Nivel : Intermedio
¿Cómo toma sus decisiones un agente de IA?
Por La redacción de Info Agent IA ·
Un agente de IA toma sus decisiones en un ciclo: observa la situación, escribe lo que piensa hacer, elige una herramienta, lee el resultado y vuelve a empezar hasta alcanzar el objetivo o un límite fijado. Cada «decisión» es en realidad una predicción del modelo de lenguaje, guiada por sus instrucciones, las herramientas que tiene a su alcance y todo lo que ya ha visto durante la tarea.
Un modelo de lenguaje no decide como usted
En el corazón de un agente hay un gran modelo de lenguaje. Por sí solo, hace una única cosa: producir la continuación más probable de un texto. No tiene voluntad ni objetivos propios.
Lo que lo convierte en agente es el programa que lo rodea. Ese programa le presenta un objetivo, una lista de herramientas y el historial de lo ocurrido, y le pregunta, en esencia: «¿Qué haces ahora?». El modelo responde con un texto final o con una petición de acción. El programa ejecuta la acción, añade el resultado al historial y vuelve a preguntar.
Una «decisión» de un agente es, por tanto, la elección de la siguiente acción entre las que tiene permitidas. Para una presentación general de estos sistemas, consulte nuestra guía qué es un agente de IA.
El ciclo básico: pensar, actuar, observar
El esquema más extendido tiene nombre: ReAct, de Reasoning and Acting (razonar y actuar). Se describió en el artículo «ReAct: Synergizing Reasoning and Acting in Language Models», publicado en arXiv el 6 de octubre de 2022 por Shunyu Yao y sus coautores de Princeton y Google. La idea es alternar razonamiento y acción en lugar de tratarlos por separado. Nuestra ficha sobre el esquema ReAct explica la mecánica en detalle.
En cada vuelta, el agente pasa por tres momentos:
- Pensamiento: escribe lo que ha entendido y lo que piensa hacer.
- Acción: elige una herramienta y sus parámetros.
- Observación: lee el resultado que devuelve la herramienta.
Veamos un ejemplo. Usted pide: «Encuentra un restaurante italiano cerca de casa que abra el domingo por la noche y reserva para cuatro a las 21:00».
| Vuelta | Pensamiento del agente | Acción | Observación |
|---|---|---|---|
| 1 | Necesito la dirección del usuario | Leer el perfil | Dirección encontrada |
| 2 | Busco restaurantes italianos cercanos | Búsqueda web | Cinco locales |
| 3 | ¿Cuáles abren el domingo por la noche? | Leer las páginas de los restaurantes | Dos abren |
| 4 | Compruebo la disponibilidad a las 21:00 | Abrir la web de reservas | Una mesa libre |
| 5 | La reserva compromete al usuario | Pedir confirmación | A la espera de su aprobación |
Nada mágico: el agente ha encadenado cinco pequeñas decisiones, cada una apoyada en la observación anterior. Si en la vuelta 3 hubiera leído mal un horario, todo lo demás habría salido mal.
Planificar: dividir el objetivo antes de actuar
Para una tarea corta, el agente puede avanzar paso a paso. Para una tarea larga, le conviene hacer un plan: es la descomposición de tareas. «Organizar un fin de semana en Lisboa» se convierte en: fijar el presupuesto, buscar vuelos, comparar tres hoteles, proponer un programa y resumirlo todo en una tabla.
Conviven dos enfoques:
- El plan fijo, escrito de antemano por el desarrollador. Previsible y fácil de probar, sirve para tareas repetitivas.
- El plan dinámico, propuesto por el propio modelo y revisado según lo que descubre. Más flexible, pero también más difícil de controlar.
Un buen agente no sigue su plan a ciegas. Si el vuelo previsto está completo, debe dar marcha atrás y ajustar lo siguiente. Eso es lo que distingue a un agente de una simple automatización, una diferencia que desarrollamos en IA agéntica: qué significa realmente.
Llamar a una herramienta: cómo se hace la elección
El momento clave de una decisión es la elección de la herramienta. Técnicamente, pasa por la llamada a herramientas, también conocida como function calling.
En la práctica, el desarrollador describe cada herramienta al modelo: un nombre, una frase que explica para qué sirve y la lista de parámetros esperados. Cuando el modelo considera útil una herramienta, no responde con una frase, sino con una petición estructurada, por ejemplo buscar_vuelos(origen="Madrid", destino="Lisboa", fecha="2026-11-14"). Ese formato es una salida estructurada que el programa puede leer sin ambigüedad.
El modelo nunca ejecuta la herramienta por sí mismo. Lo hace el programa, que luego le devuelve el resultado. Esta separación es valiosa: ahí es donde se puede prohibir una acción, registrarla o someterla a su validación.
