La tecnología ha avanzado muchísimo hasta hoy.
Antes se compraba y se instalaba software de forma local (por ejemplo, Microsoft Office en CD).
Con la llegada de internet y la computación en la nube, empezamos a usar los servicios en la nube (SaaS) que nos permiten acceder a aplicaciones desde cualquier lugar.
Ahora, con la llegada de la inteligencia artificial, emergen los agentes de IA, sistemas capaces de actuar de forma autónoma y ejecutar tareas complejas sin que un humano tenga que decirles cada paso.
Un agente de IA es un programa que, a partir de lo que «percibe» de su entorno (ya sea información digital o, en el caso de robots, datos de sensores), decide y ejecuta acciones.
La característica clave es la autonomía.
En lugar de seguir una secuencia fija de instrucciones, el agente puede adaptarse y tomar decisiones basadas en objetivos o en el contexto.
Un agente sería algo parecido a un asistente digital autónomo. Un ayudante que, una vez que le asignas una tarea, se encarga de buscar la información, coordinar acciones y automatizar procesos sin que tengas que decirle el siguiente paso.
Ejemplo: Agente para una librería | |
| 1 | El usuario se encuentra buscando libros. |
2 | El agente recibe el perfil del usuario y consulta los perfiles de usuario (cada usuario tiene preferencias en categorías de libros, como drama, historia, divulgación…). |
3 | Se consultan sus metadatos para buscar libros que puedan interesar al usuario. Por ejemplo: «El algoritmo y yo» de Salazar García, Idoia y Benjamins, Richard – Divulgación. |
4 | Interacción con el modelo de lenguaje (LLM): el modelo recibe la lista de libros y el perfil del usuario y se le pide que genere un correo electrónico personalizado. Prompt: {Lista de libros y descripciones} + {Perfil del usuario} + «Escribe un mail para una campaña de correo invitando al usuario a descubrir estos libros…» |
5 | Generación y envío del correo electrónico. Finalmente el agente toma el texto generado y lo envía por correo con las recomendaciones personalizadas. |
Los agentes de IA a menudo se ubican en la categoría de agentes de software que, gracias a su autonomía y capacidad de aprendizaje, se consideran agentes autónomos e inteligentes.
Los tipos de agentes se clasifican principalmente según su nivel de inteligencia, autonomía y propósito funcional. Las categorías más ampliamente aceptadas son las propuestas por Stuart Russell y Peter Norvig, así como las basadas en capacidades específicas como reflejos simples, modelos internos, metas, utilidad y aprendizaje.
Referencia: Russell, S. J., & Norvig, P. (2021). Artificial Intelligence: A Modern Approach (4th ed.). Pearson Education Limited.
Existen varias formas de clasificar a los agentes, en este gráfico te mostramos algunas de ellas.
Aunque muchas tecnologías utilizan modelos de lenguaje (LLM) o interfaces conversacionales (chatbots), no todos son agentes.
Un sistema se considera un agente cuando puede decidir qué hacer en función del entorno, objetivos y variables, en lugar de simplemente ejecutar una secuencia de comandos.
El problema de no poder controlar a ese agente, si el sistema es comprometido, solo puede mitigarse mediante la implementación de medidas de seguridad adecuadas.
Se producirán fallos, y en ese momento será importante que el daño se limite a ese entorno y no se propague al resto del sistema.
Aquí surge la importancia de la ética de la IA, las regulaciones, la privacidad y los guardarraíles que eviten estos escenarios.
La clave radica en la autonomía.
Pasamos de hablar de “herramientas”, “aplicaciones” o “chats” a referirnos a “agentes” cuando incorporan un nivel de independencia que les permite tomar decisiones por sí mismos. Esta distinción resulta fundamental para comprender el cambio de paradigma.
Ahora ya no se trata únicamente de sistemas que ejecutan instrucciones, sino de entidades capaces de razonar y actuar de forma relativamente autónoma.
Estamos acostumbrados a hablar de procesos, flujos, herramientas, chatbots y aplicaciones. Sin embargo, la irrupción de los agentes de IA implica una transformación radical en la manera de interactuar con la tecnología. Delegaremos tareas a estos sistemas que pueden operar sin supervisión constante, y por eso deberemos establecer las medidas de seguridad y límites claros para evitar riesgos potenciales.
La verdadera evolución con los agentes de IA residirá en la manera en que se integren en nuestras vidas para resolver problemas o automatizar procesos complejos. La cuestión es aprovechar esa autonomía de forma responsable.
Entrevista en BG2 con Bill Gurley & Brad Gerstner con Satya Nadella, CEO de Microsoft, donde reflexionan sobre la estrategia de la empresa frente a la inteligencia artificial (IA) y su visión sobre el futuro tecnológico.
En una entrevista reciente, Satya Nadella reflexionó sobre su trayectoria en Microsoft, destacando la importancia de la adaptación a los cambios tecnológicos y la inversión en áreas clave como la nube y la IA.
También abordó desafíos y oportunidades relacionados con la escalabilidad de los modelos de IA, el uso de la computación en la nube y la regulación de esta tecnología.
Nadella compartió su visión sobre el impacto de la IA en la productividad y la transformación de las aplicaciones empresariales. Argumentó que estas aplicaciones son esencialmente bases de datos con lógica de negocio, y que esta lógica se está trasladando hacia los agentes de IA. Estos agentes serán capaces de interactuar con múltiples bases de datos, actualizándolas según sea necesario.
Esto sugiere un cambio fundamental en la arquitectura del software empresarial, donde la IA se convierte en el componente central que orquesta y automatiza los procesos de negocio.
