Managed agents: cuándo conviene que el proveedor aloje tu agente de IA

Un managed agent, o agente alojado por el proveedor, es un agente de inteligencia artificial que corre en la infraestructura de quien vende el modelo. Tú defines la tarea, las herramientas a las que puede acceder y sus límites. El proveedor se encarga del resto: ejecuta el agente, le entrega un espacio de trabajo aislado, guarda las sesiones y registra lo que hace.

Durante 2026 Anthropic, OpenAI, Google y AWS lanzaron servicios de este tipo, todos en beta o vista previa. Para una empresa, la pregunta de fondo cambió. Antes era qué modelo usar; ahora también es quién opera el agente y dónde quedan sus datos. Este artículo resume el material que preparé para una clase en la UAI en octubre de 2026, con los datos de cada proveedor revisados en su documentación oficial y lo que aprendimos al poner uno en producción en nuestro podcast.

Qué es un agente y por qué importa dónde corre

Un agente de IA recibe un objetivo, decide qué pasos dar, usa herramientas (leer un archivo, consultar una base de datos, escribir un correo) y revisa el resultado antes de seguir. Para que eso funcione en una empresa hace falta bastante más que el modelo. Se necesita un programa que coordine los pasos, un lugar seguro donde ejecutar código, reglas sobre qué puede tocar, memoria entre conversaciones y un registro de cada acción.

A ese conjunto se le llama infraestructura del agente. La decisión es quién la construye y la mantiene.

¿Lo alojas tú o el proveedor?

Cuando lo alojas tú

Tu equipo programa el agente y lo ejecuta en tus servidores o en tu nube. Resuelves por tu cuenta la seguridad, los permisos, la memoria y el monitoreo. Tienes más control sobre cada paso, a cambio de más trabajo y más tiempo antes de lanzar.

Cuando lo aloja el proveedor

El proveedor corre y mantiene por ti el software del agente. Anthropic lo describe como un «arnés de agente preconstruido y configurable que corre en infraestructura administrada», pensado para tareas largas y asíncronas (documentación de Claude Managed Agents). OpenAI usa una idea parecida: su Agents API gestiona las sesiones, la orquestación y la recuperación ante fallas, mientras tu aplicación aporta las herramientas y elige dónde se ejecutan (documentación de OpenAI).

¿Cuándo conviene cada opción?

Los tiempos y la comparación de costos son criterio propio; los proveedores no publican cifras equivalentes.

En la práctica, el proveedor suele convenir para probar rápido un caso acotado y para equipos sin ingenieros dedicados a infraestructura. Es el mismo razonamiento de desarrollar o comprar IA, aplicado a la operación del agente.

Qué ofrece cada proveedor

El resumen refleja la documentación oficial al 17 de octubre de 2026.

Claude Managed Agents (Anthropic)

Está en beta y viene habilitado por defecto en las cuentas de la API. Cada sesión corre en un contenedor Linux nuevo administrado por Anthropic, o en un entorno propio si lo prefieres. Incluye memoria que persiste entre sesiones, con versiones guardadas que sirven como registro de auditoría. Permite fijar por herramienta si el agente actúa solo o si debe pedir confirmación, y muestra en la consola una línea de tiempo con los eventos de cada sesión. Además permite programar ejecuciones periódicas, fijar un tope de gasto por sesión y guardar credenciales en un almacén del proveedor, de modo que el agente las usa sin ver su valor. También está disponible a través de Claude Platform en AWS.

Como guarda historial, archivos y estado del espacio de trabajo en sus servidores, queda fuera de la retención cero de datos. Puedes borrar sesiones y archivos mediante la API.

OpenAI Agents API

Está en beta pública desde septiembre de 2026 (anuncio de OpenAI). El agente puede trabajar en un espacio aislado alojado por OpenAI, en uno propio o sin espacio de trabajo. Admite subagentes, conexión a servidores MCP y la posibilidad de corregir al agente mientras trabaja. Se cobra el uso del modelo, de las herramientas y del espacio aislado, sin un cargo adicional por la plataforma.

