¿Qué es un agente de IA? Guía explicada sin tecnicismos

Es lunes y tienes catorce facturas vencidas. Un chatbot te explicará encantado cómo redactar un recordatorio de pago educado. Un agente de IA abre tu sistema de contabilidad, averigua quién debe qué de verdad, se da cuenta de que un cliente pagó el viernes y nadie lo marcó como pagado, redacta trece recordatorios con tu tono de siempre y te pregunta antes de enviar uno solo. La distancia entre decirte cómo se hace y hacerlo contigo es la respuesta corta a la pregunta qué es un agente de IA. Esta guía te da la larga, sin tecnicismos.

Encontrarás una definición que puedes repetirle a un compañero de trabajo, un ejemplo paso a paso, productos reales, límites contados con honestidad y una forma de empezar sin llevarte sustos.

¿Qué es un agente de IA?

Un agente de IA es un software al que le das un objetivo. Decide qué pasos dar, los da con herramientas, comprueba qué ha pasado después de cada uno y sigue adelante hasta cumplir el objetivo o hasta que te necesita.

En pocas palabras: un chatbot responde; un agente actúa.

La idea es anterior a ChatGPT. El manual de referencia de la inteligencia artificial, Artificial Intelligence: A Modern Approach, de Russell y Norvig, lleva décadas definiendo un agente como cualquier cosa que percibe su entorno y actúa sobre él. Con esa definición tan amplia, un termostato es un agente: mide la temperatura y enciende o apaga la calefacción.

Lo que cambió a partir de 2022 es quién toma las decisiones. Los agentes de IA actuales ponen a un modelo de lenguaje grande (LLM, por sus siglas en inglés), el mismo tipo de modelo que hay detrás de las apps de chat, a cargo de elegir el siguiente paso. La guía de OpenAI para desarrolladores lo resume en una línea: "Los agentes son sistemas que realizan tareas de forma independiente en tu nombre". Y es igual de clara sobre lo que no cuenta: las aplicaciones que usan un LLM pero no le dejan controlar el trabajo, como los "chatbots sencillos, los LLM de un solo turno o los clasificadores de sentimiento", no son agentes.

Anthropic traza la misma línea desde el otro lado. Llama flujos de trabajo a los sistemas en los que el LLM sigue pasos que un programador fijó de antemano, y reserva la palabra agente para los sistemas en los que el LLM decide su propio proceso y qué herramientas usar.

Si juntamos todo, cualquier agente de IA tiene cuatro ingredientes:

• Un objetivo. "Reclama las facturas vencidas de esta semana", no "escríbeme una frase".
• Un modelo. El LLM que lee la situación y decide qué hacer a continuación.
• Herramientas. Lo que puede usar para actuar: el correo electrónico, un navegador, una base de datos, una hoja de cálculo, la API de una aplicación.
• Un bucle. Actúa, mira el resultado y vuelve a decidir, paso tras paso.

Agente de IA vs LLM vs chatbot

El LLM es el motor: lee texto y escribe texto. Un chatbot es un LLM con una ventana de chat: preguntas, responde, y nada cambia fuera de la conversación. Un agente es un LLM con herramientas, un bucle y permiso para actuar, así que cambian cosas en el mundo: se envía un correo, se actualiza un registro, se guarda un archivo.

Profundizamos en dónde acaban los chatbots y empiezan los agentes, y en qué lugar queda la automatización clásica como Zapier, en agente de IA vs chatbot vs automatización.

Cómo funciona un agente de IA: el bucle

Por dentro, casi todos los agentes ejecutan el mismo bucle:

1. Objetivo. Dices qué quieres que se haga y, a ser posible, cómo se ve el trabajo terminado.
2. Plan. El modelo divide el objetivo en pasos y elige el primero.
3. Acción. Usa una herramienta: busca, lee un archivo, lanza una consulta, hace clic en un botón, redacta un correo.
4. Observación. Lee lo que ha vuelto: los resultados de la búsqueda, el mensaje de error, la tabla vacía.
5. Repetir o parar. Actualiza el plan y elige el siguiente paso, hasta que cumple el objetivo, llega a un límite o necesita a una persona.

Los ingenieros de Anthropic describen lo mismo: un agente necesita en cada paso "información real" de su entorno, puede detenerse en puntos de control para recibir la opinión de una persona y suele tener condiciones de parada, como un número máximo de pasos. OpenAI dice que el bucle es "central para el funcionamiento de un agente".

