Agentes IA: ¿Qué es un Agente de Inteligencia Artificial?

En el mundo de la Inteligencia Artificial, los términos aparecen y se mezclan con una velocidad que a veces marea. Uno de los conceptos más poderosos —y más incomprendidos— es el de Agente de IA. Seguro has escuchado el término, pero ¿qué significa realmente? ¿Qué hace que un sistema deje de ser un simple chatbot y se convierta en un agente capaz de percibir, razonar y actuar sobre su entorno?

Definición formal de un Agente

An agent is anything that can be viewed as perceiving its environment through sensors and acting upon that environment through actuators.

Russell & Norvig, AI: A Modern Approach

Podemos descomponer esta definición en los componentes fundamentales que están en el corazón de todo agente:

• Environment (Entorno): El mundo con el que el agente interactúa
• Sensors (Sensores): Componentes que el agente usa para observar su entorno
• Actuators (Actuadores): Herramientas que el agente usa para actuar sobre el entorno
• Effector (Efector): El “cerebro” o las reglas que deciden cómo pasar de observaciones a acciones

flowchart LR
    E[🌍 Entorno] -->|percibe| S[📡 Sensores]
    S -->|observaciones| EF[🧠 Efector]
    EF -->|decisiones| A[🔧 Actuadores]
    A -->|actúa sobre| E

Imagina un robot aspiradora: sus sensores detectan obstáculos y suciedad (entorno), su “cerebro” decide qué dirección tomar (efector), y sus motores y cepillos ejecutan la acción (actuadores). Un agente de IA funciona con la misma lógica, pero en un entorno digital.

El Agente basado en LLM

En la práctica, el Efector o cerebro del agente tiende a ser un LLM con capacidad de razonamiento. A través de módulos adicionales —memoria, herramientas y planificación— este LLM es capaz de interactuar con su entorno.

• Los Actuadores son las herramientas del LLM (APIs, funciones, búsquedas)
• Los Sensores son las capacidades multimodales del LLM (texto, imágenes, audio)
• El Usuario forma parte del entorno e influye directamente en cómo se inicia el agente

flowchart TD
    U[👤 Usuario] -->|prompt| LLM[🧠 LLM - Cerebro del Agente]
    LLM -->|usa| T[🔧 Herramientas / Tools]
    LLM -->|consulta| M[💾 Memoria]
    LLM -->|genera| P[📋 Plan]
    T -->|resultados| LLM
    M -->|contexto| LLM
    P -->|siguiente paso| LLM
    LLM -->|respuesta| U
    T -->|modifica| ENV[🌍 Entorno Digital]
    ENV -->|datos| LLM

Sin ninguna interacción del usuario, el LLM no tomará ninguna acción. El agente está fuertemente influenciado por cómo el usuario inicia la conversación.

Large Language Models (LLMs)

El LLM es considerado el “cerebro” del agente. Tradicionalmente, un LLM es un modelo que no hace más que predecir la siguiente palabra basándose en un texto de entrada.

Tokenización

El LLM primero descompone la consulta de entrada en tokens, que son sub-componentes de palabras que permiten al modelo generalizar a palabras que no ha visto antes. El modelo procesa estos tokens y hace una predicción sobre cuál podría ser el siguiente.

Autoregresión

El LLM predice el siguiente token, usa ese token predicho para actualizar su entrada, y luego continúa las predicciones. Al hacer esto de forma iterativa —lo que se llama autoregresión— puede crear respuestas completas a la consulta del usuario.

sequenceDiagram
    participant Input as Texto de entrada
    participant LLM as LLM
    participant Output as Texto generado

    Input->>LLM: "El gato está"
    LLM->>Output: "sentado"
    Note over Input,Output: Se agrega al input
    Input->>LLM: "El gato está sentado"
    LLM->>Output: "en"
    Note over Input,Output: Se agrega al input
    Input->>LLM: "El gato está sentado en"
    LLM->>Output: "la silla"
    Note over Output: Respuesta completa generada

Cada predicción se alimenta de las anteriores, construyendo la respuesta palabra por palabra.

