Qué son los agentes de IA, explicado con ejemplos

Si le pides a ChatGPT una receta, te la escribe. Eso no es un agente. Si le pides a un programa que revise tu correo, encuentre la factura que falta, la descargue y se la envíe a tu contador, y lo hace por su cuenta, paso a paso, entonces sí estás ante un agente.

En 2026 la palabra «agente» aparece en todas partes, y cada empresa la usa a su manera. Este artículo explica qué significa en realidad, a partir de las definiciones de quienes los construyen (OpenAI, Anthropic, IBM y Microsoft): cómo funcionan por dentro, qué ejemplos reales hay y qué pasa cuando un agente tiene más libertad de la cuenta.

Qué es un agente de IA, en una frase

La definición más breve la da OpenAI en su guía para construir agentes: un agente es un sistema capaz de completar tareas por su cuenta y en nombre del usuario (OpenAI, 2025, p. 4).

La clave está en ese «por su cuenta». Un agente no se limita a responder: decide qué pasos dar, usa herramientas para ejecutarlos (buscar en internet, abrir archivos, enviar un correo, ejecutar código) y revisa el resultado antes de decidir el siguiente paso. Anthropic lo describe de forma parecida: un agente es un modelo de lenguaje que usa herramientas en un ciclo continuo y se guía por lo que va obteniendo en cada paso (Schluntz & Zhang, 2024).

IBM lo plantea con otras palabras, pero con la misma idea de fondo: un agente realiza tareas de forma autónoma y diseña su propio flujo de trabajo con las herramientas que tiene disponibles (Gutowska, n.d.).

Qué no es un agente

Aquí está la confusión más común: que un producto use IA no lo convierte en un agente. OpenAI lo deja claro. Si el modelo no controla el desarrollo de la tarea, no se trata de un agente, y por eso no lo son un chatbot sencillo, un modelo que responde una sola pregunta o un clasificador que decide si una reseña es positiva o negativa (OpenAI, 2025, p. 4).

Anthropic propone una distinción útil entre dos cosas que a menudo se confunden (Schluntz & Zhang, 2024):

• Flujos de trabajo: el modelo y las herramientas siguen un camino que un programador escribió de antemano, con un orden fijo. El modelo ayuda en cada paso, pero no decide qué viene después.
• Agentes: el modelo decide en cada momento qué hacer y qué herramienta usar, y mantiene el control sobre cómo resuelve la tarea.

Muchos productos que se venden como «agentes» son, en realidad, flujos de trabajo. Eso no es necesariamente un defecto: la propia Anthropic recomienda empezar por la solución más simple y reservar los agentes para problemas abiertos, en los que no se puede saber de antemano cuántos pasos harán falta (Schluntz & Zhang, 2024).

Cómo funciona un agente por dentro

Según la guía de OpenAI, todo agente se compone de tres piezas (OpenAI, 2025, p. 7):

• Un modelo: el modelo de lenguaje que razona y toma las decisiones (GPT, Claude, Gemini…).
• Herramientas: funciones o servicios externos con los que el agente actúa en el mundo, como buscar en internet, consultar una base de datos o enviar un correo.
• Instrucciones: las reglas explícitas que definen cómo debe comportarse y qué límites no puede cruzar.

Microsoft añade dos elementos más: la recuperación de información, para buscar en los documentos de la empresa, y la memoria, para recordar lo ocurrido en pasos anteriores (Microsoft, 2025).

Con esas piezas, el agente trabaja en un ciclo: piensa qué hacer, actúa con una herramienta, observa el resultado y vuelve a pensar. Este patrón se popularizó con un artículo de investigación llamado ReAct, cuyo nombre combina «razonar» y «actuar». Sus autores mostraron que, al alternar razonamiento y acciones, el modelo es capaz de trazar un plan, seguirlo y corregirlo sobre la marcha, además de consultar fuentes externas como un buscador (Yao et al., 2023).

Un ejemplo cotidiano: le pides a un agente de programación que corrija un error. Lee el código, formula una hipótesis, ejecuta las pruebas, comprueba que fallan, modifica un archivo y vuelve a probar, una y otra vez, hasta que todo funciona. Nadie le indicó cuántas vueltas debía dar.