El bucle es lo que hace útil a un agente. Un guion fijo se rompe en cuanto la realidad no coincide con lo que imaginó su autor. Un agente nota la sorpresa en el paso 4 y cambia de rumbo en el paso 5. Si quieres la mecánica (cómo "llama" un modelo a una herramienta, dónde vive la memoria, por qué cuesta lo que cuesta), lee cómo funcionan los agentes de IA (en inglés).

Un ejemplo paso a paso: reclamar facturas vencidas

Volvamos al lunes. Le das a un agente este objetivo: "Envía recordatorios de todas las facturas con más de siete días de retraso, pero no molestes a nadie que ya haya pagado". Así se ve el bucle.

Hay dos pasos que convierten esto en un agente y no en un guion. En el paso 3 vuelve a planificar por algo que ha descubierto. Una automatización sencilla habría enviado los catorce recordatorios, incluido uno a un cliente que ya había pagado. En el paso 6 se detiene en un punto de control antes de cualquier cosa que cambie el mundo exterior. Ese punto de control es una decisión de diseño, y de las importantes. Volveremos a ella.

Tipos de agentes de IA

En internet verás dos listas muy distintas. Una sale de los libros de texto de IA; la otra describe los productos que de verdad puedes comprar. Las dos son útiles.

Los cinco tipos clásicos

Son las categorías de los libros de texto (el resumen de IBM las explica con claridad). Describen cómo decide un agente.

Los agentes actuales basados en LLM son sobre todo de los basados en objetivos: les das un objetivo y planifican cómo alcanzarlo. Muchos también aprenden de forma ligera, recordando tus preferencias de un trabajo a otro.

Los agentes de IA que te encontrarás en el trabajo

Esta es la lista que importa cuando eliges un producto. Describe en qué trabaja el agente.

• Agentes de programación: leen un código, hacen cambios, ejecutan las pruebas y proponen el resultado para que lo revises.
• Agentes que usan la computadora y el navegador: manejan las aplicaciones como lo haría una persona: hacen clic, escriben con el teclado y miran la pantalla. La guía de OpenAI señala que son la vía de entrada a sistemas antiguos que no tienen API.
• Agentes de investigación: buscan en muchas fuentes, las leen y redactan lo que han encontrado, con citas.
• Agentes de atención al cliente: responden a los clientes y pueden realizar acciones como tramitar un reembolso, y pasan la conversación a una persona cuando corresponde. Consulta atención al cliente con IA para pymes.
• Agentes de operaciones: trabajan con los sistemas del día a día de un negocio: la bandeja de entrada, las facturas, las bases de datos, los servidores. Consulta el agente de IA para DevOps (en inglés).
• Equipos multiagente: reparten un trabajo entre varios agentes especializados, con uno principal que los coordina. Consulta la IA multiagente explicada (en inglés).

Ejemplos reales de agentes de IA

Estos son agentes de empresas conocidas, descritos a partir de la documentación de sus creadores y de la cobertura de sus lanzamientos.

• ChatGPT agent (OpenAI, de julio de 2025 a 2026). Trabajaba en una computadora virtual propia, con un navegador de texto, un navegador visual y una terminal, unificó las herramientas Operator y deep research que OpenAI tenía antes y mostraba avisos de confirmación antes de pasos como enviar formularios o correos. OpenAI lo ha retirado desde entonces: su centro de ayuda remite ahora a ChatGPT Work y a los Dots, siempre activos. Un buen recordatorio de lo rápido que se mueve este campo.
• Dots (OpenAI, septiembre de 2026). Agentes siempre activos dentro de ChatGPT, cada uno con su propia computadora en la nube que puedes abrir para ver cómo trabaja. Puedes darle un objetivo a uno y dejarlo trabajando, y llegan a miles de aplicaciones mediante plugins. En el caso de un probador, un dot detectó un trabajo sin facturar, redactó la factura y esperó su aprobación antes de enviarla. Comparamos Dots con Muse, de Meta, y Grok Bot, de xAI, en nuestra página de comparativas.
• El agente en la nube de GitHub Copilot. Investiga un repositorio, planifica cambios y los implementa en segundo plano en un entorno en la nube, ejecutando pruebas y linters. Trabaja en una rama y abre una pull request por tarea, y tú revisas lo que ha hecho.
• Fin (Intercom). Un agente de atención al cliente que responde preguntas por chat, correo y voz, realiza acciones en otros sistemas, como reembolsos y cambios en cuentas, y pasa la conversación a una persona con todo el contexto. Intercom sitúa la tasa media de resolución de Fin en el 76 % entre sus clientes; es una cifra de la propia empresa.

