{"id":34648,"date":"2025-10-14T16:02:52","date_gmt":"2025-10-14T14:02:52","guid":{"rendered":"https:\/\/inlab.fib.upc.edu\/?p=34648"},"modified":"2025-11-20T08:30:01","modified_gmt":"2025-11-20T07:30:01","slug":"what-are-ai-agents","status":"publish","type":"post","link":"https:\/\/inlab.fib.upc.edu\/es\/articulos\/what-are-ai-agents","title":{"rendered":"Que son los AI Agents?"},"content":{"rendered":"\n<p>Los Agentes de Inteligencia Artificial (AI Agents) est\u00e1n revolucionando la manera en la que afrontamos tareas complejas, aprovechando el poder de los grandes modelos de lenguaje (LLM).<\/p>\n\n\n\n<p>En esencia, los agentes de IA son sistemas basados en LLM dise\u00f1ados para alcanzar objetivos en m\u00faltiples pasos, aprovechando las herramientas que les facilitamos de manera aut\u00f3noma cuando sea necesario.<\/p>\n\n\n\n<p>En su versi\u00f3n m\u00e1s sencilla, un Agente est\u00e1 compuesto de 3 elementos:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>Un modelo LLM<\/strong>, que permite al agente razonar y tomar decisiones.<\/li>\n\n\n\n<li><strong>Un conjunto de herramientas<\/strong> que ponemos a su disposici\u00f3n para alcanzar los objetivos.<\/li>\n\n\n\n<li><strong>Un conjunto de instrucciones<\/strong>, que son explicaciones expl\u00edcitas de c\u00f3mo queremos que se comporte y qu\u00e9 objetivos tiene.<\/li>\n<\/ul>\n\n\n\n<p>Por ejemplo, podemos definir un agente muy sencillo que simplemente haga b\u00fasquedas en internet:<\/p>\n\n\n\n<pre class=\"wp-block-code has-background\" style=\"background-color:#e2eeee\"><code>root_agent = Agent(\n&nbsp; &nbsp; name=\"basic_search_agent\",\n&nbsp; &nbsp; model=\"gemini-2.5-flash\",\n&nbsp; &nbsp; description=(\n&nbsp; &nbsp; &nbsp; &nbsp; \"Asistente que puede hacer b\u00fasquedas en la web\"\n&nbsp; &nbsp; ),\n&nbsp; &nbsp; instruction=(\n&nbsp; &nbsp; &nbsp; &nbsp; \"Eres un asistente al que le gusta ayudar. Responde a las preguntas de los usuarios mediante una b\u00fasqueda en Google cuando sea necesario\" \n),\n&nbsp; &nbsp; tools=&#91;google_search]\n)<\/code><\/pre>\n\n\n\n<p>Y preguntarle, por ejemplo, \u00abcu\u00e1l ha sido el \u00faltimo partido del Bar\u00e7a y cu\u00e1l fue el resultado?\u00bb. El agente har\u00e1 una b\u00fasqueda por la web, procesar\u00e1 los resultados y nos dar\u00e1 una respuesta en lenguaje natural; adem\u00e1s, tambi\u00e9n dar\u00e1 las referencias de d\u00f3nde ha encontrado esta informaci\u00f3n para que podamos validar la fuente de donde ha obtenido esta informaci\u00f3n.<\/p>\n\n\n\n<figure class=\"wp-block-image aligncenter size-full is-resized\"><img fetchpriority=\"high\" decoding=\"async\" width=\"715\" height=\"226\" src=\"https:\/\/inlab.fib.upc.edu\/wp-content\/uploads\/2025\/10\/image-3.png\" alt=\"\" class=\"wp-image-34636\" style=\"width:800px;height:auto\" srcset=\"https:\/\/inlab.fib.upc.edu\/wp-content\/uploads\/2025\/10\/image-3.png 715w, https:\/\/inlab.fib.upc.edu\/wp-content\/uploads\/2025\/10\/image-3-300x95.png 300w\" sizes=\"(max-width: 715px) 100vw, 715px\" \/><\/figure>\n\n\n\n<p>Los agentes tambi\u00e9n disponen de capacidades adicionales como:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>Planificar y reflexionar:<\/strong>&nbsp;los agentes de IA pueden analizar un problema, dividirlo en pasos y ajustar su enfoque en funci\u00f3n de la nueva informaci\u00f3n.<\/li>\n<\/ul>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>Acceso a herramientas:<\/strong> pueden interactuar con herramientas y recursos externos, como por ejemplo bases de datos, APIs o aplicaciones concretas, para recopilar informaci\u00f3n y ejecutar acciones.<\/li>\n<\/ul>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>Memoria:<\/strong> los agentes de IA pueden almacenar y recuperar informaci\u00f3n, cosa que les permite aprender de experiencias pasadas y tomar decisiones m\u00e1s informadas.