Un agente de IA es un sistema que utiliza un modelo para decidir el siguiente paso de un trabajo, seleccionar herramientas y actuar sobre un entorno con el fin de alcanzar un objetivo definido.
Un agente no es autónomo por definición ni tiene que operar sin personas. Puede limitarse a proponer un plan, pedir aprobación antes de cada acción sensible o ejecutar un flujo acotado hasta que aparece una excepción.
Qué distingue a un agente
No existe una única definición aceptada por todo el sector. Una distinción práctica es observar quién dirige el flujo:
| Sistema | Quién decide el siguiente paso | Qué puede hacer |
|---|---|---|
| Chatbot | La persona mediante cada mensaje | Generar una respuesta |
| Workflow con IA | Código y reglas predefinidas | Ejecutar una secuencia conocida con alguna tarea generativa |
| Agente | El modelo dentro de límites programados | Elegir pasos y herramientas según el estado de la tarea |
Anthropic distingue entre workflows, donde el código define las rutas, y agentes, donde el modelo dirige dinámicamente el proceso y el uso de herramientas. OpenAI describe los agentes como sistemas capaces de ejecutar flujos por cuenta del usuario con un grado elevado de independencia. Ambas definiciones dejan una decisión esencial para el diseñador: cuánta independencia es realmente necesaria.
Componentes de un agente de IA
Un agente empresarial fiable necesita más que un modelo y varias APIs:
- Objetivo e instrucciones: delimitan la tarea, las prioridades, las prohibiciones y las condiciones de salida.
- Modelo: interpreta el estado, propone el siguiente paso y prepara llamadas a herramientas.
- Herramientas: consultan datos o producen efectos, como buscar un expediente, crear una incidencia o actualizar un registro.
- Estado: conserva lo que ya ocurrió, los resultados obtenidos y lo que falta por resolver.
- Bucle de ejecución: alterna decisión, acción, observación y nueva decisión hasta completar, escalar o detener.
- Controles: limitan permisos, gasto, tiempo, iteraciones y acciones; registran evidencia y activan supervisión humana.
La memoria a largo plazo y los planificadores especializados son opciones, no requisitos universales. Añadirlos sin una necesidad medida amplía superficie de error, coste y dificultad de auditoría.
Ejemplo empresarial
Un agente de soporte recibe una incidencia sobre un pedido. Consulta el estado en el ERP, revisa el historial autorizado, comprueba la política aplicable y propone una solución. Puede actualizar el ticket automáticamente, pero una devolución económica requiere aprobación.
El agente no recibe acceso general al ERP. Utiliza herramientas estrechas: consultar_pedido, leer_politica, proponer_resolucion y solicitar_aprobacion. Cada resultado vuelve al bucle y queda registrado. Si los datos discrepan o se supera un límite, el caso pasa a una persona.
Cuándo utilizar un agente
Un agente puede encajar cuando el objetivo es claro pero la ruta depende de información que aparece durante la ejecución; hay varias herramientas; las excepciones son frecuentes; y el resultado puede verificarse.
No suele compensar cuando:
- una regla, integración o automatización convencional resuelve el flujo;
- los pasos son estables y el modelo solo aporta variabilidad;
- el resultado no se puede comprobar antes de causar un efecto importante;
- el sistema necesita permisos amplios para aportar un beneficio pequeño;
- no existen propietario, métricas, registro ni capacidad de parada.
Los agentes intercambian flexibilidad por mayor latencia, coste y posibilidad de errores acumulados. Empieza con el nivel mínimo de autonomía que permita medir valor. La guía ¿Cuánta autonomía debe tener un agente de IA? propone una decisión basada en impacto y reversibilidad.
Riesgos y controles básicos
Un error en una respuesta puede corregirse. Un error convertido en correo, pago o cambio de datos produce un efecto externo. Por eso el riesgo depende tanto de la herramienta y el permiso como del modelo.
Los controles habituales incluyen identidad propia o delegada, permisos mínimos, validación de argumentos, listas de acciones prohibidas, límites de gasto e iteraciones, entornos aislados, aprobación para efectos sensibles, registros de herramientas y pruebas adversariales.
La supervisión humana no debe ser un clic decorativo. La persona necesita contexto, tiempo y autoridad para corregir o detener. La guía de supervisión humana explica cómo diseñarla.
Términos relacionados
- Herramienta o tool: función disponible para que el agente consulte o actúe.
- Orquestación: lógica que coordina pasos, agentes, herramientas y transferencias.
- Guardrail: control que restringe, detecta o contiene comportamientos no permitidos.
- Memoria: información persistente que el sistema recupera para tareas posteriores.
- Human in the loop: intervención humana colocada en un punto concreto del flujo.
La decisión útil
No empieces preguntando cuántos agentes necesitas. Define el trabajo, el resultado verificable y el efecto máximo que el sistema puede producir. Después decide si la ruta debe dirigirla el modelo o puede permanecer en código.
Para ver la arquitectura completa, consulta De los chatbots a los agentes de larga duración.
Fuentes y lecturas recomendadas
- OpenAI, A practical guide to building agents, componentes, herramientas y criterios de uso, consultado el 20 de agosto de 2026.
- Anthropic, Building effective agents, distinción entre workflows y agentes, y patrones de ejecución, publicado en 2024 y consultado el 20 de agosto de 2026.
- INSTINTIA: identidad digital y permisos para agentes, aplicación empresarial de identidad, delegación y trazabilidad.
Definición y vigencia revisadas el 20 de agosto de 2026.