Explicador en lenguaje claro
Los agents de IA, explicados
¿Qué hace que un agent de IA sea distinto de un chatbot?
Un agent es un modelo de lenguaje dentro de un bucle que puede tomar acciones. Un chatbot escribe una respuesta y se detiene. Un agent propone una llamada a una herramienta, un harness la ejecuta, el resultado vuelve al context y el modelo decide el siguiente paso, hasta terminar la tarea. El modelo sigue solo prediciendo texto. La potencia viene del bucle: leer un archivo, buscar, llamar a una API, comprobar el resultado, reintentar. Ese bucle convierte a un predictor en algo que hace el trabajo.
Revisado por última vez el
Leer es el camino lento. Empieza con una lección gratis que puedes operar ahora mismo.
Empieza gratis: El harness: el bucle, hecho realidad →Gratis, sin código, sin registro.
Y después ve más a fondo: Herramientas y agentes: el bucle alrededor de un modelo congelado Bloqueada
Lo que la gente entiende mal
- El propio modelo se extiende y toca tus sistemas. Un harness aparte ejecuta las herramientas; el modelo solo propone llamadas.
- Un agent es solo un prompt más largo. La diferencia es el bucle de acción y los resultados que vuelven al context.
- Más autonomía siempre es mejor. Los agents útiles verifican su trabajo y piden aprobación en los pasos arriesgados.
Dónde lo ves en productos reales
- Los agents de código leen el código, corren tests e iteran hasta que pasan.
- Los agents de investigación buscan, leen y reúnen hallazgos en muchos pasos.
- Los asistentes de operaciones llaman a APIs internas para consultar y actuar.
Preguntas frecuentes
- ¿Qué hace que algo sea un agent y no un chatbot?
- El bucle. Un chatbot responde una vez. Un agent decide una acción, ejecuta una herramienta, lee el resultado y vuelve a decidir, repitiendo hasta que considera cumplido el objetivo. El modelo es el mismo. Lo nuevo es el harness que lo rodea.
- ¿Qué sale mal en ese bucle?
- Repite una acción para siempre, actúa sobre un resultado intermedio malo, o malinterpreta la salida de una herramienta y sigue adelante con total seguridad. Como cada paso alimenta al siguiente, un error temprano se agranda. Los sistemas reales limitan el número de pasos y ponen aprobación humana en todo lo irreversible.
- ¿Los agents necesitan un modelo más grande?
- Necesitan uno más fiable. Diferencias de calidad pequeñas, invisibles en una sola respuesta, se vuelven fallos a lo largo de diez pasos encadenados, porque las tasas de acierto de cada paso se multiplican. Aquí la fiabilidad usando herramientas importa más que el conocimiento bruto.
Explicadores relacionados
Más en Agents y herramientas
Una idea a la vez, en tu correo
Lecciones y explicadores nuevos, escritos como están escritas estas páginas. De vez en cuando, no a diario, y nunca una secuencia de venta.
Primero te enviamos un enlace de confirmación. Puedes darte de baja con un clic, cuando quieras. Privacidad.
Parte de See How AI Works, un curso interactivo gratuito, donde aprendes cómo funciona la IA moderna operándola, no viendo videos.