¿Qué es un Agente de IA? Guía Completa 2026

¿Qué diferencia un agente de un chatbot?

Un agente de IA usa un LLM como cerebro para tomar decisiones, usar herramientas y ejecutar acciones de forma autónoma para alcanzar un objetivo. A diferencia de un chatbot simple que solo responde preguntas, un agente puede:

• Descomponer tareas complejas en pasos
• Usar herramientas externas (búsqueda web, APIs, bases de datos)
• Recordar el estado de una tarea entre pasos
• Autocorregirse cuando un paso falla
• Ejecutar acciones reales (enviar emails, actualizar sistemas)

El ciclo ReAct: pensar y actuar

El patrón más usado es ReAct (Reasoning + Acting):

1. Thought: El LLM razona sobre el estado actual y qué hacer
2. Action: Decide qué herramienta usar y con qué parámetros
3. Observation: Recibe el resultado de la herramienta
4. Repeat: Vuelve al paso 1 hasta completar la tarea

Tipos de herramientas (Tools)

Las herramientas definen los superpoderes del agente:

• Búsqueda: Google, DuckDuckGo, búsqueda en documentos
• APIs: CRM, ERP, sistemas de tickets, calendarios
• Bases de datos: SQL queries, búsqueda vectorial
• Código: Ejecutar Python para cálculos complejos
• Archivos: Leer PDFs, generar reportes Excel
• Email/Mensajería: Enviar emails, mensajes Slack

Casos empresariales de agentes

• Soporte técnico: Resuelve tickets automáticamente, reduce 60-70% los que llegan a humanos
• Ventas: Analiza leads, genera propuestas, actualiza CRM autónomamente
• RRHH: Onboarding, responde preguntas de políticas, agenda reuniones
• Análisis financiero: Extrae KPIs, detecta anomalías, genera alertas
• Compliance: Monitorea regulaciones, genera reportes de auditoría

Ejemplo de código

# Agente con herramientas usando LangChain
from langchain_anthropic import ChatAnthropic
from langchain.agents import AgentExecutor, create_tool_calling_agent
from langchain_core.tools import tool
from langchain_core.prompts import ChatPromptTemplate

@tool
def consultar_crm(cliente_id: str) -> str:
    # Consulta el CRM para obtener datos del cliente
    return f"Cliente {cliente_id}: 3 compras, valor promedio $5,000"

@tool
def enviar_email(destinatario: str, asunto: str, cuerpo: str) -> str:
    # Envía un email al destinatario
    return f"Email enviado a {destinatario}"

llm = ChatAnthropic(model="claude-sonnet-4-6")
tools = [consultar_crm, enviar_email]

prompt = ChatPromptTemplate.from_messages([
    ("system", "Eres un agente de ventas. Usa herramientas para completar tareas."),
    ("human", "{input}"),
    ("placeholder", "{agent_scratchpad}")
])

agent = create_tool_calling_agent(llm, tools, prompt)
agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True)
result = agent_executor.invoke({
    "input": "Consulta al cliente C-001 y enviale una propuesta personalizada"
})