LLMs con Razonamiento

El campo de los agentes de IA descubrió que las capacidades de los LLMs aumentarían sustancialmente si pudieran razonar. En lugar de que el modelo “piense” en silencio (a través de sus parámetros internos), ahora se entrenan para “pensar en voz alta” generando trazas de razonamiento antes de derivar la respuesta.

flowchart LR
    Q[📝 Consulta del usuario] --> T[💭 Pensamientos / Razonamiento]
    T --> R[✅ Respuesta final]

La idea principal es que al escribir sus pensamientos primero mediante su comportamiento autoregresivo, el LLM puede dedicar cómputo adicional a estructurar su razonamiento antes de generar la respuesta. Como los humanos, al estructurar sus pensamientos, las consultas complejas que requieren razonamiento multi-paso son más fáciles de resolver.

Ejemplo de razonamiento

Veamos cómo un LLM con razonamiento aborda un problema complejo:

El modelo genera una cadena de pensamientos internos, evalúa opciones y finalmente produce una respuesta bien fundamentada.

Aumentando las capacidades del LLM

Aunque los LLMs con razonamiento son vitales para los agentes de IA, siguen siendo incompletos. Como entidades estáticas de texto-a-texto, los LLMs no tienen control sobre su entorno, ni recuerdan sus interacciones, ni aprenden de ellas.

Para convertir un LLM en un verdadero agente, necesitamos proveerlo de tres módulos fundamentales:

flowchart TD
    LLM[🧠 LLM con Razonamiento]
    MEM[💾 Memoria]
    TOOLS[🔧 Herramientas]
    PLAN[📋 Planificación y Reflexión]

    MEM --> LLM
    TOOLS --> LLM
    PLAN --> LLM

    LLM --> AGENT[🤖 Agente de IA]

Memoria

Sin memoria, los LLMs operan en conversaciones de “single-turn”: una sola pregunta y una sola respuesta. La información no persiste entre llamadas.

sequenceDiagram
    participant U as Usuario
    participant L as LLM

    U->>L: ¿Cuál es la capital de Francia?
    L->>U: París
    Note over U,L: ❌ Sin contexto previo
    U->>L: ¿Y su población?
    L->>U: ¿De qué ciudad hablas?
    Note over L: No recuerda la conversación anterior

Afortunadamente, hay muchas formas de agregar módulos de memoria. La forma más común es simplemente añadir la conversación previa al prompt actual:

sequenceDiagram
    participant U as Usuario
    participant M as Memoria
    participant L as LLM

    U->>L: ¿Cuál es la capital de Francia?
    L->>U: París
    L->>M: Guardar contexto
    U->>L: ¿Y su población?
    M->>L: Contexto: hablamos de París
    L->>U: París tiene ~2.1 millones de habitantes
    Note over L: ✅ Recuerda el contexto

Los sistemas de memoria comparten similitudes con nuestros sistemas de memoria humana:

• Memoria a corto plazo: La conversación actual, las últimas interacciones
• Memoria a largo plazo: Hechos persistentes, preferencias del usuario, conocimiento acumulado

Herramientas (Tools)

Con la memoria, los LLMs recuerdan sus conversaciones previas, pero aún no son capaces de interactuar con su entorno. Los LLMs pueden interactuar con su entorno digital a través de herramientas externas que amplían sus capacidades: calculadoras, motores de búsqueda, APIs, shells de comandos, y más.

