Qué es un agente de IA y cómo decide qué hacer cuando un plan falla

Organizar un viaje a Roma permite entender cómo trabaja un agente de IA: consulta herramientas, compara lo que encuentra y ajusta el siguiente paso dentro de los permisos que le has dado.

Qué convierte a un asistente en un agente de IA

Imagina que le escribes a un asistente: «Quiero pasar cuatro días en Roma. Busca vuelo y alojamiento por menos de 600 euros en total. Puedo salir un jueves o un viernes y quiero revisar las opciones antes de reservar».

Un agente de IA es un sistema al que puedes delegar un objetivo y parte de las decisiones necesarias para alcanzarlo. En este ejemplo, si tiene acceso a buscadores de vuelos y hoteles, puede consultar precios, combinar fechas y decidir qué opción merece otra búsqueda. Puede funcionar dentro de un chat: lo que lo distingue es su capacidad para elegir el siguiente paso a partir de lo que acaba de averiguar.

El momento decisivo llega cuando el vuelo barato sale caro

Supongamos que el agente encuentra un vuelo de ida y vuelta por 120 euros si sales el jueves. Parece la mejor opción hasta que consulta el alojamiento: las tres noches cuestan 510 euros. El viaje suma 630 y supera tu límite. ¿Qué hace ahora?

Como también puedes salir el viernes, prueba esa combinación. El vuelo sube a 170 euros, pero las tres noches bajan a 390. El total se queda en 560 euros. El dato que cambia la decisión es el precio del hotel: sin consultarlo, el asistente habría recomendado el vuelo más barato y el viaje más caro.

Ese recorrido ilustra el bucle de un agente: elige una acción, observa el resultado, lo contrasta con el objetivo y decide si necesita otro paso. Los precios del ejemplo son ficticios, pero el criterio es concreto: el presupuesto se aplica al viaje completo.

Qué hay bajo el capó

• Un objetivo con límites. Las fechas flexibles dan margen para explorar. El presupuesto descarta combinaciones y la instrucción de esperar antes de reservar fija dónde termina el encargo.
• Herramientas para actuar. Una API, por ejemplo, permite que la aplicación consulte las tarifas de un proveedor. La calidad de la respuesta depende tanto del modelo como de los datos a los que tenga acceso.
• Un contexto de trabajo. Para comparar alternativas, el sistema necesita conservar qué fechas ha probado y cuánto costaba cada combinación. Para este encargo basta con mantener esos datos durante la tarea. Recordar tus preferencias en viajes futuros es una función adicional.

En qué se diferencia de una automatización

Podrías programar una alerta que consultara cada mañana el mismo vuelo y te avisara al bajar de 150 euros. Esa automatización resulta útil porque sabes de antemano qué pasos debe ejecutar. En el ejemplo de Roma, delegas otra decisión: después de ver los precios, el agente elige si le conviene probar otra fecha, buscar otro hotel o presentarte una combinación que ya cumple tus condiciones.

Tampoco necesita ver imágenes ni escuchar audio para hacerlo. Esas capacidades cobran sentido cuando el encargo las requiere, por ejemplo, si las fechas del viaje aparecen en una invitación fotografiada.

Dónde termina su autonomía

Consultar una tarifa y comprar un billete son operaciones distintas. Si solo quieres comparar, el agente puede trabajar con herramientas de consulta. Si además puede hacer reservas, la aplicación debe estar configurada para detenerse en el punto que hayas indicado. La confirmación depende del diseño del sistema y de sus permisos.

En el viaje a Roma, el encargo queda resuelto cuando recibes una opción que puedes comprobar: fechas, vuelo, alojamiento, precio de cada parte y total. Si los 560 euros dejan fuera un cargo obligatorio, todavía queda trabajo. Y si el agente compra el billete antes de que lo revises, habrá incumplido el encargo incluso si consigue el mejor precio.

Fuentes y referencias

• Google Cloud — Qué es un agente de IA y cómo utiliza herramientas para alcanzar un objetivo
• Anthropic — Diferencias entre agentes y flujos de trabajo predefinidos