La IA agéntica es una combinación sinérgica de código y grandes modelos de lenguaje (LLM).
La IA agéntica está de moda
Los agentes de IA empezaron a aportar un valor empresarial cuantificable en 2024. Es fácil encontrar ejemplos de este valor tanto en sectores verticales como el comercio minorista, la sanidad y la fabricación, como en funciones empresariales horizontales como las ventas, la atención al cliente y el soporte. La cadena de cosmética Sephora es un ejemplo de empresa que utiliza IA con agentes para elevar el nivel del cuidado de la piel, combinando la información proporcionada por los clientes en tiempo real con resultados reales y opiniones anteriores de otros clientes, a fin de ofrecer recomendaciones de productos más precisas. La empresa ha automatizado y personalizado toda la experiencia en cada interacción con el cliente. El resultado: un 11 % más de ventas y un 30 % menos de devoluciones de productos.
El valor de los agentes de IA reside en el uso de software y modelos de lenguaje de gran tamaño (LLM) para automatizar múltiples tareas con una intervención humana mínima o incluso nula. Pero ¿qué son exactamente estos agentes y cómo utilizan la IA?
¿Qué es un agente de IA?
Los agentes son programas de software que ejecutan tareas específicas. Algunos se especializan en una única función, como realizar una búsqueda web sobre un tema determinado o consultar un LLM enriquecido con información específica de un ámbito que no está disponible en ningún otro lugar. Otros se especializan en transformar la solicitud de un usuario en un conjunto de tareas y coordinar agentes ejecutores para completarlas. Tanto si coordinan como si ejecutan, los agentes siguen instrucciones muy precisas y son deterministas. Aquí no hay IA. Cada agente está predefinido con toda la información que necesita para funcionar y saber cuándo hacerlo. El software es mágico, pero no es magia de la IA.
Un ejemplo de agentes en acción es el encadenamiento de varios pasos para completar una tarea más amplia, como enviar un correo electrónico de prospección personalizado y oportuno a un cliente habitual. El proceso puede dividirse en varias acciones más pequeñas e independientes, cada una de las cuales puede ser ejecutada fácilmente por un único agente especializado y programado previamente para ese fin. Por ejemplo, consultar una base de datos de clientes potenciales de marketing para comprobar si se ha producido alguna interacción con clientes durante los últimos siete días, extraer del sistema de gestión de relaciones con los clientes (CRM) las tres direcciones de correo electrónico principales, ordenadas por número de interacciones durante los últimos 90 días, y enviar a cada una de ellas un correo electrónico basado en una plantilla de la campaña de ventas más reciente. Estas acciones no requieren necesariamente IA.
¿Qué papel desempeña la IA en la IA agéntica?
La IA generativa, proporcionada por los LLM, puede identificar patrones en fuentes de datos con más contexto y ofrecer respuestas más completas que las búsquedas tradicionales. También puede resumir, analizar o generar texto para crear o reformular información de manera más concisa y útil. Aprovechar los LLM es como añadir magia a un proceso, ya que sus resultados no son deterministas. Estos modelos identifican los patrones buscados a una velocidad inigualable por cualquier otro método informático jamás inventado. A los seres humanos, el resultado nos parece una forma de razonamiento. En los últimos dos años, la calidad de los resultados de los LLM ha pasado de ser «más o menos aceptable» a «extraordinaria». Entonces, ¿cómo sabemos cuándo utilizar la IA generativa en una solución agéntica?
Siguiendo con el ejemplo del correo electrónico de prospección, se puede utilizar una plantilla de correo con una personalización mínima, pero un correo generado por IA —que tenga acceso no solo a un excelente LLM diseñado para generar texto, sino también a información privada específica del cliente relacionada con sus compras anteriores y sus necesidades— es notablemente mejor. La solución de Conversica implementada en Epson es un buen ejemplo de ello: dos de las características más eficaces de esta solución de IA agéntica que ilustran las acciones autónomas y repetidas son: 1) la capacidad de mantener conversaciones bidireccionales por correo electrónico a lo largo del tiempo y 2) el envío de correos electrónicos en función de la hora del día preferida por el destinatario.
