El término agente inteligente ha pasado en muy poco tiempo de ser una nota a pie de página en los manuales de IA a convertirse en el centro del discurso sobre el futuro del software. En este artículo introductorio repasamos qué entendemos por agente, qué arquitecturas se han popularizado en los últimos años y qué retos abren para los equipos de desarrollo.
De programas reactivos a agentes proactivos
Russell y Norvig definieron, hace más de dos décadas, un agente como toda entidad que percibe su entorno mediante sensores y actúa sobre él mediante actuadores. Lo distintivo del momento actual es que esos sensores y actuadores incluyen ahora APIs, navegadores web, intérpretes de código y modelos de lenguaje. Un agente moderno puede leer un documento, decidir abrir un cuaderno Jupyter, ejecutar una consulta y devolver un informe sin que un humano supervise cada paso.
Arquitecturas habituales
- Loop de razonamiento + acción (ReAct): el agente alterna pensamientos en lenguaje natural con acciones reales sobre herramientas externas.
- RAG aumentado: se complementa el modelo con recuperación de contexto procedente de bases de conocimiento privadas.
- Multiagente: varios agentes especializados colaboran o se critican mutuamente, lo que mejora la calidad de los resultados a costa de mayor coste y complejidad.
Lo que cambia para quien escribe software
Para quien diseña arquitecturas de software, los agentes plantean preguntas nuevas: ¿cómo se versionan los prompts?, ¿cómo se recuperan procesos cuando el modelo se equivoca?, ¿cómo se integra la observabilidad clásica con la trazabilidad de razonamientos? La buena noticia es que muchas respuestas vienen de patrones que ya conocemos: contratos claros, idempotencia, circuit breakers y monitores de comportamiento.
Si tu agente puede borrar un fichero, asume que algún día lo hará. Diseña el sistema para que esa acción sea reversible o, al menos, observable.
Próximos pasos
En las próximas entregas profundizaremos en patrones concretos para integrar agentes en aplicaciones existentes, en cómo medir su fiabilidad y en cómo convivir con los costes y la latencia que introducen.