<\/li>\n<\/ul>\n\n\n\n<figure class=\"wp-block-image aligncenter size-full is-resized\"><img decoding=\"async\" width=\"708\" height=\"591\" src=\"https:\/\/inlab.fib.upc.edu\/wp-content\/uploads\/2025\/10\/image-4.png\" alt=\"\" class=\"wp-image-34637\" style=\"width:800px;height:auto\" srcset=\"https:\/\/inlab.fib.upc.edu\/wp-content\/uploads\/2025\/10\/image-4.png 708w, https:\/\/inlab.fib.upc.edu\/wp-content\/uploads\/2025\/10\/image-4-300x250.png 300w\" sizes=\"(max-width: 708px) 100vw, 708px\" \/><\/figure>\n\n\n\n<p>Componentes principales de un agente de Inteligencia Artificial (AI Agents)<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Ejemplo de uso: Agente de gesti\u00f3n de solicitudes de viaje de empresa<\/h2>\n\n\n\n<p><strong>Objetivo:<\/strong> Decidir si autoriza o no una solicitud de viaje para un empleado.<\/p>\n\n\n\n<p><strong>Herramientas disponibles:<\/strong><\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>Verificador de pol\u00edticas de viaje: <\/strong>Consulta e interpreta las normas de la empresa (presupuesto, destinaciones permitidas, motivos justificados).<\/li>\n\n\n\n<li><strong>Visor de la agenda de la empresa<\/strong>: Accede a la agenda para ver si la reuni\u00f3n o evento propuesto existe y es relevante.<\/li>\n\n\n\n<li><strong>Comparador de costes hist\u00f3ricos<\/strong>: Revisa viajes similares realizados por el mismo despacho o empresa, comparando costes y justificaciones.<\/li>\n<\/ul>\n\n\n\n<p><strong>Funcionamiento<\/strong>:<\/p>\n\n\n\n<p>Cuando el agente recibe una petici\u00f3n, utiliza el verificador de pol\u00edticas para ver si cumplen la normativa. Consulta la agenda para validar el evento que motiva el viaje. Finalmente compara el coste propuesto con otros viajes similares ya aceptados o rechazados. Si alg\u00fan aspecto no encaja, puede rechazar la petici\u00f3n o pedir informaci\u00f3n adicional, o aprobarla si todo es correcto.<\/p>\n\n\n\n<p>Si este agente fuese programado de la manera tradicional, se tendr\u00edan que codificar todas las excepciones y variaciones en pol\u00edticas, eventos y supuestos, cosa muy compleja. Un agente flexible puede adaptarse directamente a los cambios de normativas y nuevas situaciones.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Ejemplo de uso: Agente de gesti\u00f3n de tr\u00e1nsito en una ciudad inteligente<\/h2>\n\n\n\n<p>Este es otro ejemplo, totalmente ficticio, para que se entienda como el agente se adaptar\u00eda a diferentes situaciones.<\/p>\n\n\n\n<p><strong>Objetivo<\/strong>: Optimizar el flujo de tr\u00e1nsito urbano en tiempo real para minimizar atascos y tiempos de espera.<\/p>\n\n\n\n<p><strong>Herramientas disponibles<\/strong>:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>C\u00e1maras y sensores de tr\u00e1nsito<\/strong> que proporcionan datos en tiempo real sobre el volumen de veh\u00edculos e incidencias.<\/li>\n\n\n\n<li><strong>Predicciones meteorol\u00f3gicas<\/strong> para anticipar c\u00f3mo el tiempo puede afectar a la circulaci\u00f3n.<\/li>\n\n\n\n<li><strong>Controladores de sem\u00e1foros y se\u00f1ales varias<\/strong> (capacidad para cambiar el tiempo de los sem\u00e1foros, abrir\/cerrar carriles, informar conductores, &#8230;).<\/li>\n<\/ul>\n\n\n\n<p><strong>Funcionamiento adaptativo:<\/strong><\/p>\n\n\n\n<p>Suponemos que en una hora punta se detecta una acumulaci\u00f3n de veh\u00edculos en una avenida.<\/p>\n\n\n\n<p>El agente no siempre sigue el mismo patr\u00f3n:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Si ve que la causa es un accidente a trav\u00e9s de los sensores, opta primero por modificar los sem\u00e1foros o recomendar rutas alternativas a los conductores.