# ¿Qué es un agente de IA?

8 de octubre de 2026 · Thiago Perez

URL: https://aigrowth.com.ar/blog/que-es-un-agente-de-ia

Un cliente escribe por WhatsApp: «¿Tienen mesa para cuatro el sábado a las 21? Si no hay, el domingo al mediodía también nos sirve».

Para resolver esa consulta no alcanza con redactar una respuesta amable. Hay que interpretar la fecha, consultar disponibilidad, evaluar la alternativa y pedir los datos necesarios para reservar.

Un agente de IA puede coordinar esos pasos si tiene acceso al sistema de reservas y permiso para hacerlo. Si falta información o una herramienta falla, debe pedir ayuda en vez de inventar una confirmación.

Este es un ejemplo hipotético, no un caso de un cliente ni una promesa de funcionamiento.

## Qué es un agente de IA, en una frase

**Un agente de IA es un sistema que puede decidir y ejecutar pasos para alcanzar un objetivo, usando las herramientas disponibles y dentro de permisos definidos.**

En este artículo hablamos de agentes basados en [modelos de lenguaje](https://aigrowth.com.ar/blog/que-es-un-llm), una arquitectura habitual en aplicaciones de atención, investigación y software. La categoría de agentes de IA es más amplia: no todos los agentes posibles dependen de un LLM.

OpenAI define a los agentes como sistemas que realizan tareas de forma independiente en nombre del usuario. Su guía destaca dos características: el modelo controla la ejecución del flujo y el sistema puede consultar o modificar otros sistemas mediante herramientas.

Anthropic aporta una distinción útil: en un workflow, el código fija el recorrido; en un agente, el modelo dirige dinámicamente sus pasos y el uso de herramientas.

**La diferencia no está en que escriba mejor: está en quién decide el siguiente paso y qué puede ejecutar.**

## Cómo funciona un agente de IA

Volvamos a la reserva. Un recorrido posible sería:

- **Recibe el objetivo.** Interpreta que el cliente quiere una mesa para cuatro y acepta una segunda opción.
- **Resuelve lo que falta.** Si «el sábado» es ambiguo, pregunta la fecha. No debería adivinarla cuando eso puede producir una reserva incorrecta.
- **Consulta una herramienta.** Busca disponibilidad en el sistema de reservas.
- **Evalúa el resultado.** Si no hay lugar, consulta la alternativa; si hay, solicita los datos requeridos.
- **Ejecuta una acción autorizada.** Registra la reserva si cuenta con los datos y la confirmación necesarios.
- **Verifica o deriva.** Informa que quedó registrada solo después de recibir una respuesta exitosa del sistema. Si no puede comprobarlo, explica el problema y pasa el caso a una persona.

Ese ciclo —decidir, ejecutar, observar y volver a decidir— suele llamarse *loop del agente*. No es un recorrido infinito: necesita condiciones de salida y límites de tiempo, intentos y gasto.

El modelo propone una llamada a una herramienta; el software que lo rodea valida y ejecuta esa llamada. Darle una instrucción no equivale a darle acceso real a una agenda o a una cuenta bancaria.

## De qué está hecho

| Componente | Para qué sirve |
| --- | --- |
| **Modelo** | Interpreta la solicitud y propone el próximo paso. |
| **Instrucciones** | Definen el objetivo, las reglas y cuándo debe detenerse. |
| **Herramientas** | Permiten consultar una agenda, buscar documentos o actualizar un CRM. |
| **Contexto** | Reúne la conversación y los datos relevantes para la tarea. |
| **Permisos y controles** | Restringen qué puede leer, modificar y ejecutar sin aprobación. |
| **Registro y evaluación** | Permiten revisar acciones, detectar errores y probar el sistema. |

La documentación del SDK de OpenAI describe un agente como un LLM configurado con instrucciones, herramientas y comportamientos opcionales, como controles y derivaciones a otros agentes. Eso describe una implementación; no garantiza que funcione bien por el solo hecho de reunir esas piezas.

Ese software alrededor del modelo —instrucciones, herramientas, contexto, permisos y el *loop*— es lo que en muchos productos se llama [harness](https://aigrowth.com.ar/blog/que-es-un-harness). El modelo razona; el harness hace que las decisiones operen de verdad.

Tampoco tener herramientas alcanza para convertir cualquier aplicación en un agente. Si el código siempre impone la misma secuencia y el modelo solo redacta una respuesta, estamos más cerca de un flujo automatizado.

## Agente, chatbot y automatización: no son sinónimos

**Chatbot** describe una interfaz de conversación. Puede ser un menú, un asistente con IA o la interfaz de un agente. Por eso no conviene afirmar que todo chatbot es de reglas o que ningún chatbot puede actuar.

**Automatización** es una categoría más amplia. Un flujo que copia cada formulario recibido a una planilla automatiza una tarea sin necesitar que un modelo elija el recorrido.

**Agente** describe un sistema con capacidad de decidir pasos durante la ejecución. Puede conversar con una persona, pero también trabajar sobre archivos o sistemas internos sin una ventana de chat.

La comparación detallada está en [agente de IA vs chatbot](https://aigrowth.com.ar/blog/agente-ia-vs-chatbot). Acá importa entender la definición: **una interfaz que conversa no demuestra, por sí sola, que haya un agente detrás**.

