Glosario
Glosario de la IA agéntica
Los términos de la IA agéntica no siempre tienen una definición estable. Este glosario los explica uno por uno, con las fuentes que forman consenso.
Este glosario reúne los términos que más se repiten al hablar de agentes de IA: agente autónomo, orquestación multiagente, MCP, RAG, tool calling, BYOK, human-in-the-loop, observabilidad y barreras y gobernanza. Algunos vienen de la investigación académica, otros de la documentación técnica de los grandes proveedores de modelos, y otros de marcos de regulación recientes. El vocabulario de este campo se mueve rápido, y las mismas palabras a veces sirven para usos bastante distintos de un proveedor a otro.
Cada página parte del mismo principio: buscar primero lo que dicen las fuentes de referencia sobre el tema (documentación oficial, artículo de investigación fundacional, texto regulatorio), señalar cuando dos fuentes serias no cuentan exactamente lo mismo, y luego explicar el término de forma sencilla, con un ejemplo concreto en lugar de una definición abstracta. Cuando resulta pertinente, el ejemplo se apoya en el funcionamiento real de un agente de IA autónomo en Atako, sin inventar nada que no esté documentado.
La idea no es sustituir una definición de diccionario, sino dar lo necesario para entender un término lo bastante rápido como para seguir leyendo en otro lugar, ya sea un artículo técnico, una documentación de producto o una conversación con un equipo. Cada página también remite a otros términos vecinos, para navegar de una noción a otra sin perder el hilo.
Todos los términos
Agente de IA autónomo: definición y diferencia con un workflow
Un agente de IA autónomo persigue un objetivo a largo plazo, elige él mismo la secuencia de acciones para lograrlo, y funciona de forma continua en su propio entorno en lugar de activarse solo para una solicitud puntual. Solo recurre a una persona para una decisión precisa, a diferencia de un workflow activado puntualmente por un evento.
Agente de IA: definición, funcionamiento y ejemplos
Un agente de IA es un programa que percibe su entorno, decide una acción y la ejecuta, solo o mediante herramientas externas, para alcanzar un objetivo. Se distingue de un chatbot clásico por su capacidad de encadenar varios pasos y de actuar, con un nivel de autonomía que varía según la plataforma.
Barreras y gobernanza de los agentes de IA: definición y mecanismos
Las barreras y la gobernanza designan el conjunto de reglas, permisos y controles que regulan lo que un agente de IA tiene derecho a hacer, antes, durante y después de la ejecución de una acción. Esto cubre los permisos por acción, la validación humana en las decisiones sensibles, la auditoría de lo ocurrido, y la capacidad de cortar el acceso en cualquier momento.
BYOK: hacer funcionar un agente de IA con su propia clave API
BYOK (Bring Your Own Key) es una opción que permite hacer funcionar un agente o una herramienta de IA con la clave API personal de un proveedor de modelo (OpenAI, Anthropic, Mistral AI), en lugar de con el acceso incluido en la suscripción. La facturación del modelo pasa entonces directamente por la cuenta del proveedor, fuera del plan de la plataforma.
Human-in-the-loop: mantener a una persona en el bucle de un agente de IA
Human-in-the-loop (humano en el bucle) es un principio de diseño donde una persona conserva la autoridad de validar, corregir o bloquear una decisión o una acción generada por una IA, en un punto preciso del proceso, antes de que produzca un efecto real. Es un mecanismo de control, no una supervisión continua de cada paso.
IA agéntica: definición, funcionamiento y ejemplos
La IA agéntica es el paradigma de sistemas de IA que perciben su entorno, planifican una serie de acciones y las ejecutan con herramientas, apuntando a un objetivo en varios pasos en lugar de limitarse a responder una sola vez a una solicitud aislada, con una supervisión humana limitada pero ajustable.
IA generativa vs IA agéntica: ¿cuál es la diferencia?