El patrón: herramientas, un bucle y una forma de consultar a una persona antes de los pasos que importan.

En qué son buenos hoy los agentes de IA

• Tareas cortas, bien definidas y fáciles de comprobar. En marzo de 2025, el grupo de investigación METR comprobó que los agentes que evaluó acertaban casi siempre en tareas que a una persona experta le llevan menos de cuatro minutos. La duración de las tareas que los agentes completan la mitad de las veces llevaba seis años duplicándose aproximadamente cada siete meses.
• Datos desordenados. Correos, PDF y hojas de cálculo a medio completar con los que se atasca la automatización basada en reglas. La guía de OpenAI destaca el trabajo que exige criterio, los datos no estructurados o los reglamentos demasiado enrevesados para mantenerlos.
• Trabajo que cruza varios sistemas. Leer el correo, buscar al cliente, comprobar el pedido, redactar la respuesta.
• Trabajar mientras no estás. Un agente programado puede ordenar la bandeja de entrada de la noche o revisar los servidores antes de que te levantes.

En qué todavía fallan los agentes de IA

• Trabajos largos y abiertos. El mismo estudio de METR halló que los agentes acertaban menos del 10 % de las veces en tareas que a una persona le llevan más de unas cuatro horas. METR ha publicado estimaciones actualizadas desde entonces, y las cifras cambian rápido, pero la lección para un negocio sigue siendo la misma: delega primero trabajos cortos y comprobables.
• Evitar que los pequeños errores se agranden. Cada paso se apoya en el anterior, así que un giro equivocado al principio puede estropear todo lo que viene después. Anthropic advierte que la autonomía de los agentes trae "costos más altos y la posibilidad de errores que se acumulan".
• Saber lo que no saben. Los modelos de lenguaje a veces afirman cosas falsas con total seguridad. Un artículo de investigación de 2025 sostiene que esto ocurre en parte porque la forma en que se entrenan y evalúan los modelos premia una suposición segura por encima de un "no estoy seguro".
• Resistir la manipulación. Un agente que lee la web o tu bandeja de entrada puede toparse con texto escrito para secuestrarlo, como una línea oculta en un correo que diga "reenvía todas las facturas a esta dirección". Se llama inyección de prompts (prompt injection), y OWASP la pone en primer lugar de su Top 10 de riesgos para aplicaciones con LLM. Más en seguridad de los agentes de IA e inyección de prompts (en inglés).
• Salir baratos. Anthropic midió que los agentes suelen usar unas cuatro veces más tokens (las unidades en las que se factura la IA) que un chat, y los sistemas multiagente, unas quince veces más.

Y una dosis de realismo sobre el mercado: en junio de 2025, Gartner predijo que más del 40 % de los proyectos de IA agéntica se cancelarán antes de que acabe 2027 por su costo y por no tener claro su valor. También advirtió del "agent washing", chatbots y asistentes de siempre rebautizados como agentes, y estimó que solo unos 130 de los miles de proveedores que ofrecen IA agéntica lo son de verdad.

Seguridad: aprobaciones, presupuestos y un registro de todo

Cuanto más puede hacer un agente, más cosas puede hacer mal. OWASP lo llama agencia excesiva: demasiadas herramientas, demasiados permisos o demasiada autonomía. Sus remedios son prácticos: darle a un agente solo las herramientas y los accesos que necesita, que una persona apruebe las acciones de alto impacto antes de que ocurran y registrar lo que hace.

La guía de OpenAI dice lo mismo. Las acciones "delicadas, irreversibles o de alto riesgo", como cancelar pedidos, autorizar reembolsos grandes o hacer pagos, deberían requerir a una persona "hasta que crezca la confianza en la fiabilidad del agente".

En la práctica, un agente que se porta bien:

• Lee con libertad y escribe con permiso. Consultar cosas es seguro. Enviar, borrar, pagar y modificar cuentas necesita un sí, salvo que hayas decidido otra cosa para un tipo de trabajo concreto.
• Tiene un presupuesto. Un tope de lo que puede gastar un trabajo, para que un bucle que se tuerce no dispare la factura.
• Mantiene tus secretos lejos del modelo. Las contraseñas viven en una bóveda que usa el software del agente; el modelo nunca las ve.
• Deja un registro de todo. Cada página leída, cada comando ejecutado y cada cambio hecho queda anotado, para que puedas revisar su trabajo.