Según su documentación, hoy guarda los datos solo en Estados Unidos y no admite retención cero, aunque uses un espacio de trabajo propio.

Gemini Enterprise Agent Platform (Google Cloud)

Google agrupó su oferta bajo el nombre Gemini Enterprise Agent Platform. Su Agent Runtime ejecuta agentes de forma totalmente administrada, con un nivel gratuito y pago por uso; las sesiones y la memoria de largo plazo (Memory Bank) se cobran aparte. Además ofrece un servicio más reciente, Managed Agents API, que crea agentes con su propio espacio aislado. Este último está en vista previa, y Google pide no usarlo con datos sensibles ni en producción (documentación de Google Cloud).

Amazon Bedrock Managed Agents, powered by OpenAI (AWS)

Está en vista previa pública y se basa en una versión adaptada de la Agents API de OpenAI. El agente y el modelo corren dentro de AWS: cada agente tiene su propio rol de permisos (IAM), puede exigir aprobación humana antes de acciones relevantes y deja registro en CloudTrail. Las herramientas se ejecutan en infraestructura que tú provees. Por ahora solo funciona en tres regiones de Estados Unidos y, durante la vista previa, no trae memoria de largo plazo, llaves de cifrado administradas por el cliente ni subagentes (documentación de AWS).

Cómo lo usamos en nuestro podcast

En Evo tenemos el podcast Inteligencia Artificial para los Negocios. En octubre de 2026 pusimos en producción un agente en Claude Managed Agents que completa la página de cada episodio nuevo. Es un proyecto propio con contenido público, y por eso lo elegimos como primer caso.

Qué hace cada semana

Cuando se publica un episodio, el agente toma el audio, lo transcribe y corrige los nombres de personas y empresas. Luego escribe un resumen con capítulos, citas textuales y preguntas frecuentes, lo publica en la página del episodio y deja anotadas sus dudas para que una persona las revise.

Cuánto tardó en montarse

Configurarlo en la plataforma, desde cero hasta la primera ejecución sin supervisión, tomó una tarde. Fue posible porque la semana anterior hicimos el mismo trabajo a mano, con asistencia de IA, en 23 episodios. Así sabíamos cómo se ve un buen resultado y cuáles eran los errores típicos, y esa experiencia se convirtió en la guía que sigue el agente.

Qué resolvió la plataforma y qué hicimos nosotros

Elegimos Claude Managed Agents porque ya trabajábamos con Claude y el proceso se había afinado con ese modelo. Al elegir, pesa más lo que tu equipo ya usa que la lista de funciones. La plataforma trajo de serie el espacio aislado, el almacén de credenciales (el agente usa las claves sin poder leerlas), la ejecución semanal, el tope de gasto por ejecución y la línea de tiempo de cada sesión.

Lo que más tiempo nos tomó estuvo alrededor del agente. Construimos una puerta de entrada al sitio web que solo permite completar páginas vacías y nunca reemplazar contenido existente, un validador automático y el script de publicación. Esas reglas viven en nuestros sistemas, así que se cumplen aunque el agente se equivoque.

Tampoco usamos la memoria de la plataforma. Los nombres que el equipo confirma quedan en un archivo de nuestro repositorio, con historial de cambios: el agente lo lee en cada ejecución y solo una persona lo modifica.

Límites y revisión humana

Los límites están en capas. La red del agente solo llega a cuatro sitios y no tiene búsqueda web. Su usuario en el sitio solo puede completar campos vacíos, y su acceso al código está acotado a los repositorios del proyecto, sin permiso para fusionar cambios en la versión principal. Cada ejecución tiene además un tope de gasto y un máximo de episodios.

En las pruebas usamos el modo en que la plataforma evalúa cada acción y pausa si tiene dudas. Para que corriera solo lo cambiamos a ejecutar sin preguntar, porque una pausa un domingo, sin nadie mirando, deja la ejecución detenida. La supervisión quedó al final. Antes de publicar, el validador revisa la estructura, que los minutos de cada capítulo calcen con el audio y que las citas sean textuales, y bloquea la entrega si algo falla. Después, una persona revisa las dudas del agente y es la única que puede corregir contenido ya publicado.