La IA generativa produce contenido (texto, imagen, código) en respuesta a una solicitud puntual. La IA agéntica planifica una serie de acciones y las ejecuta con herramientas para alcanzar un objetivo en varios pasos. La segunda suele usar la primera como motor de razonamiento interno.
MCP (Model Context Protocol): definición, funcionamiento y ejemplos
MCP (Model Context Protocol) es un protocolo abierto, creado por Anthropic a finales de 2024, que estandariza la forma en que un modelo o un agente de IA se conecta a fuentes de datos y herramientas externas. Sustituye a las integraciones a medida, una por herramienta, por un lenguaje común entre aplicaciones de IA y sistemas de terceros.
Observabilidad de agentes de IA: ver qué hace un agente en tiempo real
La observabilidad de agentes es la capacidad de seguir en detalle la actividad de un agente de IA: sus llamadas a herramientas, sus decisiones, sus errores, con su origen y su resultado, generalmente mediante registros, una cronología de eventos o trazas. Permite entender por qué un agente actuó así y detectar un problema antes de que se agrave.
Orquestación de agentes: definición, funcionamiento y casos de uso
La orquestación de agentes designa la coordinación de varios agentes o subagentes de IA dentro de un mismo sistema: reparto de tareas, secuenciación de pasos, supervisión de la ejecución y entrega de resultados. Un orquestador, centralizado o distribuido, decide qué agente actúa, cuándo, y cómo se combinan los resultados.
RAG (Retrieval-Augmented Generation): definición y funcionamiento
El RAG (Retrieval-Augmented Generation) es un método que combina un motor de búsqueda documental y un modelo de lenguaje: antes de responder, el modelo va a buscar pasajes pertinentes en una base externa, y luego genera su respuesta a partir de esos pasajes. Esto limita las invenciones y permite usar información reciente o interna de la empresa.
Sistema multiagente: definición, funcionamiento y ejemplos
Un sistema multiagente reúne a varios agentes de IA autónomos que trabajan juntos en una misma tarea compleja. Cada agente tiene un rol especializado, intercambia información con los demás y toma sus propias decisiones. Este reparto del trabajo permite abordar workflows que un solo agente no podría gestionar solo de forma eficaz.
Tool calling: cómo un agente de IA llama a herramientas externas
El tool calling (llamada a herramientas, también llamado function calling) es la capacidad de un modelo de lenguaje de identificar que una solicitud necesita una acción externa, como leer una base de datos o enviar un mensaje, y de producir una solicitud de llamada estructurada con sus argumentos. Una aplicación ejecuta después esa llamada y devuelve el resultado al modelo.
Preguntas frecuentes
¿Qué es un agente de IA, en una frase?
Un agente de IA es un sistema que funciona de forma continua, toma decisiones y puede actuar sobre herramientas reales para alcanzar un objetivo, en lugar de limitarse a responder una pregunta en una conversación puntual. La página pilar del sitio detalla esta definición y lo que distingue a un agente autónomo de un simple asistente conversacional.
¿Cuál es la diferencia entre un agente de IA y la IA generativa clásica?
La IA generativa clásica responde a una solicitud puntual, sin memoria ni capacidad de actuar más allá del texto generado. Un agente de IA mantiene memoria entre intercambios, puede llamar a herramientas externas y sigue trabajando después de la respuesta inicial, hasta que se alcanza el objetivo o interviene una persona.
¿Se actualiza este glosario con regularidad?
Sí, cada término indica una fecha de última actualización y se apoya en fuentes de referencia citadas al final de la página, como la documentación oficial de los proveedores de modelos o los marcos de gobernanza de IA reconocidos. El vocabulario de este campo evoluciona rápido, y las definiciones se revisan en consecuencia.
Qué leer a continuación
CTO de Atako
Este contenido fue redactado por los agentes de IA de Atako, y luego revisado, corregido y validado por Romain Laodicina, CTO de Atako.