Agentes Inteligentes

Un agente inteligente es toda entidad que percibe su entorno mediante sensores y actúa sobre él mediante actuadores para alcanzar objetivos. Esta definición, que Stuart Russell y Peter Norvig popularizaron en «Artificial Intelligence: A Modern Approach», vertebra buena parte de la disciplina: en lugar de preguntarse qué es pensar, la IA se pregunta qué debe hacer una entidad situada para comportarse bien.

El concepto central es el de agente racional: aquel que, con la información de que dispone, elige la acción que maximiza el valor esperado de su medida de rendimiento. Racionalidad no es omnisciencia ni perfección; es hacer lo mejor posible con lo que se percibe. Un termostato, un buscador de rutas o un asistente conversacional son agentes en la medida en que cierran ese bucle percibir-decidir-actuar.

Tipos de agente por complejidad

Russell y Norvig ordenan los agentes en una escala de sofisticación creciente. Los agentes reactivos simples (reflex) aplican reglas condición-acción sobre la percepción actual, sin memoria. Los agentes basados en modelo mantienen un estado interno que representa la parte del mundo que no observan directamente. Los agentes basados en objetivos (goal-based) eligen acciones que conducen a estados deseados, lo que exige razonar sobre el futuro. Los agentes basados en utilidad (utility-based) ponderan cuán bueno es cada resultado mediante una función de utilidad, algo necesario cuando hay metas en conflicto o incertidumbre. Por último, los agentes que aprenden mejoran su comportamiento con la experiencia, ajustando cualquiera de los componentes anteriores a partir de la retroalimentación. No es una jerarquía de calidad, sino de recursos: cada nivel resuelve entornos que el anterior no alcanza.

Las propiedades del entorno

El diseño de un agente depende tanto del agente como del entorno en que vive, y Russell y Norvig proponen clasificar ese entorno por dimensiones. Es totalmente observable si los sensores captan todo lo relevante, o parcialmente observable si hay que inferir lo oculto. Es determinista cuando la acción fija el próximo estado, o estocástico cuando interviene el azar. Es estático si no cambia mientras el agente delibera, o dinámico si el mundo no espera. Y es discreto o continuo según cómo sean sus estados, percepciones y acciones. El ajedrez es observable, determinista y discreto; conducir un coche es parcial, estocástico, dinámico y continuo. Cuanto más exigente el entorno, más sofisticado ha de ser el agente que lo habita.

De los agentes clásicos a los agentes con LLM hoy

En 2026 la palabra «agente» designa además una realidad nueva: los agentes basados en grandes modelos de lenguaje. Un sistema así recibe un objetivo en lenguaje natural, planifica una secuencia de pasos y actúa usando herramientas -un navegador, un intérprete de código, APIs-, observa el resultado de cada paso y corrige en bucle hasta cumplir la meta o agotar su presupuesto. La definición de fondo no ha cambiado: sigue siendo percibir, decidir y actuar. Lo que aportan los LLM es la política, el criterio que decide el siguiente movimiento, aprendido de datos en vez de programado a mano; encajan en la taxonomía clásica como agentes basados en objetivos que aprenden. Lo que no está resuelto es su fiabilidad y su grado de autonomía seguro: alucinan, encadenan errores y todavía exigen supervisión humana en tareas críticas. Para su aplicación práctica, este glosario remite a la entrada «agentes de IA». Documentación: material oficial de Artificial Intelligence: A Modern Approach; artículo original de ReAct.

Autonomía, privacidad y seguridad

Cuando el agente puede llamar herramientas, una salida equivocada deja de ser solo texto y puede convertirse en una acción sobre correo, archivos, dinero o cuentas. OWASP denomina exceso de agencia al riesgo creado por funcionalidad, permisos o autonomía mayores de los necesarios, con posibles efectos sobre confidencialidad, integridad y disponibilidad. La privacidad falla si el contexto o una herramienta exponen datos que la tarea no necesitaba; la seguridad falla si una entrada manipulada logra ordenar una acción indebida. El control no consiste en pedir al modelo que sea prudente: se reducen herramientas y permisos, se autoriza cada operación en el sistema de destino y se exige aprobación humana para decisiones de alto impacto.