AI Agent

Un agente de IA es un sistema que persigue un objetivo observando repetidamente su entorno, decidiendo el siguiente paso y llevándolo a cabo; después, utiliza el resultado para decidir qué hacer a continuación. El clásico manual Inteligencia artificial: un enfoque moderno define un agente como cualquier entidad que percibe el entorno mediante sensores y actúa sobre él mediante actuadores; esta definición abarca termostatos, programas que juegan a videojuegos y robots. Desde 2023, el término suele referirse a agentes basados en modelos de lenguaje grandes (LLM): el modelo recibe un objetivo, llama a herramientas como la búsqueda web, la ejecución de código o las API empresariales, lee lo que devuelve cada herramienta y sigue adelante hasta que considera que la tarea está completa. Los asistentes de programación que editan y prueban un repositorio entero, los asistentes de investigación que buscan y citan decenas de fuentes y los agentes que usan ordenadores, que controlan un escritorio mediante capturas de pantalla y clics, funcionan de esta manera.

Cómo funciona un agente de IA#

Un agente LLM se ejecuta dentro de un bucle. El modelo recibe el objetivo, la conversación hasta el momento y una lista de herramientas disponibles; después, escribe una respuesta final o emite una llamada a una herramienta. El programa que lo rodea, denominado entorno de ejecución del agente, comprueba si la acción está permitida, la ejecuta y añade el resultado al contexto del modelo como una nueva observación. A continuación, el modelo decide el siguiente paso teniendo en cuenta esa información. La instrucción ReAct estableció el patrón de alternar el razonamiento escrito con acciones, y los actuales modelos de razonamiento se entrenan mediante aprendizaje por refuerzo para funcionar de esta forma a lo largo de secuencias largas de llamadas a herramientas.

La mayoría de los agentes combinan los mismos cuatro componentes básicos. El modelo, un LLM de uso general o un modelo de visión y lenguaje, decide cada paso. Las herramientas son funciones descritas mediante un nombre, una finalidad y un esquema JSON para sus argumentos; el Protocolo de contexto de modelo (MCP) permite que un agente se conecte a herramientas publicadas por otros equipos. La memoria abarca la ventana de contexto, que contiene la tarea actual, y los archivos, bases de datos o bases de datos vectoriales que el agente consulta para recuperar información anterior. Las habilidades de agente agrupan instrucciones reutilizables que solo se cargan cuando una tarea las necesita. La planificación divide el objetivo en pasos, registra cuáles se han completado y revisa el plan si uno falla.

Agentes de IA, modelos y flujos de trabajo#

Una definición muy utilizada, procedente de la guía de Anthropic para crear agentes eficaces, reserva el término «agente» para los sistemas en los que el LLM dirige su propio proceso y el uso de herramientas.

• Modelo de IA: un modelo transforma una entrada en una salida, como una imagen en una lista de objetos detectados. Un agente llama a modelos, a menudo muchas veces, y decide qué hacer con sus resultados.
• Flujos de trabajo agénticos: las llamadas al LLM y las herramientas siguen rutas de código fijadas de antemano por un desarrollador, como extraer, clasificar y resumir, en ese orden. En un agente, el modelo decide cuántos pasos requiere una tarea y qué herramientas usa en cada uno.
• Chatbots: un chatbot responde a cada mensaje por turnos. Un agente realiza acciones entre mensajes y puede trabajar durante minutos u horas sin intervención humana.
• Sistemas multiagente: varios agentes con funciones y contextos separados colaboran en una tarea bajo una capa de orquestación que distribuye el trabajo y combina los resultados.

Tipos de agentes de IA#

La taxonomía clásica de los manuales de Russell y Norvig clasifica a los agentes según cuánto razonan sobre el mundo:

• Agentes reflejos simples: reaccionan a la entrada actual con reglas fijas de condición y acción, como un termostato o una luz que se activa con el movimiento.
• Agentes reflejos basados en modelos: mantienen un estado interno que registra partes del mundo que no pueden observar en ese momento, como qué personas ya han visto.
• Agentes basados en objetivos: buscan o planifican secuencias de acciones que alcanzan un objetivo establecido, como un planificador de rutas.
• Agentes basados en utilidad: eligen entre distintos resultados mediante una puntuación de utilidad y sopesan la rapidez, el coste y el riesgo.
• Agentes de aprendizaje: mejoran su comportamiento a partir de la experiencia, normalmente mediante recompensas.

Los agentes LLM son agentes basados en objetivos cuya planificación se desarrolla mediante texto; los agentes entrenados con aprendizaje por refuerzo en tareas de uso de herramientas también son agentes de aprendizaje.

Creación de un agente de visión sencillo#

Un agente basado en una cámara percibe el entorno mediante un modelo de detección y actúa mediante código. En este agente reflejo basado en modelos, el seguimiento de Ultralytics YOLO26 asigna a cada persona un ID persistente entre fotogramas de vídeo, y el agente guarda los ID sobre los que ya ha actuado, de modo que cada persona activa una alerta, en lugar de una por fotograma:

from ultralytics import YOLO

model = YOLO("yolo26n.pt")
video = "https://github.com/ultralytics/assets/releases/download/v0.0.0/decelera_portrait_min.mov"
alerted = set()  # The agent's memory of people it has already acted on

for frame, result in enumerate(model.track(video, stream=True, classes=[0])):
    # Perceive: IDs of the people tracked in this frame
    ids = set(result.boxes.id.int().tolist()) if result.boxes.is_track else set()

    # Decide and act: alert once for each person not seen before
    for track_id in sorted(ids - alerted):
        print(f"Frame {frame}: person {track_id} entered, alert sent")
    alerted |= ids

El registro impreso muestra una línea por cada persona nueva, lo que ilustra la diferencia que marca el estado: un modelo por sí solo volvería a detectar a todas las personas en cada fotograma.

Aplicaciones en el mundo real#

• Programación agéntica: los agentes de programación leen un repositorio, editan archivos, ejecutan las pruebas y repiten el proceso cuando hay fallos hasta que el cambio las supera.
• Investigación y análisis: Los agentes de investigación realizan muchas búsquedas, leen las fuentes y redactan un informe con citas, a menudo dividiendo la pregunta entre varios subagentes.
• Fabricación: Un agente de inspección visual combina un detector de defectos con los sistemas de la planta, detiene una cinta transportadora, registra el defecto y abre un parte de mantenimiento cuando se acumulan los defectos.
• IA física: Los robots de almacén y domésticos perciben el entorno mediante cámaras, planifican un agarre o una ruta y actúan mediante motores, cerrando el ciclo muchas veces por segundo.

Fiabilidad y seguridad#

Los errores se acumulan en las tareas largas, porque un paso incorrecto puede hacer descarrilar todos los pasos posteriores; por eso, los equipos miden el rendimiento de los agentes de principio a fin mediante pruebas de evaluación de agentes y trazas de ejecuciones reales. Los agentes que leen páginas web, correos electrónicos o archivos pueden encontrarse con inyecciones de instrucciones: instrucciones insertadas en el contenido que intentan redirigir al agente. Por eso, los entornos de ejecución limitan los permisos de cada herramienta, ejecutan código en entornos aislados y solicitan la aprobación de una persona antes de realizar acciones irreversibles, como pagos o eliminaciones. La capacidad aumenta rápidamente: METR descubrió que la duración de las tareas de software que los agentes de vanguardia podían completar con una fiabilidad del 50 % se duplicó aproximadamente cada siete meses desde 2019 hasta principios de 2025.