IA agéntica y agentes de IA
Los dos términos se solapan. Un agente de IA es un único sistema que ejecuta un bucle de decidir, actuar y comprobar. La IA agéntica es el enfoque más amplio: diseñar sistemas de IA, desde flujos sencillos hasta muchos agentes que cooperan, que realizan acciones hacia un objetivo en lugar de limitarse a producir una respuesta.
La autonomía es un regulador, no un interruptor. La guía de Anthropic sobre cómo construir agentes eficaces describe sus posiciones:
- Encadenamiento de prompts: una tarea se divide en pasos fijos, cada uno resuelto con una llamada al modelo.
- Enrutamiento: una entrada se clasifica y se envía al paso especializado adecuado.
- Paralelización: las partes independientes se ejecutan a la vez y se combinan.
- Orquestador y trabajadores: un modelo descompone la tarea mientras trabaja y delega las partes.
- Evaluador y optimizador: un modelo redacta, otro comprueba y pide cambios.
- Agentes: el modelo planifica y usa herramientas por su cuenta hasta terminar la tarea.
El consejo de la guía es elegir la opción más sencilla que funcione y añadir autonomía solo donde compense.
Cómo funcionan los sistemas multiagente
En un sistema multiagente, un agente orquestador recibe el objetivo, hace un plan y reparte tareas entre agentes especializados: uno investiga, otro redacta y otro revisa. Cada uno tiene sus propias instrucciones, herramientas y contexto, de modo que puede centrarse en un solo trabajo. El orquestador recoge los resultados, resuelve los conflictos y decide qué ocurre después.
El diseño tiene ventajas claras: trabajo en paralelo en tareas grandes, separación entre el agente que hace y el agente que comprueba, e instrucciones más cortas y claras para cada parte. También tiene costes: más llamadas al modelo y, por tanto, más gasto, más tiempo por tarea y más puntos en los que algo puede fallar. A menudo basta con un solo agente. Varios agentes se justifican cuando una tarea se divide de forma natural en partes.
Las personas intervienen en puntos definidos: aprueban el plan, dan el visto bueno antes de que se envíe, se pague o se modifique nada y revisan una muestra del trabajo terminado.
Ejemplos de IA agéntica en las empresas
- Respuestas a licitaciones: un agente extrae los requisitos del pliego, otro redacta las respuestas a partir de propuestas anteriores y un tercero las contrasta con los requisitos.
- Due diligence: los agentes leen un data room en paralelo, extraen las incidencias por tema y elaboran un informe para el equipo de la operación.
- Apoyo al cierre mensual: los agentes concilian cuentas, explican las desviaciones y preparan un dosier para el controller.
- Cambios de software: los agentes de programación como Claude Code planifican un cambio, editan el código, ejecutan las pruebas y abren una pull request para su revisión.
Qué dicen los estudios
- Gartner prevé que el 40 % de las aplicaciones empresariales incluirán agentes de IA para tareas específicas a finales de 2026, frente a menos del 5 % en 2025.
- Gartner prevé también que más del 40 % de los proyectos de IA agéntica se cancelarán antes de finales de 2027 por el aumento de los costes, un valor de negocio poco claro o unos controles de riesgo insuficientes.
- En la encuesta State of AI 2026 de McKinsey, unos dos de cada diez encuestados dijeron que su organización había llegado a la fase de escalado con los agentes de IA.
Leídas en conjunto, las cifras apuntan en la misma dirección: la tecnología llega deprisa, y los proyectos que perduran tienen un objetivo medible y controles adecuados desde el principio.
Cómo empezar con la IA agéntica
Fuentes
- Anthropic: Building effective agents, 19 de diciembre de 2024
- Google Cloud: What is agentic AI?
- Gartner: over 40% of agentic AI projects will be canceled by end of 2027, 25 de junio de 2025
- Gartner: 40% of enterprise apps will feature task-specific AI agents by 2026, 26 de agosto de 2025
- McKinsey: The state of AI, 25 de agosto de 2026