Tipos de agentes de IA
Hay dos maneras de clasificar los agentes de IA. Los manuales los ordenan por cómo piensan: agentes de reflejo simple, basados en modelo, basados en objetivos, basados en utilidad y de aprendizaje. Quienes los construyen usan una división más simple: flujos de trabajo, donde un desarrollador fija los pasos, y agentes, donde el modelo de IA decide los pasos por sí mismo.
La gente agrupa los agentes de IA de dos maneras: la de los manuales y la que usan quienes construyen cuando deciden qué hacer. La primera solo necesitas reconocerla. La segunda es la que de verdad vas a usar.
Los manuales clasifican los agentes según cuánto razonamiento hay entre ver y actuar [1]: los agentes de reflejo simple siguen reglas fijas de tipo «si pasa esto, haz aquello» (un termostato); los agentes basados en modelo recuerdan cosas que no pueden ver en ese momento; los agentes basados en objetivos planifican hacia una meta clara; los agentes basados en utilidad puntúan los resultados posibles y eligen el mejor; y los agentes de aprendizaje mejoran con la experiencia. Piénsalo como una escalera de independencia creciente. La mayoría de los sistemas de IA modernos están cerca de la cima.
La división que usan quienes construyen
Para quienes construyen, la primera pregunta es flujo de trabajo o agente [2]. En un flujo de trabajo, el desarrollador fija el camino y el modelo de IA completa cada paso: encadenamiento (una respuesta alimenta el paso siguiente), enrutamiento (clasifica la petición y envíala a un especialista), paralelización (ejecuta pasos en paralelo y luego combina los resultados), orquestador–trabajadores (un modelo divide la tarea y otros hacen las partes) y evaluador–optimizador (un modelo escribe, otro revisa, y repiten). Un agente de verdad va más allá: el modelo planifica, usa herramientas, comprueba los resultados y repite hasta que decide que el trabajo está hecho.
Lo que importa no es qué es el agente, sino quién controla el bucle.
Clasificar los agentes por dónde trabajan
También puedes clasificar los agentes por el lugar donde hacen su trabajo. Los agentes de código trabajan dentro de un proyecto de código, usando la terminal, los editores y las pruebas. Los agentes de uso de computadora y de navegador usan pantallas reales como lo haría una persona: hacen clic, escriben, leen. Los agentes de voz y de soporte mantienen conversaciones dentro de reglas establecidas. Los sistemas multiagente ponen varios de estos detrás de un coordinador que divide y reparte el trabajo [3]. Dónde trabaja un agente decide todo lo difícil de él: las herramientas que necesita, las formas en que falla y —como explica la guía de evaluación— cómo tienes que probarlo.
Fuentes
- Russell & Norvig — Artificial Intelligence: A Modern Approach (las cinco clases de agentes)
- Anthropic — Building effective agents, 19 Dec 2024 (patrones de flujo de trabajo frente a agentes)
- AWS — What are AI agents? (sección de tipos de agentes de IA)
Preguntas frecuentes
¿Cuáles son los cinco tipos clásicos de agentes de IA?
Los manuales listan cinco: agentes de reflejo simple (reglas fijas), agentes basados en modelo (recuerdan lo que no pueden ver), agentes basados en objetivos (planifican hacia una meta), agentes basados en utilidad (puntúan las opciones y eligen la mejor) y agentes de aprendizaje (mejoran con la experiencia). La mayoría de los sistemas de IA modernos están cerca de la cima de esta escalera.
¿Cuál es la diferencia entre un flujo de trabajo y un agente?
En un flujo de trabajo, el desarrollador fija el camino y la IA completa los pasos: los encadena, enruta peticiones o ejecuta pasos en paralelo. En un agente, el propio modelo planifica, usa herramientas, comprueba los resultados y repite hasta que decide que ha terminado. La pregunta clave es quién controla el bucle.
¿Qué tipos de agentes de IA existen hoy en la práctica?
Ordenados por dónde trabajan: los agentes de código trabajan en proyectos de código mediante terminales y pruebas; los agentes de uso de computadora y de navegador hacen clic y escriben en pantallas reales; los agentes de voz y de soporte mantienen conversaciones dentro de reglas establecidas; y los sistemas multiagente ponen varios de estos detrás de un coordinador que reparte el trabajo.