Agentes de IA¶
⏱️ Tiempo de lectura: 2 min
Un chatbot genera respuestas. Un agente puede decidir una secuencia de acciones, usar herramientas y volver a observar lo que ocurre antes de continuar.
Eso no convierte al modelo en una entidad autónoma ni elimina la necesidad de diseñar el sistema. Al contrario: cuando un modelo puede leer correo, consultar una base de datos, ejecutar código o cambiar un registro, el problema deja de ser solo la calidad del texto. Importan el estado, los permisos, la evaluación, el coste y la capacidad de detenerse.
En esta serie construiremos un mapa técnico y práctico para separar el hype de los mecanismos que realmente hacen que un agente funcione.
Índice¶
1. Qué es un agente y qué no lo es¶
- Diferencia entre chatbot, workflow, copiloto y agente.
- Del modelo que responde al sistema que persigue un objetivo.
- Por qué autonomía significa delegar decisiones concretas, no entregar el control completo.
2. La anatomía de un agente¶
- El bucle observar–planear–actuar–verificar.
- Tools, memoria, contexto, estado y runtime.
- Por qué una tool call es un contrato de software, no una capacidad mágica del LLM.
3. Cómo se evalúa un agente¶
- Tareas reproducibles frente a benchmarks de respuesta.
- Trazas, éxito de tarea, coste, latencia y recuperación ante fallos.
- El problema de que un agente pueda “hacer trampa” en su propia evaluación.
4. Seguridad: cuando leer datos se convierte en actuar¶
- Prompt injection directa e indirecta.
- Mínimo privilegio, identidad, autorización y confirmación humana.
- Por qué una única defensa en el prompt no basta.
5. De la demo al sistema operable¶
- Presupuestos, límites, retries, idempotencia y observabilidad.
- Trabajo asíncrono y cierre proactivo sin mentir al usuario.
- Cuándo usar un workflow determinista y cuándo un agente aporta valor real.
La tesis de la serie¶
Un agente fiable no es el que actúa más veces sin preguntar, es el que sabe qué puede hacer, cómo demostrar lo que hizo y cuándo debe parar.
Series relacionadas: Fundamentos de IA e IA generativa · Modelos razonadores · Multimodalidad en IA generativa