IA agéntica y sistemas multiagente: significado y ejemplos
La IA agéntica describe sistemas que trabajan hacia objetivos a lo largo de varios pasos. Pueden interpretar un objetivo, planificar, utilizar herramientas, revisar resultados y adaptar la siguiente acción. Un sistema multiagente contiene varios agentes con funciones distintas o que cooperan en una tarea mayor.
Estos conceptos reciben mucha atención, pero no garantizan un resultado mejor. Para muchos problemas empresariales, un asistente claro o un flujo fijo es más sencillo, barato y seguro.
¿Qué hace que un sistema sea agéntico?
La capacidad agéntica es una escala, no una propiedad binaria. Un asistente sencillo sigue una instrucción y responde. Un sistema más agéntico puede elegir herramientas, dividir una tarea y ejecutar varios pasos sin recibir un nuevo prompt cada vez. Mayor autonomía significa más decisiones y posibles errores.
Un sistema de investigación puede formular subpreguntas, consultar fuentes aprobadas, comparar información y preparar un informe con incertidumbres. Una persona sigue necesitando evaluar fuentes, conclusiones y si la investigación fue suficiente.
¿Qué es un sistema multiagente?
Divide el trabajo entre componentes. Uno puede planificar, otro buscar y un tercero revisar. Pueden operar en secuencia fija o pasarse tareas dinámicamente.
Por ejemplo, un flujo de propuesta comercial puede utilizar:
1. Un agente de entrada que estructura necesidades. 2. Un agente de conocimiento que busca servicios y condiciones. 3. Un agente que prepara el borrador. 4. Un revisor que comprueba secciones obligatorias. 5. Una persona que aprueba precio y compromisos.
El mismo diseño puede implementarse como software convencional con varios pasos. Elige la arquitectura por necesidad, no porque «multiagente» esté de moda.
Posibles ventajas
Las funciones especializadas pueden aclarar instrucciones. Los pasos se evalúan por separado y se pueden utilizar modelos o herramientas distintos. Un revisor puede detectar ciertos fallos de una fase anterior. Algunas investigaciones pueden ejecutarse en paralelo.
Costes y riesgos
Más agentes implican más llamadas al modelo, latencia, registros y coordinación. Pueden transmitirse errores o entrar en ciclos innecesarios. Un agente revisor no es una fuente independiente de verdad y puede compartir los mismos puntos ciegos.
Define límites de pasos, tiempo y coste. Cada agente debe tener permisos mínimos. Los registros han de mostrar qué componente actuó y qué evidencia utilizó.
¿Cuándo se justifican varios agentes?
Utilízalos cuando la tarea contiene especialidades realmente distintas, las partes se pueden evaluar por separado y la complejidad adicional produce una mejora medible. Si una sola instrucción y un flujo fijo resuelven el trabajo, suelen ser mejores.
Construye primero la versión más sencilla y registra fallos. Añade un agente solo para corregir un problema recurrente o una necesidad clara, y compara con la misma batería de pruebas.
Supervisión humana
Una persona debe aprobar decisiones que afecten derechos, dinero, seguridad o compromisos externos. El control debe estar antes de la acción, no únicamente en un informe posterior. El usuario necesita ver qué se pretende hacer, con qué datos y por qué.
En resumen
La IA agéntica planifica y ejecuta varios pasos. Los sistemas multiagente distribuyen el trabajo entre agentes especializados. Empieza con sencillez y añade complejidad solo cuando las pruebas demuestren que sus beneficios superan costes y riesgos.
Fuentes
- Anthropic: Building effective agents
- Google Cloud: What are AI agents?
- OpenAI: Agent Builder
- NIST: AI Risk Management Framework
Última revisión: 16 de septiembre de 2026.