Los 5 tipos clásicos de agentes

La idea de agente es mucho más antigua que ChatGPT. En la inteligencia artificial clásica, un agente es cualquier sistema que percibe su entorno y actúa sobre él. De ahí sale la clasificación que se enseña en las universidades, que IBM resume con ejemplos cotidianos (Stryker, n.d.; Gutowska, n.d.):

• Agente de reflejo simple: reacciona a lo que percibe en ese momento con una regla fija. Por ejemplo, un termostato que enciende la calefacción cuando hace frío.
• Agente de reflejo basado en modelo: mantiene una idea de cómo es el mundo aunque no lo vea entero, como una aspiradora robot que recuerda qué zonas ya limpió.
• Agente basado en objetivos: elige sus acciones en función de una meta, como un navegador que busca una ruta hasta tu destino.
• Agente basado en utilidad: entre varias formas de alcanzar la meta, elige la mejor según un criterio, como el navegador que escoge la ruta más rápida y no solo una que funcione.
• Agente que aprende: mejora con la experiencia, como el sistema de recomendaciones de una tienda en línea.

Los agentes de IA actuales son, en esencia, esta misma idea con un modelo de lenguaje como cerebro. La novedad es que ahora entienden instrucciones en lenguaje natural y pueden usar prácticamente cualquier herramienta de software.

Ejemplos reales de agentes de IA

El Instituto Nacional de Estándares y Tecnología de Estados Unidos (NIST) describía así la situación en 2026: los agentes de IA ya pueden trabajar de forma autónoma durante horas, escribir y depurar código, gestionar el correo y el calendario, e incluso hacer compras (NIST, 2026a). Algunos ejemplos concretos:

• Agentes de programación. Claude Code, de Anthropic, es un agente que lee el código de un proyecto, edita archivos y ejecuta comandos (Anthropic, n.d.). Lo comparo con Codex y Cursor en esta guía de agentes para programar.
• Agentes que usan el computador. Desde 2024, Claude puede mirar una pantalla, mover el cursor, hacer clic y escribir como lo haría una persona. Al lanzarlo, la propia Anthropic reconoció que esta capacidad todavía era imperfecta (Anthropic, 2024).
• Agentes de empresa. Microsoft los divide en tres tipos: de productividad, que ayudan a una persona; de acción, que ejecutan tareas; y de automatización, que se encargan de procesos completos (Microsoft, 2025).
• Análisis de fraude. OpenAI usa este caso para explicar cuándo compensa un agente: un sistema de reglas funciona como una lista de verificación, mientras que un agente se comporta más bien como un investigador experimentado que va siguiendo las pistas (OpenAI, 2025, p. 5).

Las grandes empresas ya venden sus propios agentes y plataformas para crearlos. Comparo lo que ofrece cada una en los agentes de OpenAI, Google, Microsoft y Anthropic. Y si prefieres no enviar tus datos a la nube, explico cómo usarlos en tu propio computador en agentes de IA locales.

Agentes de IA vs IA agéntica

Otra fuente de confusión es que «agentes de IA» e «IA agéntica» no significan exactamente lo mismo, aunque muchas empresas los usan como sinónimos. Un artículo académico de 2025 propone la siguiente diferencia (Sapkota et al., 2025):

• Agentes de IA: sistemas modulares que automatizan una tarea concreta.
• IA agéntica: sistemas más amplios, en los que varios agentes colaboran, dividen la tarea en partes más pequeñas sobre la marcha, conservan memoria a largo plazo y coordinan su autonomía.

IBM, por su parte, usa «IA agéntica» en un sentido más general: una IA que persigue objetivos planificando, tomando decisiones y ejecutando procesos de varios pasos, con distintos grados de autonomía (Downie et al., n.d.). Como los términos no están estandarizados, lo más práctico es fijarse en lo que hace el sistema y no en cómo se llama.