Sin embargo, los LLMs no son capaces de usar herramientas por sí mismos. Fundamentalmente, un LLM es una función de texto-entrada/texto-salida. Solo puede describir o expresar la intención de tomar una acción.

sequenceDiagram
    participant U as Usuario
    participant L as LLM
    participant R as Runtime / Orquestador
    participant T as Herramienta

    U->>L: ¿Cuánto es 847 × 392?
    L->>R: {"tool": "calculator", "params": {"expr": "847 * 392"}}
    Note over L,R: El LLM expresa INTENCIÓN
    R->>T: Ejecutar cálculo
    T->>R: 331,824
    R->>L: Resultado: 331,824
    L->>U: El resultado es 331,824

Las herramientas varían en complejidad:

• Simples: Calculadoras, conversor de unidades
• Intermedias: Búsqueda web, consultas a bases de datos
• Complejas: Acceso a terminal, entornos de código, APIs de GitHub

Planificación y Reflexión

El ingrediente final para ir de un LLM “regular” a un Agente de IA es su capacidad de planificar y reflexionar. Estas capacidades son fundamentales, ya que el agente necesita decidir qué pasos tomar, cómo tomarlos y cuándo.

Descomposición de tareas

Aquí es donde entra la planificación: descomponer una tarea grande en pasos más pequeños y ejecutables. Esto se conoce como task decomposition.

flowchart TD
    Q[📝 Query: Investiga papers recientes sobre RAG] --> P[📋 Plan]
    P --> T1[1. Buscar en Google Scholar]
    P --> T2[2. Buscar en ArXiv]
    P --> T3[3. Filtrar por fecha 2024-2025]
    P --> T4[4. Leer abstracts relevantes]
    P --> T5[5. Generar resumen comparativo]

    T1 --> E[⚡ Ejecución secuencial]
    T2 --> E
    T3 --> E
    T4 --> E
    T5 --> E

Ejecución iterativa con razonamiento

Al referirse continuamente a su plan, el LLM ejecuta cada tarea una por una. Hacerlas todas a la vez rara vez es eficiente, ya que cada tarea puede influir en otra. Después de completar una tarea específica, el LLM razona sobre qué pasos tomar a continuación.

flowchart TD
    START[🎯 Objetivo] --> PLAN[📋 Crear Plan]
    PLAN --> EXEC[⚡ Ejecutar Tarea]
    EXEC --> REASON[🤔 Razonar sobre resultado]
    REASON -->|siguiente tarea| EXEC
    REASON -->|plan completo| DONE[✅ Resultado Final]
    REASON -->|ajustar plan| REFLECT[🔄 Reflexionar]
    REFLECT -->|plan mejorado| PLAN

Reflexión

Crear un plan no es suficiente. El LLM puede descubrir a mitad del camino que algunos pasos no son apropiados. Por ejemplo, podría descubrir que Google y ArXiv son insuficientes y decidir agregar Semantic Scholar y PubMed como recursos adicionales.

Este comportamiento reflexivo hace que los agentes parezcan humanos: intentan descubrir sus fallos y hacer intentos por corregirlos. Al reflexionar sobre comportamiento pasado, el plan inicial puede mejorarse continuamente.

Conclusión

Un agente de IA no es simplemente un LLM que responde preguntas. Es un sistema compuesto por:

1. Un LLM con razonamiento como cerebro central
2. Memoria para mantener contexto entre interacciones
3. Herramientas para interactuar con el entorno digital
4. Planificación y reflexión para abordar tareas complejas de forma iterativa

flowchart TD
    subgraph AGENT[🤖 Agente de IA]
        direction TB
        BRAIN[🧠 LLM con Razonamiento]
        MEM[💾 Memoria
Corto y largo plazo]
        TOOLS[🔧 Herramientas
APIs, búsqueda, código]
        PLAN[📋 Planificación
Descomposición + Reflexión]

        MEM <--> BRAIN
        TOOLS <--> BRAIN
        PLAN <--> BRAIN
    end

    USER[👤 Usuario] <-->|interacción| AGENT
    AGENT <-->|percibe y actúa| ENV[🌍 Entorno]

La próxima vez que interactúes con un asistente de IA que busca información, ejecuta código y ajusta su enfoque basándose en los resultados, estarás interactuando con un agente. Y ahora entiendes la maquinaria que lo hace posible.