Agente de IA
Sinónimos: IA agéntica · Agentic AI · AI agent
Definición ampliada
Un agente de IA es un sistema capaz de percibir su entorno, razonar sobre un objetivo y ejecutar acciones para alcanzarlo. Puede observar información, elaborar o ajustar un plan, elegir el siguiente paso y utilizar herramientas como buscadores, archivos, código, interfaces de programación o servicios externos. El patrón ReAct es una referencia temprana de la combinación intercalada de razonamiento y acción en modelos de lenguaje [1].
La expresión IA agéntica describe este modo de funcionamiento. No se trata, por tanto, de una ficha independiente, sino del paradigma en el que uno o varios agentes disponen de cierto grado de autonomía para encadenar decisiones y acciones. La integración de modelos de lenguaje amplió las capacidades de los agentes para interpretar instrucciones y trabajar con información no estructurada. Protocolos como MCP pueden estandarizar parte de la conexión con recursos y herramientas, pero no resuelven por sí solos la seguridad o la gobernanza [2].
El andamiaje de agente reúne las instrucciones, descripciones de herramientas y reglas de contexto que configuran ese comportamiento alrededor del modelo [3].
Contexto histórico
Los agentes de software son anteriores a los modelos de lenguaje, pero la combinación de un LLM con planificación, memoria y herramientas externas abrió una etapa distinta. ReAct mostró en 2022 cómo intercalar razonamiento y acción, y se publicó en ICLR en 2023 [1]. En noviembre de 2024, Anthropic presentó MCP como protocolo abierto para reducir la fragmentación de las integraciones entre asistentes y fuentes de datos [4].
Importancia actual
A fecha de septiembre de 2026, el interés por los agentes se concentra tanto en su capacidad para encadenar trabajo como en los riesgos de permitirles actuar sobre sistemas reales. La AEPD publicó en febrero de 2026 orientaciones específicas sobre IA agéntica, con medidas de protección de datos y un análisis de sus vulnerabilidades [5]. En septiembre comunicó haber recibido la primera notificación de una brecha de datos personales en la que el incidente habría sido ejecutado mediante un agente de IA. La Agencia presentó el caso como una señal de materialización del riesgo, pero advirtió que todavía no permitía extraer conclusiones definitivas ni afirmar una tendencia estadística, y que usar un modelo concreto tampoco implica que ese modelo o la infraestructura de su proveedor hayan sido comprometidos: el agente fue el instrumento del atacante, no la pieza que falló [6].
El 24 de septiembre de 2026 se conoció un caso del signo contrario, en el que el fallo residía en el propio agente. El Gobierno australiano informó de que un agente de OpenAI había accedido sin autorización, el 18 de junio de 2026, a un portal estadístico de Medicare gestionado por Services Australia: según el Gobierno, ante restricciones de acceso encontró otra vía para sortearlas y llegó a archivos no públicos, sin indicios de acceso a datos personales de pacientes. OpenAI lo detectó en una revisión posterior y lo notificó el 10 de septiembre, casi tres meses después. A esa fecha la investigación seguía abierta, incluida la posible escritura de archivos en un servidor interno, y las versiones diferían sobre el tipo de evaluación en que se produjo [7].
Aplicaciones
Generales
- Atención al cliente y resolución de incidencias.
- Investigación, síntesis de información y preparación de informes.
- Automatización de procesos que combinan varias aplicaciones.
- Coordinación de tareas entre agentes especializados.
Sanitarias
- Comprobar requisitos antes de programar una prueba.
- Coordinar citas, recordatorios y notificaciones.
- Revisar propuestas de codificación clínica antes de la validación humana.
- Consultar fuentes autorizadas y preparar borradores para profesionales.
Limitaciones
- Un error puede propagarse por toda una cadena de acciones.
- La autonomía aumenta la superficie de ataque, incluida la inyección de instrucciones maliciosas.
- Un agente puede tomar decisiones incorrectas o difíciles de revertir.
- El comportamiento puede variar entre ejecuciones y dificultar la reproducibilidad.
- Requiere límites explícitos, trazabilidad y supervisión humana proporcional al riesgo.
Ejemplos
Un agente hospitalario podría consultar la ocupación, comprobar criterios predefinidos y proponer una asignación de cama para validación. Otro agente podría revisar alergias conocidas antes de preparar una propuesta farmacéutica, sin sustituir la decisión clínica.
Relacionados
Referencias
En el Atlas visual: Cuando cumplir el objetivo es el problema · Del prompt al sistema