Probamos el validador con los 23 episodios hechos a mano y con errores introducidos a propósito. También probamos la semana en que no hay episodio nuevo, para comprobar que el agente no toca nada.

Qué falló y qué nos sorprendió

En la primera ejecución, el servicio de transcripción asumió que el audio estaba en inglés y devolvió un texto ilegible; en el computador local nunca había pasado. También descubrimos que YouTube bloquea las descargas hechas desde servidores, así que usamos el audio del podcast.

Lo que nos sorprendió para bien fue la reacción del agente ante ese fallo: se detuvo, no publicó nada, explicó la causa y propuso la corrección exacta. Corregimos la herramienta, retomamos la misma sesión y el episodio quedó publicado. En la segunda prueba respetó el contenido que ya existía en la página. Ninguno de los problemas vino del modelo.

Qué tan fácil sería migrarlo

Lo valioso quedó en nuestro repositorio: la guía del agente, la lista de nombres confirmados, los scripts, el validador y la puerta de entrada al sitio. Lo atado a la plataforma es la definición del entorno, el almacén de credenciales y la programación semanal, en unos pocos archivos de configuración. Rehacer esa parte en otro proveedor tomaría días.

Antes de firmar: tres preguntas

¿Dónde quedan los datos?

Un managed agent guarda conversaciones, archivos y resultados en los servidores del proveedor, muchas veces fuera de Chile. El 1 de diciembre de 2026 entra en vigencia la Ley 21.719, que modifica la Ley 19.628 de protección de datos personales. Su nuevo artículo 27 permite transferir datos a otro país cuando ese país tiene un nivel adecuado de protección, o cuando existen cláusulas contractuales u otras garantías adecuadas.

Si el agente procesa datos personales de clientes o trabajadores, revisa en qué país quedan las sesiones, cuánto tiempo se guardan, cómo se borran y qué garantías ofrece el contrato. Para un primer caso, conviene elegir contenido público, como hicimos nosotros.

¿Qué puede tocar el agente?

Para la ley, el proveedor actúa como encargado del tratamiento. El artículo 15 bis exige un contrato que fije el objeto, la duración, la finalidad, el tipo de datos y las obligaciones de las partes. También prohíbe que el encargado delegue el tratamiento sin autorización escrita y lo obliga a borrar o devolver los datos al terminar.

En lo técnico, define qué herramientas usa el agente, con qué credenciales y qué acciones requieren aprobación de una persona. Conviene que los límites importantes existan también en los sistemas que el agente toca, con usuarios y claves de alcance mínimo, como hicimos en nuestro podcast. Si el agente toma decisiones automatizadas que afectan a personas, considera también el derecho a intervención humana del artículo 8 bis. Más detalle en nuestro artículo sobre gobernanza de IA y supervisión humana.

¿Cuánto cuesta salir?

Cada proveedor define a su manera las sesiones, la memoria y las herramientas. Si construyes todo sobre esas piezas, cambiarte implica rehacer parte del trabajo. Pregunta cómo exportas el historial y la memoria, y qué partes del agente quedan en tu código.

Riesgos que conviene tener presentes

• Retención de datos. Los servicios de Anthropic y OpenAI guardan el estado de las sesiones hasta que lo borras y hoy no ofrecen retención cero para este producto.
• Residencia. OpenAI Agents API guarda datos solo en Estados Unidos, y la versión de AWS opera solo en regiones de ese país.
• Memoria contaminada. Anthropic advierte que un contenido malicioso leído por el agente podría quedar escrito en su memoria y afectar sesiones futuras. Conviene dejar en solo lectura la memoria que no necesita cambiar. Otra opción es prescindir de ella, como hicimos en nuestro podcast.
• Productos en beta. Las funciones, los nombres y las condiciones pueden cambiar sin mucho aviso, como ya pasó con la marca de Google.
• Diferencias entre tu computador y la nube. Una herramienta que funciona bien en local puede comportarse distinto en el espacio del proveedor, como nos pasó con la transcripción. Prueba el agente en la plataforma antes de dar el proceso por resuelto.

