Llevamos años hablando de IA como si fuera fundamentalmente una herramienta de respuesta: le haces una pregunta, te da una respuesta. Pero hay un cambio en curso que va mucho más allá de eso: la IA que no espera a que le preguntes, sino que actúa. Que planifica, ejecuta pasos, usa herramientas, se corrige y sigue adelante. A ese tipo de sistemas se les llama agentes.
La diferencia entre un chatbot y un agente
Un chatbot responde. Un agente actúa. La diferencia parece pequeña hasta que la ves en la práctica.
Si le pides a un chatbot «hazte cargo de mi calendario esta semana», te dará consejos sobre cómo gestionarlo. Si se lo pides a un agente, entrará en tu calendario, leerá los eventos, identificará conflictos, enviará correos para reprogramar reuniones, bloqueará tiempo para el trabajo profundo y te devolverá un resumen de lo que ha hecho. Sin que tú hayas dado ningún paso intermedio.
Cómo funcionan: bucles de razonamiento y herramientas
Los agentes de IA combinan dos capacidades: la capacidad de razonamiento de un modelo de lenguaje y el acceso a herramientas externas. Esas herramientas pueden ser cualquier cosa: un navegador web, una base de datos, un API, un editor de código, un sistema de correo, un gestor de archivos.
El proceso típico es un bucle: el agente recibe una tarea, razona sobre qué pasos necesita dar, ejecuta una acción con una herramienta, observa el resultado, razona de nuevo sobre qué sigue y repite hasta completar la tarea o llegar a un punto donde necesita input humano.
Ejemplos reales hoy
Claude, ChatGPT y Gemini ya tienen modos agente. Hay herramientas como Devin —un agente de programación— que puede recibir una especificación de software, escribir el código, ejecutarlo, detectar los errores, corregirlos y desplegar la aplicación. Sin intervención humana en cada paso.
En el ámbito empresarial, hay agentes que monitorizan informes financieros, detectan anomalías y generan alertas. En atención al cliente, agentes que resuelven incidencias de principio a fin. En investigación, agentes que recorren bases de datos científicas, sintetizan literatura y proponen hipótesis.
Los riesgos del nuevo paradigma
Un chatbot que da una mala respuesta es un problema acotado: lees, evaluas y decides. Un agente que ejecuta acciones equivocadas puede borrar archivos, enviar correos incorrectos, realizar transacciones no deseadas. La cadena causal entre el error del modelo y el daño real se acorta dramáticamente.
Por eso la investigación en seguridad de agentes es uno de los campos más activos de la IA hoy. Cuánta autonomía darle al sistema, en qué puntos debe pedir confirmación humana, cómo auditar lo que ha hecho: estas preguntas no son académicas. Ya son operativas.
Los agentes de IA son probablemente el cambio más profundo de esta tecnología desde ChatGPT. No porque sean más inteligentes, sino porque pasan de decir a hacer. Y esa diferencia lo cambia todo.
Deja un comentario