<\/li>\n<\/ul>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Si sabe que pronto va a llover (a trav\u00e9s de las predicciones meteorol\u00f3gicas), incrementa posiciones de seguridad, alarga los tiempos de los sem\u00e1foros en cruces conflictivos o reduce la velocidad recomendada.<\/li>\n<\/ul>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Puede alternar y combinar herramientas, por ejemplo, cambia la programaci\u00f3n de los sem\u00e1foros mientras monitoriza si la medida tiene efecto y, si no funciona suficientemente bien, recurre a datos meteorol\u00f3gicos o env\u00eda avisos a los conductores.<\/li>\n<\/ul>\n\n\n\n<p>El agente decide en cada momento qu\u00e9 herramienta o combinaci\u00f3n de herramientas es m\u00e1s \u00fatil seg\u00fan el contexto, pudiendo cambiar de estrategia seg\u00fan lo que pasa minuto a minuto.<\/p>\n\n\n\n<p>Como en el ejemplo anterior, esto ser\u00eda muy dif\u00edcil de programar de manera tradicional, ya que las situaciones reales son infinitas y cambiantes, pero un agente con IA puede adaptarse autom\u00e1ticamente combinando recursos seg\u00fan lo que pasa a tiempo real.<\/p>\n\n\n\n<p>Ahora que hemos detallado la estructura interna de un agente, hay que tener en cuenta que podemos tener agentes especializados en tareas concretas, y que podemos crear agentes que coordinen subagentes para que colaboren entre s\u00ed para resolver problemas complejos de forma m\u00e1s eficiente. Esto es lo que llamamos Sistema Multi-Agente (MAS: Multi-Agent System), que explicaremos en otra ocasi\u00f3n.<\/p>\n\n\n\n<p>Los agentes de IA ya forman parte esencial de los sistemas del futuro, son colaborativos, inteligentes y adaptativos.<\/p>\n\n\n\n<p><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Los Agentes de Inteligencia Artificial (AI Agents) est\u00e1n revolucionando la manera en la que afrontamos tareas complejas, aprovechando el poder de los grandes modelos de lenguaje (LLM). En esencia, los agentes de IA son sistemas basados en LLM dise\u00f1ados para alcanzar objetivos en m\u00faltiples pasos, aprovechando las herramientas que les facilitamos de manera aut\u00f3noma cuando [&hellip;]<\/p>\n","protected":false},"author":1273,"featured_media":34667,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[496],"tags":[],"experteses":[],"class_list":["post-34648","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-articulos"],"acf":[],"_links":{"self":[{"href":"https:\/\/inlab.fib.upc.edu\/es\/wp-json\/wp\/v2\/posts\/34648","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/inlab.fib.upc.edu\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/inlab.fib.upc.edu\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/inlab.fib.upc.edu\/es\/wp-json\/wp\/v2\/users\/1273"}],"replies":[{"embeddable":true,"href":"https:\/\/inlab.fib.upc.edu\/es\/wp-json\/wp\/v2\/comments?post=34648"}],"version-history":[{"count":11,"href":"https:\/\/inlab.fib.upc.edu\/es\/wp-json\/wp\/v2\/posts\/34648\/revisions"}],"predecessor-version":[{"id":35013,"href":"https:\/\/inlab.fib.upc.edu\/es\/wp-json\/wp\/v2\/posts\/34648\/revisions\/35013"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/inlab.fib.upc.edu\/es\/wp-json\/wp\/v2\/media\/34667"}],"wp:attachment":[{"href":"https:\/\/inlab.fib.upc.edu\/es\/wp-json\/wp\/v2\/media?parent=34648"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/inlab.fib.upc.edu\/es\/wp-json\/wp\/v2\/categories?post=34648"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/inlab.fib.upc.edu\/es\/wp-json\/wp\/v2\/tags?post=34648"},{"taxonomy":"experteses","embeddable":true,"href":"https:\/\/inlab.fib.upc.edu\/es\/wp-json\/wp\/v2\/experteses?post=34648"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}