¿Qué es un agente de IA? Definición, tipos y cómo funciona

La definición de agente de IA, sin tecnicismos

La línea más clara entre un agente y la IA común viene de Anthropic, la empresa detrás de Claude. Su guía Building effective agents separa los flujos de trabajo, donde la IA y las herramientas siguen pasos que una persona escribió de antemano, de los agentes, donde el modelo dirige su propio proceso y decide qué herramientas usar.

Esa capacidad de decidir es lo esencial. Si una persona escribió cada paso, estás ante una automatización con algo de IA dentro. Si la IA elige el siguiente paso según lo que acaba de encontrar, es un agente.

¿Qué es un agente de IA por dentro?

Todo agente, desde una herramienta gratuita de navegador hasta una plataforma empresarial, está hecho de las mismas cuatro partes:

Algunos agentes añaden una quinta parte, la memoria, para recordar conversaciones anteriores o lo que pasó en ejecuciones pasadas. El software que envuelve todo esto alrededor del modelo, dándole herramientas y haciendo girar el bucle, suele llamarse el harness del agente. Anthropic, por ejemplo, llama a su Agent SDK un "harness de agente de uso general" (Anthropic engineering). Muchos agentes también pueden cargar skills, paquetes de instrucciones guardados para un tipo de trabajo, así siguen tu proceso sin un prompt largo cada vez.

Los constructores sin código muestran las mismas partes como campos en una pantalla. En el constructor de agentes de Zapier, las instrucciones, las acciones que puede hacer y el disparador que lo pone en marcha aparecen uno al lado del otro:

zapier.com/agents/templates

Una prueba real: un agente persiguiendo facturas vencidas

Pídele a un chatbot que persiga las facturas vencidas y te explicará cómo hacerlo. Pídeselo a un agente y hará el trabajo. Probamos exactamente eso en Claude Code con una carpeta de siete facturas inventadas y una hoja de contactos en la que un cliente no tenía dirección de email. Toda la instrucción fue una frase: encuentra las facturas con más de 30 días de retraso, redacta un recordatorio para cada cliente y no envíes nada.

Leyó cada factura, eligió las cuatro que cumplían la condición, escribió cuatro borradores marcados como "no enviado" y nos pidió permiso dos veces: antes de ejecutar un comando que leía las facturas y antes de escribir los borradores. Su tiempo de trabajo fue de 23 segundos. Después informó de lo que no podía resolver por su cuenta:

Nadie le dio los pasos, el número de facturas vencidas ni una regla para los datos que faltaban. Lo resolvió por su cuenta, tomó una decisión sensata en cada caso y se detuvo antes de hacer algo que no pudiera deshacer.

Agente de IA vs chatbot vs automatización

Los tres se venden como "IA", pero se comportan de forma muy distinta. Saber cuál tienes delante evita que pagues precio de agente por un chatbot.

Dos palabras más que vas a encontrar. Un LLM, un gran modelo de lenguaje como Claude o GPT, es el cerebro dentro de los tres; por sí solo solo convierte texto en texto. Un asistente de IA suele ser un chatbot que te ayuda cuando se lo pides, a veces con algunas herramientas, pero te espera donde un agente sigue adelante.

Agentes de IA vs IA agéntica

La gente usa las dos expresiones como si significaran lo mismo. Están relacionadas, pero no son idénticas:

• Un agente de IA es un sistema que hace un trabajo: un agente de bandeja de entrada, uno de investigación, uno de reservas.
• La IA agéntica es el enfoque más amplio. IBM describe la IA agéntica como un sistema que puede lograr una meta concreta con supervisión limitada, formado por uno o más agentes de IA.
• Un sistema multiagente reparte una meta entre varios agentes, cada uno con una subtarea, y un orquestador los mantiene encaminados.

La palabra "agéntico" funciona mejor como un regulador de cuánta libertad tiene un sistema. Cuando un proveedor dice que su producto es agéntico, pregunta en qué escalón de esta escalera está de verdad:

La mayoría de las pequeñas empresas obtienen el mejor resultado en los niveles 2 a 4. El nivel 5, un agente de IA totalmente autónomo, solo tiene sentido donde un error es barato y fácil de deshacer.

IA agéntica vs IA generativa

La IA generativa crea contenido, como texto, imágenes o código, a partir de un prompt. La IA agéntica se apoya en ella: IBM la describe como el uso de esos mismos modelos para perseguir metas y usar herramientas por su cuenta. Una herramienta que escribe tu newsletter es generativa; una que además saca las ventas del mes pasado, elige los temas y programa el envío es agéntica.

Cómo funcionan los agentes de IA, paso a paso

Casi todos los agentes, baratos o caros, siguen el mismo ciclo. Nuestra prueba de facturas lo recorrió dos veces: leer y ordenar, y luego escribir e informar.