IA agéntica: el efecto combinado
La IA agéntica combina código de instrucciones extremadamente específicas que ejecuta tareas con la inferencia de IA para generar o predecir respuestas completas y contextualizadas. La IA agéntica no es magia, pero es más potente que los agentes o la IA generativa cuando funcionan por separado. Estos dos componentes básicos pueden combinarse en distintas proporciones y configuraciones para automatizar un flujo de trabajo y producir resultados de enorme valor. A continuación se muestra un diagrama sencillo que representa un flujo de trabajo automatizado de IA agéntica. Utiliza varios tipos de agentes especializados y modelos de IA para completar una serie de acciones. La solución se ejecuta hasta alcanzar un resultado aceptable y, a continuación, se devuelve al usuario.
Ejemplo de un flujo de trabajo automatizado de IA agéntica.
2025 se perfila tan emocionante como 2024, con avances continuos en el razonamiento de los LLM y el desarrollo de plataformas de IA agéntica. Hasta hace poco, predominaba la idea de que no se podía confiar en los LLM. Este podría ser el año en que disminuyan notablemente comentarios como: «Es imposible que la IA agéntica pueda razonar hasta llegar a una respuesta mejor que la de un ser humano». A medida que tanto los agentes como la IA maduren y mejoren este año, habrá que prestar atención a tres aspectos:
- Aparición de nuevas plataformas de desarrollo de IA agéntica, incluidos módulos de bus de servicios empresariales, orquestación y observabilidad/trazabilidad.
- Aparición de estándares como MCP para normalizar las interfaces necesarias para la comunicación entre agentes e IA y para acceder de forma segura a fuentes de datos públicas y privadas.
- Avances en el razonamiento de los LLM.
La senda de innovación de la IA agéntica podría avanzar con fuerza en cualquiera de estas tres direcciones a lo largo de 2025. Utilizarlas como criterios para comparar los anuncios de plataformas de IA agéntica permitirá determinar si las nuevas capacidades aumentan la madurez de la plataforma, facilitan la integración o hacen realidad la magia de la cognición impulsada por la IA.
Sobre el autor
Artículos relacionados del blog
Cree servicios públicos seguros, resilientes y preparados para la IA con F5 y AWS
Descubre cómo las organizaciones del sector público pueden modernizar de forma segura sus aplicaciones y soluciones de IA, al tiempo que gestionan los sistemas heredados, el cumplimiento normativo y el riesgo operativo.
Protección de los sistemas de IA: por qué la seguridad debe avanzar al ritmo de la innovación
Desde acelerar avances revolucionarios en medicina y educación hasta transformar la vida cotidiana, la IA está cambiando nuestra forma de vivir y trabajar. Pero también ofrece grandes oportunidades a los ciberdelincuentes.
Avanzar hacia la optimización digital tras la transformación
Descubre estrategias de optimización digital para garantizar políticas de seguridad coherentes, impulsar la madurez de la transformación digital y superar los retos de la transformación.
Proyecto de código abierto destacado: mayor observabilidad con F5 Cloud Logger iApp
En el punto de mira del código abierto: cómo aumentar la observabilidad. Lee el blog de F5 para descubrir cómo exportar fácilmente la telemetría de BIG-IP a plataformas modernas de análisis en la nube.
El estado de la entrega de aplicaciones en 2018: la transformación digital impulsa la automatización y la multinube pese a las preocupaciones de seguridad
Descubre las principales conclusiones del cuarto informe anual de F5 sobre el estado de la entrega de aplicaciones.
Estado de la entrega de aplicaciones en 2017: automatización, API y DevOps
Descubre el informe sobre el estado de la entrega de aplicaciones de 2017. Lee el blog retrospectivo de F5 sobre los inicios del auge de las redes declarativas y los flujos de DevOps.