Glosario de IA Models & Architecture
¿Qué es un agente de IA?
← Todos los términos del glosarioSoftware que persigue un objetivo decidiendo sus propios pasos, usando herramientas y datos, y actuando sobre sistemas con poca intervención humana.
Explicación
Un agente de IA es un software que recibe un objetivo, decide los pasos para llegar a él y los ejecuta. Hoy la mayoría usa un modelo de lenguaje grande como núcleo de razonamiento: el modelo lee la situación, elige qué herramienta llamar (una búsqueda, una API, una consulta a base de datos, un cálculo), mira el resultado y decide qué hacer después. El ciclo se repite hasta cumplir el objetivo, llegar a un límite o necesitar a una persona. Lo que lo distingue de un script es que el camino no está fijado de antemano: el modelo lo elige en cada ejecución.
Cómo funciona un agente de IA
- Objetivo: una tarea en lenguaje natural o un evento que la dispara, como un correo nuevo o un ticket.
- Razonamiento: el modelo divide la tarea en pasos y decide cuál toca.
- Herramientas: funciones que el agente puede llamar, como buscar, leer un documento, actualizar un registro o enviar un mensaje.
- Observación: el agente lee lo que devuelve cada herramienta y ajusta el plan.
- Memoria y contexto: notas sobre lo hecho y lo pendiente, para no perder el hilo en tareas largas.
- Condiciones de parada: éxito, un límite de pasos o de coste, o el paso a una persona.
¿Agente, chatbot o workflow?
Un chatbot responde preguntas en una conversación; normalmente no actúa sobre otros sistemas. Un workflow ejecuta una secuencia de pasos que alguien diseñó antes, aunque algunos usen un modelo de lenguaje. Un agente decide la secuencia él mismo, dentro de las herramientas y permisos que tiene.
En la práctica, muchos sistemas útiles combinan los tres: un workflow fijo para lo predecible y un agente solo donde el camino depende de verdad de cada caso.
Cuándo tiene sentido y sus límites
- Encaja en tareas con muchos caminos posibles que cuesta escribir como reglas: clasificación, investigación, gestión de casos, conciliaciones.
- Necesita herramientas, permisos y datos claros; un agente no puede suplir un acceso que no tiene.
- Cada paso extra suma latencia, coste y margen de error, así que para tareas simples suele ser mejor un workflow.
- Las acciones con consecuencias reales (pagos, mensajes a clientes, cambios en registros) suelen pedir aprobación humana, trazas y evaluación antes de salir a producción.
Preguntas frecuentes
¿Qué es un ejemplo de agente de IA?
Un agente de soporte que lee un ticket, busca al cliente y el pedido en el CRM, revisa la política de devoluciones, redacta la respuesta y deja preparado un reembolso para que lo apruebe una persona. Decide qué consultas hacer según lo que diga el ticket.
¿Qué diferencia hay entre un agente de IA y un LLM?
Un modelo de lenguaje grande genera texto a partir de una entrada. Un agente envuelve el modelo en un ciclo con herramientas, memoria y reglas de parada, para que pueda actuar sobre sistemas y avanzar varios pasos hacia un objetivo. El modelo es el motor de razonamiento; el agente es el sistema que lo rodea.
¿Agente de IA y IA agéntica son lo mismo?
Están muy relacionados. Un agente de IA es un sistema concreto que planifica y actúa; la IA agéntica es el enfoque más amplio de construir sistemas, a menudo con varios agentes y workflows, que actúan con cierta autonomía en vez de limitarse a responder.
¿ChatGPT es un agente de IA?
Por sí solo, un asistente de chat sobre todo responde en la conversación. Cuando tiene herramientas, como navegar, ejecutar código o actuar en otras aplicaciones, y decide cuándo usarlas a lo largo de varios pasos, se comporta como un agente.
¿Es seguro usar agentes de IA en una empresa?
Puede serlo con los controles adecuados: acceso mínimo a herramientas y datos, límites de pasos y de gasto, aprobación humana en acciones sensibles, trazas completas y evaluación antes y después del lanzamiento. Casi todo el riesgo viene de lo que se le permite hacer al agente, no del modelo en sí.
Guías de decisión que usan este término
- Construir o comprar agentes de IA: ¿qué agentes conviene tener en propiedad y cuáles alquilar?
- IA agéntica vs chatbots generativos: ¿tu caso de uso necesita un agente o un buen asistente?
- Agentes de IA o RPA: ¿cuál debe automatizar tu proceso y cuándo conviene combinarlos?
- Microsoft Copilot o agentes de IA a medida: ¿cuándo basta el asistente de la suite y cuándo necesitas agentes propios?
- Framework de agentes u orquestación propia: ¿adoptar un framework o escribir tu propio bucle de agente?
- Humano en el bucle o agentes autónomos: ¿cuánto debe decidir un agente de IA por su cuenta?
- Modelos de razonamiento o LLM estándar: ¿cuándo compensa pagar por pensar más?
- ¿Agente único o sistema multiagente: cómo debes diseñar tu arquitectura?
Cómo llevarlo a la práctica
- ¿Cómo automatizar cuentas a pagar con IA?
- ¿Cómo automatizar el correo con IA?
- ¿Cómo automatizar procesos con varios agentes de IA?
- ¿Cómo automatizar el service desk de IT con IA?
- ¿Cómo prever la tesorería con IA?
- ¿Cómo preparar reuniones comerciales con IA?
- ¿Cómo hacer red teaming automático a tus agentes de IA?
- ¿Cómo usar IA en compras?
Dónde aparece en Thinkia
Para seguir leyendo
Términos relacionados
Fuentes
- Anthropic · Building effective agents (en inglés)
- Yao et al. · ReAct: Synergizing reasoning and acting in language models (arXiv) (en inglés)
- Wang et al. · A survey on large language model based autonomous agents (arXiv) (en inglés)
Actualizado: 2026-10-21