto, es lo que se conoce como replanificación dinámica.
Qué es la replanificación dinámica, en términos sencillos
La replanificación dinámica es la capacidad de un agente de IA para modificar su plan de acción en tiempo real cuando un paso previsto falla, sin necesidad de que una persona intervenga para decirle qué hacer a continuación. El agente no sigue un guion fijo de principio a fin: mantiene un objetivo claro, ejecuta pasos hacia ese objetivo y, cuando uno de esos pasos no funciona como esperaba, evalúa alternativas antes de detenerse o de darlo por imposible.
La analogía más clara es la de un GPS. Un mapa impreso te da una ruta fija: si esa carretera está cortada, el mapa no sirve de nada y tienes que resolverlo tú. Un GPS moderno detecta el corte, recalcula una ruta alternativa en segundos y sigue guiándote hacia el mismo destino, aunque el camino ya no sea el que había calculado al principio. La replanificación dinámica hace exactamente eso con las tareas de un agente: el destino no cambia, pero el camino para llegar sí puede adaptarse sobre la marcha.
En qué se diferencia de un script automatizado tradicional
Un script tradicional, del tipo "si pasa A, haz B", solo puede reaccionar a los fallos que alguien anticipó y programó explícitamente. Si ocurre algo que no estaba previsto en ese código, el proceso se detiene con un error, aunque la solución hubiera sido sencilla para cualquier persona con sentido común. Esa rigidez no es un defecto de diseño: es la naturaleza misma de un script, que ejecuta instrucciones fijas en un orden fijo.
Un agente con replanificación dinámica no funciona con instrucciones fijas, sino con un objetivo y una capacidad de razonar sobre qué hacer si el camino previsto se bloquea. Esto no significa que actúe sin ningún límite: sigue operando dentro de las herramientas y los permisos que se le han dado, pero dentro de ese marco tiene margen para decidir cómo resolver un obstáculo que nadie programó de antemano, en lugar de limitarse a reportar que algo salió mal.
Cómo funciona el ciclo de plan, ejecución y replanificación
En la práctica, un agente con esta capacidad trabaja en un ciclo de tres fases que se repite cuantas veces sea necesario:
- Detección del fallo. El agente identifica que un paso no ha producido el resultado esperado, ya sea porque una herramienta externa no responde, porque el dato recibido no es válido, o porque una condición que asumía cierta no se cumple.
- Diagnóstico y búsqueda de alternativas. Antes de rendirse, el agente evalúa si existe otra forma de conseguir el mismo resultado: otra fuente de datos, otro orden de pasos, o una versión reducida de la tarea que sí se puede completar con la información disponible.
- Reintento o escalado. Si encuentra una alternativa viable dentro de sus límites, la ejecuta y continúa. Si no la encuentra, o si la alternativa implicaría tomar una decisión que excede lo que tiene permitido decidir solo, escala el problema a una persona con el contexto ya preparado, en lugar de un simple mensaje de error.
Este ciclo puede repetirse varias veces dentro de una misma tarea, y es precisamente lo que separa a un agente capaz de resolver problemas reales de uno que solo ejecuta el camino feliz previsto por su diseñador.
Qué tipos de fallo puede resolver solo y cuáles debe escalar
No toda replanificación es igual de segura, y aquí conecta directamente con los niveles de autonomía de un agente de IA: un agente puede tener plena libertad para replanificar cuando el fallo es técnico y reversible (una fuente de datos no responde, un formato no coincide), pero debería tener el límite mucho más estricto cuando la alternativa implica una decisión de negocio con consecuencias reales, como elegir un proveedor distinto al indicado o modificar un importe. La replanificación dinámica resuelve el "cómo llegar", no debería decidir por sí sola cambios en el "qué se hace" cuando eso tiene impacto económico o legal.
Un ejemplo aplicado en empresa
Una empresa usa un agente para preparar los pedidos recurrentes de reposición de material a sus proveedores habituales. Un día, la API de uno de los proveedores no responde durante varias horas por un mantenimiento no anunciado. Sin replanificación dinámica, ese pedido concreto simplemente no se genera, y nadie lo detecta hasta que falta el material. Con replanificación dinámica, el agente detecta que la vía habitual falla, prueba el canal alternativo de pedidos por email que ese mismo proveedor acepta, genera el pedido por esa vía y deja una nota indicando que se usó el canal de respaldo, para que alguien lo verifique cuando tenga un momento. El objetivo del proceso —que el pedido salga a tiempo— se cumple, aunque el camino haya cambiado sobre la marcha.
Qué preguntar a tu proveedor sobre esto
Antes de dar por hecho que un agente "resuelve solo los problemas", conviene preguntar con precisión: qué tipos de fallo puede resolver de forma autónoma y cuáles escalan siempre a una persona, cuántas alternativas prueba antes de rendirse y detenerse en lugar de intentar indefinidamente sin avisar, y si queda un registro claro de cuándo el agente se desvió del plan original y por qué. Sin esa trazabilidad, la replanificación deja de ser una ventaja y se convierte en una caja negra difícil de auditar cuando algo no sale como se esperaba, algo que tratamos con más detalle en qué pasa si el agente de IA comete un error.
Conclusión
La replanificación dinámica es lo que permite que un agente de IA no se quede parado la primera vez que algo no sale según lo previsto, sino que busque una vía alternativa dentro de sus límites y solo pida ayuda cuando de verdad la necesita. Es una pieza central de lo que hace que un agente sea útil en el mundo real, donde los fallos inesperados son la norma y no la excepción, y conecta directamente con la resiliencia operativa de los sistemas automatizados de toda la empresa.
En MG Solutions diseñamos cada agente pensando en qué debe intentar resolver solo y en qué punto exacto debe parar y avisar. Si quieres revisar cómo reaccionaría un agente ante los fallos habituales de tu operación, reserva una primera reunión.