La calidad de las decisiones depende, por tanto, de la calidad de las descripciones. Una herramienta mal descrita se usará mal, o no se usará. Estándares como MCP permiten ahora conectar herramientas de forma uniforme a muchos agentes; los explicamos en qué es MCP.
Póngase a prueba Un agente tiene dos herramientas, enviar_correo y crear_borrador. Usted le pide que prepare una respuesta al cliente. ¿Cuál debería elegir y quién decide realmente?
Debería elegir crear_borrador, porque usted pidió preparar y no enviar. Pero es el modelo quien hace esa elección a partir de su frase y de las descripciones de las herramientas: si interpreta mal la petición, podría enviar. La protección más segura está en el programa, por ejemplo exigiendo su confirmación antes de cualquier llamada a enviar_correo.
Qué guía cada elección
En cada vuelta, la decisión del agente depende de varios ingredientes, todos situados en su ventana de contexto:
- Las instrucciones iniciales: el prompt de sistema fija el papel, las reglas y las prohibiciones.
- Su petición: cuanto más precisa, menos tiene que adivinar el agente.
- Las descripciones de las herramientas: delimitan lo que puede hacer.
- El historial de la tarea: cada pensamiento, acción y observación anteriores.
- Su memoria, si la tiene: preferencias o recuerdos de tareas pasadas, recuperados en el momento oportuno gracias a la memoria del agente.
Los modelos de razonamiento recientes piensan más tiempo antes de cada acción. No sustituyen al ciclo: hacen cada vuelta más reflexiva, a costa de más tiempo y más tokens.
Saber parar
Un ciclo tiene que terminar. En el caso ideal, el modelo considera alcanzado el objetivo y redacta su respuesta. Pero un agente también puede dar vueltas en círculo, repetir la misma búsqueda o seguir una pista sin salida.
En su artículo «Building Effective Agents», del 19 de diciembre de 2024, Anthropic recomienda que el agente obtenga en cada paso una «verdad de campo» de su entorno, como el resultado de una herramienta o de una ejecución de código, para evaluar su progreso. Añade que el agente puede hacer una pausa para pedir la opinión de una persona en puntos de control, y que es habitual prever condiciones de parada, como un número máximo de iteraciones.
En la práctica se combinan tres salvaguardas: un número máximo de pasos, un presupuesto en tokens o en dinero, y puntos de validación humana antes de las acciones delicadas. Cada vuelta del ciclo consume llamadas al modelo: nuestra calculadora del coste de un agente ayuda a estimar lo que supone una tarea de diez pasos frente a una de dos.
Dónde se tuercen las decisiones
Entender el ciclo permite detectar sus puntos débiles:
- Una mala observación: el agente lee mal una página y todo lo demás se apoya en un error.
- Los errores en cascada: una pequeña aproximación en la vuelta 2 se convierte en un resultado falso en la vuelta 8.
- El ciclo infinito: el agente repite una acción que falla sin cambiar de estrategia.
- El secuestro: un texto oculto en una página o un documento se hace pasar por una instrucción y desvía la siguiente decisión. Es la inyección de prompts.
- El objetivo ambiguo: ante una consigna difusa, el agente rellena los huecos a su manera.
Para ir más allá, vea hasta dónde se pueden dejar estas decisiones sin supervisión en nuestro artículo sobre los agentes de IA autónomos.
Preguntas frecuentes
¿Un agente de IA piensa de verdad antes de actuar?
Produce un razonamiento escrito y luego elige una acción según ese texto y lo que ya ha observado. No es un pensamiento consciente, sino una predicción guiada por sus instrucciones, las herramientas disponibles y los resultados anteriores. Ese razonamiento suele ser útil, pero no garantiza acertar.
¿Qué es el ciclo ReAct?
Es un esquema publicado en octubre de 2022 por investigadores de Princeton y Google: el modelo alterna un pensamiento escrito, una acción como una búsqueda y la observación del resultado, y vuelve a empezar. La mayoría de los agentes actuales se basan en una variante de este ciclo.
¿Quién ejecuta realmente las acciones de un agente?
No el modelo. El modelo genera una petición estructurada con el nombre de una herramienta y sus parámetros, y es el programa que lo rodea el que ejecuta la acción y le devuelve el resultado. En ese nivel es donde se puede bloquear una acción o someterla a validación.
¿Cómo sabe un agente que ha terminado?
El modelo considera que ha alcanzado el objetivo y redacta una respuesta final. Por prudencia, los desarrolladores añaden también límites: un número máximo de pasos, un presupuesto o una pausa para consultar a una persona antes de ciertas acciones.