## Para qué puede servir en una pyme

Algunos usos posibles, siempre sujetos a las integraciones y los permisos disponibles:

- **Atención:** consultar documentación del negocio, responder una pregunta y derivar un reclamo con su contexto.
- **Agenda:** buscar horarios disponibles y registrar un turno autorizado.
- **Ventas:** consultar stock, reunir datos de una consulta y cargar una oportunidad en el CRM.
- **Operaciones:** revisar un pedido incompleto, solicitar el dato que falta y actualizar un registro.

No hace falta que una sola implementación cubra todo. Conviene empezar por una tarea acotada, con datos accesibles y una forma clara de comprobar el resultado.

Si los pasos son fijos y predecibles, una automatización convencional puede ser más adecuada. Anthropic recomienda elegir la solución más simple que resuelva el problema: los agentes pueden agregar costo, latencia y complejidad.

Para elegir el primer proceso, podés usar el [diagnóstico de dónde implementar IA en una pyme](https://aigrowth.com.ar/blog/donde-implementar-ia-en-mi-pyme).

## Autonomía no significa ausencia de control

Un agente puede equivocarse al interpretar una solicitud, elegir una herramienta incorrecta o apoyarse en información desactualizada. También puede recibir mensajes o documentos con instrucciones maliciosas que intenten desviar su comportamiento.

Las instrucciones ayudan, pero **no reemplazan controles aplicados por el software**. Antes de habilitar una acción conviene definir:

- **Qué puede consultar y modificar.** Acceso de lectura no significa permiso para borrar o enviar.
- **Qué requiere aprobación.** Por ejemplo, pagos, devoluciones o cambios difíciles de revertir.
- **Cómo se verifica el resultado.** Una respuesta de texto no prueba que una reserva exista.
- **Cuándo se detiene.** Si faltan datos, se repiten errores o se agota el límite de intentos.
- **Quién recibe la derivación.** Debe existir una persona o un proceso que pueda continuar.

Los controles reducen riesgos; no eliminan todos los errores. Antes de ponerlo en uso, hay que probar casos normales, pedidos ambiguos y fallas de las herramientas, además de revisar su comportamiento durante la operación.

## Preguntas frecuentes

### ¿Un agente de IA es lo mismo que ChatGPT?

No son términos equivalentes. ChatGPT es una aplicación que puede incluir distintas capacidades. Un agente describe una forma de ejecutar tareas: decidir pasos, usar herramientas y evaluar resultados. Para un negocio importa qué funciones están habilitadas, con qué datos y bajo qué permisos, no solo el nombre del producto.

### ¿Necesita estar conectado a mis sistemas?

Si tiene que consultar tu stock o registrar un turno, sí necesita acceso a esos sistemas o a una fuente autorizada de esos datos. Sin esa integración no puede comprobar el stock real ni crear una reserva real. La conexión no siempre requiere internet: también puede usar archivos y herramientas locales.

### ¿Hay que entrenar un modelo propio?

No necesariamente. Se puede construir un agente con un modelo existente, instrucciones y herramientas conectadas. Entrenar un modelo es una decisión distinta de configurar un agente.

### ¿Puede atender por WhatsApp?

Puede integrarse con ese canal, sujeto a las condiciones vigentes de WhatsApp Business Platform y a la configuración del negocio. El canal recibe y envía mensajes; el agente y sus integraciones resuelven la tarea. Para evaluar el presupuesto, también hay que considerar los costos de WhatsApp.

### ¿Puede trabajar sin supervisión?

Algunas tareas acotadas pueden ejecutarse sin aprobación en cada paso. Otras necesitan confirmación humana. El grado de autonomía debe definirse según las consecuencias de un error y la capacidad de verificar o revertir la acción.

## Qué mirar antes de implementar uno

Antes de discutir qué modelo usar, definí tres cosas: **qué tarea querés resolver, a qué información debe acceder y qué acciones le vas a permitir**.

Si no hay una forma de comprobar el resultado o de frenar una acción incorrecta, todavía falta diseño. Un agente útil no es el que promete hacer todo: es el que tiene un objetivo concreto, permisos acotados y una salida clara cuando no puede continuar.

Fuentes primarias consultadas el **8 de octubre de 2026**:

## Fuentes

- [OpenAI: A practical guide to building agents](https://cdn.openai.com/business-guides-and-resources/a-practical-guide-to-building-agents.pdf). Sustenta la definición de agente, el control del flujo mediante un LLM y el uso de herramientas para consultar y actuar sobre sistemas externos.
- [OpenAI Agents SDK: Agents](https://openai.github.io/openai-agents-python/agents/). Describe la configuración de un agente mediante instrucciones, herramientas y comportamientos opcionales como guardrails y handoffs.
- [Anthropic: Building effective agents](https://www.anthropic.com/engineering/building-effective-agents). Publicación original de diciembre de 2024. Sustenta la distinción entre workflows y agentes, y la recomendación de priorizar soluciones simples considerando costo y latencia. La página advierte que parte del panorama de herramientas cambió desde su publicación; acá se usa para las distinciones conceptuales, no como catálogo actual de productos.