Fíjate en el momento en que se detiene a preguntar. Antes de escribir un solo archivo, nuestro agente de prueba mostró los borradores exactos que iba a crear y esperó:

El paso de "Acción" es donde ocurrió la mayor parte del progreso reciente. Un estándar abierto llamado Model Context Protocol (MCP) permite que un agente se conecte a muchas apps de la misma forma, y por eso los agentes ya pueden llegar a calendarios, CRM y herramientas de proyectos sin código a medida. Nuestra explicación sin tecnicismos de qué es un servidor MCP muestra cómo funciona.

Tipos de agentes de IA

Los libros de texto clasifican los agentes en cinco tipos clásicos según cómo deciden, y la introducción de IBM a los agentes de IA usa la misma lista. Ayuda cuando un proveedor usa estas palabras a la ligera:

Los agentes que usa hoy una pequeña empresa, como el de nuestra prueba de facturas, son basados en objetivos: tú dices el resultado y el agente elige los pasos.

Agentes de IA que puedes usar hoy

No tienes que construir nada para usar un agente. Varios vienen dentro de productos que quizá ya pagas:

Cuando configuro agentes para clientes, el primero casi siempre es un agente ya hecho apuntado a una tarea concreta. Construir el tuyo viene después, cuando sabes exactamente qué quieres que haga.

En qué se siguen equivocando los agentes de IA

Los agentes son útiles, pero todavía no son empleados confiables. Ten en cuenta estos límites antes de encargarles algo importante:

• Redacción distinta en cada ejecución. Hicimos nuestra prueba de facturas dos veces. Los borradores estaban redactados de forma distinta cada vez, pero las decisiones coincidieron: las mismas cuatro facturas y los mismos dos avisos. Revisa primero las decisiones y después la redacción.
• Los pequeños errores se acumulan. Si cada paso de una tarea tiene un 95% de probabilidades de salir bien, una tarea de 20 pasos acierta en todos solo alrededor de un tercio de las veces (0.95 multiplicado por sí mismo 20 veces da aproximadamente 0.36). Las tareas largas necesitan puntos de control.
• Errores con total seguridad. Un agente puede leer mal una tabla, inventar un detalle o informar de un éxito cuando un paso falló. Pídele que muestre de dónde salió cada dato.
• Costo y velocidad. Una tarea puede implicar decenas de llamadas al modelo, así que los agentes gastan los límites del plan más rápido y tardan minutos en lugar de segundos.
• El acceso es riesgo. Cada herramienta que conectas es algo que puede usar mal. Un agente de solo lectura solo puede hacerte perder tiempo; uno que puede enviar, pagar o borrar puede causar daño.

El propio consejo de Anthropic es elegir la solución más simple que funcione y añadir complejidad solo cuando la necesites. Muchas veces eso significa un buen prompt o una automatización sencilla, no un agente.

Cómo probar un agente de IA hoy

Elige una tarea de bajo riesgo, de solo lectura y un poco molesta, y hazla con un agente al que ya tengas acceso.

1. Elige una tarea inofensiva. Comparar las páginas de precios de la competencia, resumir una carpeta de documentos o hacer una lista de lugares para un evento son buenas primeras pruebas.
2. Elige el agente. Usa ChatGPT Work si pagas ChatGPT, Cowork o Claude Code si pagas Claude, Workspace Studio si tu empresa funciona con Google Workspace, o una prueba gratuita de un constructor como n8n.
3. Escribe la meta con una línea de llegada. Copia el prompt de abajo y completa los corchetes.
4. Observa la primera ejecución. Lee su plan antes de que empiece y aprueba las acciones una por una.
5. Compara el resultado con sus fuentes. Anota todo lo que hizo mal.
6. Mejora y repite. Ajusta las instrucciones, vuelve a ejecutarlo la semana siguiente y solo entonces prográmalo.

Meta: [LO QUE QUIERES HECHO, EN UNA FRASE]
Contexto: [PARA QUIÉN ES Y QUÉ DEBE SABER SOBRE MI NEGOCIO]
Fuentes: usa solo [SITIOS WEB, CARPETA O ARCHIVOS]. Muestra la fuente de cada dato.
Resultado: [FORMATO, POR EJEMPLO UNA TABLA CON ESTAS COLUMNAS], guardado como archivo.
Reglas: no envíes, compres, borres ni publiques nada. Si algo no está claro, detente y pregúntame.
Terminado cuando: [LA LÍNEA DE LLEGADA, POR EJEMPLO 10 FILAS COMPLETAS]

Antes de dar a cualquier agente acceso al correo, a pagos o a datos de clientes, marca estos puntos:

Si prefieres aprender con un curso estructurado, nuestra comparativa de cursos de agentes de IA reúne opciones gratis y de pago, en español y en inglés.

Qué hacer ahora

Esta semana, elige una tarea repetitiva y hazla con un agente usando el prompt de arriba, en solo lectura y aprobando tú cada paso. Cuando funcione dos veces seguidas, estarás listo para construir el tuyo: nuestra guía sobre cómo crear un agente de IA sin programar cubre el plan, las herramientas, las protecciones y las pruebas. Si quieres un camino guiado de agentes y automatizaciones que respondan a leads y hagan el seguimiento, el curso Autopilot está en acceso anticipado.