Qué son los agentes de IA y en qué se diferencian de un chatbot

Un agente de IA es un sistema en el que un modelo de lenguaje dirige por sí mismo su propio proceso y el uso de herramientas, manteniendo el control sobre cómo cumple una tarea. No es lo mismo que un chatbot que solo responde a lo que le escribes: el agente decide qué pasos dar. Esta es la definición que usa Anthropic en su guía sobre cómo construir agentes, publicada en diciembre de 2024.

«Agente» significa cosas distintas

El propio texto reconoce que la palabra se define de varias maneras. Unos la usan para sistemas totalmente autónomos que trabajan solos durante mucho tiempo con diversas herramientas; otros, para implementaciones más rígidas que siguen un flujo definido. Anthropic llama a todas estas variantes sistemas agénticos y hace una distinción de arquitectura:

• Workflows (flujos de trabajo): sistemas en los que los modelos y las herramientas se orquestan mediante rutas de código predefinidas. El programador decide los pasos.
• Agentes: sistemas en los que el modelo dirige dinámicamente su proceso y su uso de herramientas.

Un ejemplo para entenderlo

Imagina que quieres resumir cada día tus correos:

• Con un workflow, el programa siempre hace lo mismo: descarga los correos, se los pasa al modelo, guarda el resumen.
• Con un agente, el modelo decide si necesita buscar un dato, abrir un archivo o pedirte una aclaración antes de seguir.

Cuándo merece la pena

Anthropic recomienda buscar la solución más simple posible y aumentar la complejidad solo cuando haga falta; eso puede significar no construir un sistema agéntico en absoluto. Los motivos:

• Los sistemas agénticos suelen cambiar latencia y coste por mejor rendimiento en la tarea.
• Los workflows ofrecen previsibilidad y consistencia en tareas bien definidas.
• Los agentes son mejores cuando se necesita flexibilidad y decisiones guiadas por el modelo a gran escala.
• Para muchas aplicaciones, basta con optimizar una sola llamada al modelo con búsqueda de datos y ejemplos.

Riesgos que conviene conocer

Un agente actúa, no solo responde, y eso añade riesgos: puede equivocarse con convicción (alucinaciones), gastar más de lo previsto o ser manipulado por contenido externo, como explica la guía sobre prompt injection. Dale solo los permisos necesarios y pide confirmación antes de acciones importantes.

Una advertencia sobre la fuente

El propio artículo avisa de que gran parte del panorama de herramientas que describe ha cambiado desde diciembre de 2024. Los conceptos (workflow frente a agente, empezar por lo simple) siguen siendo útiles, pero consulta la documentación actual del proveedor que uses.

Para entender qué hay debajo, lee cómo funciona un LLM, y si quieres probar una llamada sencilla, tu primera llamada a una API de IA.