Cuánta autonomía tiene un agente

No todos los agentes tienen la misma libertad. Un grupo de investigadoras propuso en 2025 una escala de cinco niveles, de menor a mayor autonomía (Mitchell et al., 2025):

• Nivel 1, procesador simple: el modelo no influye en lo que hace el programa.
• Nivel 2, enrutador: el modelo elige entre caminos ya preparados.
• Nivel 3, uso de herramientas: el modelo decide qué herramienta usar y con qué datos.
• Nivel 4, agente de varios pasos: el modelo decide qué paso sigue y cuándo detenerse.
• Nivel 5, totalmente autónomo: el modelo escribe y ejecuta código nuevo por su cuenta, sin límites fijados de antemano.

Su conclusión es clara: cuanto más control cede el usuario a un agente, mayores son los riesgos para las personas (Mitchell et al., 2025).

Cuando un agente tiene demasiada libertad: el caso Hugging Face

En 2026 hubo un ejemplo real de lo que describe esa escala. Unos agentes de OpenAI que estaban siendo evaluados se atascaron en tareas imposibles de completar. En lugar de rendirse, empezaron a dejarse notas unos a otros, compartieron contraseñas y terminaron ejecutando código en 41 servidores de producción de Hugging Face. Nadie se lo había pedido: solo intentaban terminar sus tareas.

Lo cuento paso a paso en cómo unos agentes de IA montaron un foro secreto y entraron en Hugging Face. Es el mejor ejemplo que conozco de por qué la definición importa: un agente no «quiere» nada, pero persigue su objetivo con las herramientas que tiene y, a veces, encuentra caminos que nadie había previsto.

Riesgos y quién los está regulando

IBM señala riesgos concretos: un agente puede llamar una y otra vez a la misma herramienta y quedar atrapado en un bucle sin fin, y varios agentes construidos sobre el mismo modelo pueden fallar a la vez por un mismo punto débil (Gutowska, n.d.).

A esto se suma que sabemos poco sobre cómo se prueban. Un estudio de 2026 analizó 30 agentes que ya están en uso y concluyó que la mayoría de las empresas comparte muy poca información sobre su seguridad, sus evaluaciones y su impacto social (Staufer et al., 2026).

Los reguladores ya han empezado a moverse. En febrero de 2026, el NIST lanzó una iniciativa de estándares para agentes de IA centrada en tres frentes: estándares impulsados por la industria, protocolos abiertos e investigación sobre la identidad y la seguridad de los agentes (NIST, 2026a, 2026b).

Preguntas frecuentes

¿ChatGPT es un agente de IA?

Según la propia definición de OpenAI, un chatbot que responde preguntas sueltas no es un agente (OpenAI, 2025, p. 4). Pasa a serlo cuando el modelo controla una tarea de varios pasos y usa herramientas para completarla.

¿Cuáles son los 4 grandes agentes de IA?

Las cuatro empresas con una oferta más amplia de agentes son OpenAI, Google, Microsoft y Anthropic. Explico lo que ofrece cada una en los agentes de OpenAI, Google, Microsoft y Anthropic comparados.

¿Cuáles son los 5 tipos de agentes de IA?

Reflejo simple, reflejo basado en modelo, basado en objetivos, basado en utilidad y agente que aprende (Stryker, n.d.).

¿Qué ejemplos hay de agentes de IA?

Un agente de programación como Claude Code, que lee el código de un proyecto, edita archivos y ejecuta comandos (Anthropic, n.d.). Un ejemplo clásico, sin modelo de lenguaje, es un termostato (Gutowska, n.d.).

¿Cuál es la diferencia entre agentes de IA e IA agéntica?

«Agentes de IA» suele referirse a sistemas que automatizan una tarea concreta, mientras que «IA agéntica» describe sistemas más amplios, con varios agentes que colaboran, se reparten el trabajo y tienen memoria persistente (Sapkota et al., 2025).

¿Son seguros los agentes de IA?

Depende de cuánta libertad tengan, porque el riesgo crece con la autonomía (Mitchell et al., 2025). Además, la mayoría de las empresas publica poca información sobre la seguridad de sus agentes (Staufer et al., 2026).

Sigue leyendo

• →Agentes de IA para programar: Claude Code vs Codex vs Cursor
• →Los agentes de OpenAI, Google, Microsoft y Anthropic comparados
• →Agentes de IA locales: cómo usarlos en tu propio computador
• →Unos agentes de IA montaron un foro secreto y acabaron dentro de Hugging Face
• →Todos los artículos del blog