Agente de IA
Un LLM que puede actuar, mirar el resultado y seguir hasta terminar la tarea.
Un agente de IA es un LLM metido en un ciclo con herramientas. Un chatbot común responde una vez y para. Un agente recibe un objetivo, decide qué hacer, usa una herramienta (buscar en la web, leer un archivo, correr código, llamar a una API, mandar un mail), mira el resultado y decide el próximo paso. Repite hasta cumplir el objetivo o quedarse trabado.
Las herramientas son lo que lo convierte en agente. Cada herramienta es una función que el desarrollador expone con una descripción; el modelo elige cuándo llamarla y con qué argumentos. Un agente de programación como Claude Code, por ejemplo, puede leer tu proyecto, editar archivos, correr los tests, verlos fallar y arreglar el código, sin que una persona tipee cada comando.
Eso es potente y también es donde viven los riesgos. Un agente que puede actuar también puede actuar mal: borrar el archivo equivocado, comprar el pasaje equivocado, quedarse en un bucle infinito. Por eso los agentes serios piden confirmación antes de pasos irreversibles, corren en entornos aislados con permisos limitados y guardan un registro de lo que hicieron.
Por qué importa ahora: en 2023 la pregunta era '¿qué puede decir el modelo?'; en 2026 es '¿qué puede hacer?'. Los agentes son la forma en que la IA pasa de responder preguntas a completar tareas, que es donde está la mayor parte del valor económico, y de los problemas abiertos.
Para quedarse
- Agente = modelo + herramientas + un ciclo: pensar, actuar, observar, repetir.
- Las herramientas son funciones o APIs comunes que el modelo puede elegir llamar.
- Los agentes actúan sobre el mundo, así que importan los permisos, las confirmaciones y los registros.
- Estándares abiertos como MCP (Model Context Protocol) permiten conectar agentes a herramientas y datos de forma uniforme.
