RecursosDocumentaciónAgentes de IA

Qué son los agentes de IA

Una explicación neutra del término, sin cifras ni afirmaciones sobre RELUU.

Verificación de enlaces. Enlace verificado contra el artículo oficial de Anthropic citado abajo, el 17 de octubre de 2026.

Flujo fijo o agente

Un artículo de ingeniería de Anthropic, «Building effective agents», distingue dos formas de usar un modelo de lenguaje en un sistema más grande. Un flujo (workflow) sigue un camino predefinido por código: el modelo cumple pasos fijos, en un orden que alguien ya decidió de antemano. Un agente, en cambio, es un sistema donde el modelo dirige dinámicamente su propio proceso y el uso de herramientas: decide el siguiente paso según lo que encuentra, no según un guion escrito con anticipación.

Esa diferencia importa para decidir cuándo conviene cada enfoque. El mismo artículo recomienda empezar por la solución más simple posible y subir en complejidad solo cuando una tarea realmente lo exige — un agente no es automáticamente mejor que un flujo fijo; es una herramienta distinta, con otro costo y otra forma de fallar.

El bucle básico

En términos prácticos, un agente suele apoyarse en un modelo de lenguaje al que se le da acceso a información externa y a herramientas que puede invocar, y que conserva contexto entre pasos. Con eso arma un ciclo: evalúa la situación, actúa (por ejemplo, llamando a una herramienta), revisa el resultado y decide el siguiente paso — repitiendo hasta considerar la tarea resuelta o hasta necesitar que una persona intervenga. Esto es lo que le permite abordar tareas abiertas, donde no se puede predecir de antemano cuántos pasos hacen falta.

Agent architecture: a loop with a human checkpoint Diagram contrasting an agent loop (User/Goal, Model, Tools, Observation feeding back into the Model, then a human checkpoint before the Result) with a fixed workflow of three sequential steps and no loop. Agent Architecture A loop with a human checkpoint Agent (model-directed loop) User / Goal Model (LLM) Tools (APIs, data) acts Observation result feedback loop Human checkpoint (review, approve, escalate) pauses for review Result approve Workflow (fixed path) Step 1 Step 2 Step 3 Fixed path, no loop

Figure: the agent loop — Model, Tools and Observation cycle until a human checkpoint reviews, approves, or escalates the result, compared with a workflow, where the path is fixed in code.

Text equivalent of the flow

  1. User / Goal starts the agent.
  2. Model (LLM) decides the next action.
  3. Model acts through Tools (APIs, data, systems).
  4. Tools return an Observation.
  5. Observation feeds back into the Model — this is the loop.
  6. The Model pauses for a Human checkpoint: review, approve, or escalate.
  7. On approval, the loop ends with a Result.

Fuente