«…the notion that business applications exist that’s probably where they’ll all collapse right in the agent era».
«…la noción de que las aplicaciones de negocios existen probablemente colapsará en la era de los agentes”.
Los reclutadores buscan trabajadores que se desenvuelvan fácilmente en un entorno tan cambiante como es la IA Generativa. Y para eso, es necesario conocer cuáles son esas habilidades (también llamadas “skills”) de IA más relevantes.
La diferencia fundamental radica en el nivel de autonomía y capacidad de acción.
Característica | LLM | Chatbots | Agentes de IA |
|---|---|---|---|
Autonomía | Puede generar texto o imágenes según las entradas. No toma decisiones propias. | Interactúan con usuarios. Las respuestas se basan en información preestablecida o flujos conversacionales definidos. | Pueden planificar, ejecutar y ajustar acciones de forma independiente. Toman decisiones basadas en el contexto y en objetivos específicos. |
Funcionalidad | Funcionan como motores de generación de lenguaje. No interactúan directamente con el entorno. | Se centran en la conversación utilizando, en ocasiones, LLM. Generalmente no ejecutan tareas complejas más allá del diálogo. | Interactúan con múltiples sistemas (por ejemplo, APIs, bases de datos). Ejecutan tareas complejas, coordinan herramientas y adaptan sus acciones según feedback en tiempo real. |
Ejemplo | Un modelo que genera un resumen de un texto a partir de un prompt. | Un asistente virtual en una web de soporte técnico que responde preguntas frecuentes. | Un sistema que monitorea correos, identifica tareas urgentes y coordina la agenda de un ejecutivo, decidiendo qué respuestas enviar o qué reuniones reprogramar basándose en múltiples fuentes. |
Aqui puedes conocer cómo Crear tu Chatbot de Atención al Cliente con ChatGPT y Phyton
Al definir cada término, es importante destacar que la diferencia fundamental radica en el nivel de autonomía y capacidad de acción.
Mientras que los LLM y chatbots responden de manera reactiva a entradas específicas, un agente de IA es proactivo y puede coordinar múltiples procesos y herramientas para lograr objetivos complejos.
Es importante saber que los procesos y flujos de trabajo son secuencias de acciones fijas.
Por ejemplo, si convertimos una URL de YouTube en un archivo de texto, esto es simplemente un proceso (o parte de un flujo de trabajo) pero no implicará ninguna toma de decisiones autónoma.
Las aplicaciones o las herramientas pueden realizar funciones más específicas y podrían estar compuesta de uno o varios procesos. La acción puede ser tan simple como una función individual o tan compleja como un serie de procesos. La clave aquí es que, por sí misma, no tiene autonomía, solo ejecuta lo que se le pide.
El agente de IA implica autonomía. Esto significa que, en lugar de simplemente ejecutar una tarea fija, el agente puede tomar decisiones basadas en el entorno, objetivos o inputs que varían. Sin embargo, si un sistema utiliza herramientas externas pero sigue reglas predefinidas sin tomar decisiones por sí mismo, no es un agente.
Solo cuando el sistema tiene la capacidad de decidir de forma autónoma (por ejemplo, seleccionar qué herramienta usar o adaptar su estrategia) se le puede llamar agente.
Ejemplo 1: Un chatbot puede responder preguntas frecuentes sobre un pedido.
Ejemplo 2: Un agente de IA podría gestionar un proceso completo de atención al cliente: detectar una queja, verificar el pedido, contactar con el transportista y responder al cliente con la solución más adecuada.
Lo que antes eran herramientas reactivas que necesitaban instrucciones explícitas, ahora se transforma en sistemas autónomos capaces de tomar decisiones, aprender del entorno y gestionar tareas de forma proactiva.
Cada interacción que tenemos con los agentes de IA genera más datos y alimenta las bases de clientes en el que nuestras acciones y preferencias se convierten en la «materia prima» para que las empresas puedan optimizar sus servicios y personalizar las experiencias.
Se hace necesario buscar el equilibrio entre aprovechar los beneficios que ofrecen estos sistemas y proteger nuestra información personal, asegurando que el progreso tecnológico no comprometa nuestra seguridad, autonomía y voluntad.
El peligro reside en que podemos perder parte de nuestro control para decidir por nosotros mismos y que nuestros datos se utilicen para «dirigir» nuestras decisiones sin que seamos plenamente conscientes de ello.
Creo que es fundamental exigir transparencia en el uso de nuestros datos, impulsar políticas de privacidad adecuadas y promover una regulación específica.
Debemos recuperar la importancia del pensamiento crítico, la búsqueda de soluciones creativas y la capacidad de reflexión en un contexto donde los agentes de IA están «asumiendo» cada vez más procesos.
Debemos comprender por qué y para qué utilizamos estas tecnologías, asegurando que sirvan a nuestros intereses sin sacrificar nuestro poder de decision ni nuestros valores.
Abogada especializada en Inteligencia Artificial Generativa, LLMS y ética de la IA. Participa en la elaboración del Código de Buenas Prácticas de la Comisión Europea y la Oficina Europea de IA, que regulará el uso de modelos de IA de propósito general en la UE. Miembro de OdiseIA en el área robots-persona.
Consultores especializados en el campo de la Inteligencia Artificial Generativa y Modelos Largos de Lenguaje (LLMs). Ofrecemos planes de formación, impartición de cursos y entornos de aprendizaje sobre IA Generativa.
Copyright © 2025 – Globalcobots | Diseñado por Tuseo360.es