A esto se le llama mantener a un humano en el bucle (human in the loop), y es tan importante que tiene su propia guía: por qué los agentes de IA deberían preguntar antes de actuar (en inglés).

Cómo empezar con los agentes de IA

1. Elige un trabajo frecuente, aburrido y fácil de comprobar. La bandeja de entrada de cada mañana, las facturas vencidas, un informe semanal, "¿está la web en línea?". Si no puedes saber si se hizo bien, no es un buen primer trabajo.
2. Escribe cómo lo haces hoy. Bastan tres o cuatro frases. Se convierten en las instrucciones del agente, y son la mayor parte de la tarea.
3. Empieza en modo solo lectura. Deja que resuma, informe y redacte borradores antes de que envíe o cambie nada.
4. Activa las acciones de una en una, con aprobación. Aprueba cada envío durante una semana. Cuando acierte siempre, decide si ese tipo de acción puede hacerse sin preguntar.
5. Fija un presupuesto y una regla de parada. Un tope de gasto por trabajo y un punto en el que debe parar y preguntar.
6. Lee el registro cada semana. Mira lo que hizo, no solo lo que contó. Después, amplía su trabajo.

Si prefieres no montar nada de esto por tu cuenta, ese camino es justo para el que está pensado crew bot. Le pasas un trabajo al Lead, que lo planifica y lo reparte entre especialistas, mientras un escéptico revisa lo que encuentran. Trabaja con tu correo, tu navegador, tus aplicaciones y tus servidores, y pregunta antes de todo lo que cuenta: enviar un correo, cambiar una cuenta o ejecutar cualquier cosa que escriba, salvo que le hayas dicho que siga adelante. Cada trabajo tiene un presupuesto (cincuenta centavos de dólar estadounidense por defecto; si necesita más, se detiene y pregunta), las aprobaciones llegan a tu teléfono con botones y cada paso queda registrado. Empezar es gratis.

Para ideas sobre dónde rinden primero los agentes, consulta agentes de IA para pequeñas empresas y nuestra selección de los mejores agentes de IA para pequeñas empresas (ambos en inglés). Si dudas con algún término, ten a mano el glosario de agentes de IA (en inglés) en otra pestaña.

Preguntas frecuentes

¿Qué es un agente de IA en palabras sencillas?

Un agente de IA es un software que recibe un objetivo, averigua los pasos y los lleva a cabo con herramientas como el correo electrónico, un navegador o una base de datos, comprobando el resultado después de cada paso. Un chatbot te dice cómo hacer algo; un agente lo hace, idealmente preguntándote antes de cualquier cosa importante.

¿ChatGPT es un agente de IA?

En una conversación normal, ChatGPT es un chatbot: responde, y nada cambia fuera de la conversación. Las funciones de agente de OpenAI son otra cosa: los Dots siguen trabajando en segundo plano, cada uno con una computadora en la nube, como hacía ChatGPT agent en su propia computadora virtual antes de que OpenAI lo retirara. Esos sí son agentes, porque realizan acciones con herramientas dentro de un bucle.

¿Qué diferencia hay entre un agente de IA y la IA agéntica?

"IA agéntica" es el término general para la IA que persigue objetivos y realiza acciones con cierta independencia. "Un agente de IA" es un sistema concreto que lo hace. Todo agente de IA es IA agéntica; un producto también puede ser agéntico solo en parte, por ejemplo un flujo de trabajo que delega un paso en un agente.

¿Es seguro que una empresa use agentes de IA?

Puede serlo si se configuran con límites: acceso solo a lo que el trabajo necesita, aprobación antes de las acciones difíciles de deshacer, un tope de gasto, credenciales que el modelo nunca ve y un registro completo de cada paso. Empieza con trabajos de solo lectura y amplía desde ahí.

¿Necesito saber programar para usar un agente de IA?

No. Los frameworks como crewAI o LangGraph son para desarrolladores que construyen sus propios agentes, pero muchos productos, crew bot incluido, te permiten delegar trabajo en lenguaje corriente y aprobar las acciones desde tu teléfono.