Cómo empezar

1. Elige un caso acotado. Una tarea interna, con datos no sensibles y un resultado que una persona pueda revisar.
2. Hazlo a mano primero. Repite el proceso con asistencia de IA hasta conocer sus errores típicos. Eso se convierte en las instrucciones del agente.
3. Define permisos mínimos. Solo las herramientas necesarias, con credenciales de alcance limitado y aprobación humana para cualquier acción que no se pueda deshacer. Si el agente corre sin nadie mirando, lleva esas reglas a tus sistemas, además de dejarlas en sus instrucciones.
4. Mide antes de escalar. Arma un conjunto de casos de prueba con la respuesta esperada y revisa los registros de cada sesión.
5. Revisa el contrato. Ubicación de los datos, retención, subencargados y salida, a la luz de la Ley 21.719.
6. Diseña para cambiar. Mantén las instrucciones, las herramientas y los casos de prueba en tu propio repositorio, para poder llevarlos a otro proveedor.

En algunos procesos el agente necesita decisiones rápidas y repetitivas, como clasificar un documento. Ahí puede combinarse con un decision model, más barato y rápido para esa parte puntual.

Preguntas para tu próximo comité

• ¿Qué tarea concreta delegaríamos a un agente y quién revisa su trabajo?
• ¿La hemos hecho a mano lo suficiente como para saber cómo se ve un buen resultado?
• ¿En qué país quedarían las sesiones y por cuánto tiempo?
• ¿Qué acciones del agente requieren aprobación de una persona, y qué pasa si nadie la da a tiempo?
• ¿Qué tendríamos que rehacer si mañana cambiamos de proveedor?

Preguntas frecuentes

¿Qué son los managed agents?

Son agentes de IA que corren en la infraestructura del proveedor. El proveedor ejecuta el agente, le da un espacio de trabajo aislado y guarda sesiones y registros; tú defines la tarea, las herramientas y los límites.

¿Qué diferencia hay entre un managed agent y un agente propio?

En un agente propio tu equipo programa y opera toda la infraestructura. En un managed agent esa parte la resuelve el proveedor, a cambio de menos control y más dependencia.

¿Qué proveedores ofrecen managed agents?

A octubre de 2026, Anthropic (Claude Managed Agents), OpenAI (Agents API), Google Cloud (Gemini Enterprise Agent Platform) y AWS (Bedrock Managed Agents, con OpenAI). Todos están en beta o vista previa.

¿Un managed agent puede trabajar sin supervisión?

Puede correr con una frecuencia fija sin que nadie lo mire, siempre que sus permisos estén bien acotados en los sistemas que toca y que una persona revise los resultados después. Si necesita aprobaciones en el momento, alguien tiene que estar disponible para darlas.

¿Qué hace el agente del podcast Inteligencia Artificial para los Negocios?

Cada semana toma el episodio nuevo, lo transcribe, corrige nombres, escribe un resumen con capítulos, citas y preguntas frecuentes, y lo publica en la página del episodio. Corre en Claude Managed Agents y configurarlo tomó una tarde, después de una semana haciendo el proceso a mano. Pasa por un validador automático antes de publicar y una persona revisa después sus dudas.

¿Los managed agents guardan mis datos?

Sí. Guardan el historial y el estado de las sesiones hasta que los borras. Los servicios de Anthropic y OpenAI no ofrecen retención cero para este producto.

¿Qué dice la Ley 21.719 sobre usar un agente alojado fuera de Chile?

La ley, que entra en vigencia el 1 de diciembre de 2026, exige un contrato con el proveedor como encargado del tratamiento (artículo 15 bis) y garantías para transferir datos a otro país (artículo 27). Revisa ambos puntos con tu asesor legal.

¿Cuánto cuesta un managed agent?

Depende del proveedor y del uso. En general pagas por uso del modelo, las herramientas y el espacio de trabajo, y algunos ofrecen un nivel gratuito. Revisa los precios vigentes en la página de cada proveedor.