¿Qué es un agente de IA?

¿Qué es?

Un agente de IA es un sistema que usa un modelo de lenguaje para decidir por sí mismo qué pasos dar hasta cumplir un objetivo. En lugar de responder una vez y detenerse, el modelo entra en un bucle: elige una acción, la ejecuta con alguna herramienta, observa el resultado y decide el siguiente paso. Repite hasta considerar la tarea terminada o hasta que una condición lo detiene.

Lo que separa a un agente de un chatbot es quién controla el flujo. En un chatbot, el flujo lo define tu código: preguntas algo, el modelo responde, fin. En un agente, el modelo controla el flujo: decide cuántos pasos hacen falta, qué herramienta usar en cada uno y cuándo parar.

Anthropic distingue dos cosas que suelen confundirse:

• Workflow: el modelo y las herramientas se orquestan por caminos de código predefinidos. La secuencia la decides tú.
• Agente: el modelo dirige su propio proceso y decide el uso de herramientas sobre la marcha.

Muchos sistemas "con IA" en producción son workflows, no agentes, y está bien que así sea.

Modelo mental

Piensa en la diferencia entre una receta y un cocinero.

Una receta es una lista de pasos fijos: mezclar, hornear 20 minutos, sacar. Siempre igual. Predecible, barata, fácil de depurar. Eso es un workflow.

Un cocinero tiene un objetivo —"que la cena esté lista"— y decide sobre la marcha: prueba, ajusta la sal, baja el fuego si se quema, cambia de plan si falta un ingrediente. Más flexible, pero también más caro, más lento y más difícil de predecir. Eso es un agente.

Los tres ingredientes de un agente:

1. Un modelo que razona sobre qué hacer a continuación.
2. Herramientas que le dan acceso al mundo: buscar, leer archivos, llamar una API, ejecutar código.
3. Un bucle que repite razonar–actuar–observar hasta cumplir el objetivo.

No todas las vueltas del bucle llaman a una herramienta: algunos pasos son solo razonamiento, y el bucle termina cuando el modelo considera cumplido el objetivo.

Sobre esa base se agregan capas opcionales: memoria persistente entre sesiones, planificación explícita, supervisión humana, varios agentes coordinados.

¿Cómo se usa?

Construir un agente, en la práctica, es:

1. Definir el objetivo y el criterio de "terminado".
2. Darle un conjunto acotado de herramientas bien descritas.
3. Escribir un system prompt que explique el rol, los límites y cuándo pedir ayuda.
4. Poner un tope de iteraciones y un presupuesto de tokens para que no se descontrole.
5. Evaluar el comportamiento con casos reales antes de darle más autonomía.

Ejemplos de agentes que quizá ya usas: los agentes de código que leen tu repo, editan archivos y corren tests en bucle; agentes de investigación que buscan, leen y sintetizan; agentes de soporte que consultan sistemas internos antes de responder.

La guía de Anthropic: usa el patrón más simple que pase tus evaluaciones. A veces es una sola llamada al modelo con buenas herramientas. Reserva los agentes para cuando no puedes predefinir el camino pero sí puedes verificar el progreso.

¿Cuándo usarlo / cuándo no?

Conviene un agente cuando:

• La tarea tiene muchos caminos posibles y no puedes enumerarlos por adelantado.
• Puedes verificar si el resultado es correcto (tests, validaciones, revisión).
• El valor de la tarea justifica el costo de varios pasos de modelo.
• Toleras cierta variabilidad en cómo se llega al resultado.

Evita un agente cuando:

• El flujo es fijo y conocido: un workflow es más barato y predecible.
• No tienes forma de verificar el resultado: un agente sin verificación amplifica errores.
• La latencia o el costo pesan mucho. Según Anthropic, un agente consume del orden de 4 veces más tokens que una conversación simple, y un sistema multi-agente alrededor de 15 veces más.
• Un error tiene consecuencias graves y no hay supervisión humana en el medio.