La implementación de sistemas automatizados conocidos como agentes de inteligencia artificial ha crecido exponencialmente en los últimos tiempos. Un informe de noviembre de 2025, elaborado por la Escuela de Negocios Sloan del MIT y el Boston Consulting Group, reveló que el 35% de las empresas encuestadas ya había adoptado agentes AI, mientras que un 44% planeaba implementarlos pronto.
Claves de la noticia
Crecimiento en uso de AI
35% de empresas usan agentes AI.
Diferencia entre AI generativa y agentic
Agentic AI toma acciones; generativa crea contenido.
Riesgos asociados a agentes AI
Posibles errores y deshabilitación de habilidades humanas.
Para profundizar en los fundamentos y posibles impactos de estas herramientas en auge, MIT News entrevistó a Phillip Isola, profesor asociado en el Departamento de Ingeniería Eléctrica y Ciencias de la Computación (EECS) y miembro del Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL). Isola investiga la inteligencia que poseen estos agentes, así como los modelos y mecanismos subyacentes que impulsan los sistemas de AI agentic.
¿Qué es la inteligencia artificial agentic?
Q: ¿Qué es la inteligencia artificial agentic y cómo se diferencia de modelos generativos como ChatGPT?
A: La inteligencia artificial agentic se refiere a sistemas que realizan acciones en el mundo. Estas acciones pueden ser físicas, como manipulación robótica, o digitales, como reservar un vuelo. En contraste, los modelos generativos se enfocan en crear contenido, como historias o imágenes, más que en ejecutar acciones directas.
El término "agente" se utiliza comúnmente para describir una IA que facilita la interacción con aplicaciones o entornos físicos. Actualmente, muchos agentes son digitales, como aquellos utilizados para atención al cliente. Las empresas suelen emplear unos pocos modelos AI básicos que permiten a estos agentes llevar a cabo acciones y recordar eventos pasados. Un agente comienza con un sistema generativo fundamental, como Claude, al cual se le añaden diferentes herramientas según su aplicación específica.
Aplicaciones prometedoras y desafíos futuros
Q: ¿Cuáles son algunas aplicaciones prometedoras de la inteligencia artificial agentic?
A: Uno de los campos donde hemos observado mayor éxito es el desarrollo de agentes para programación. Estos evolucionaron a partir del aprendizaje automático aplicado al código, permitiendo a los modelos predecir soluciones a problemas específicos. A través de un ciclo de retroalimentación donde intentan diferentes soluciones, estos agentes pueden aprender mediante ensayo y error.
No obstante, existe un delicado equilibrio entre automatizar decisiones y simplemente asistir e informar a los humanos. Métodos analíticos no son intrínsecamente agentic pero aportan información valiosa para quienes toman decisiones. En ámbitos críticos como medicina o seguridad, puede que no estemos listos para permitir que la IA automatice completamente esos procesos.
Q: ¿Qué riesgos debemos considerar al usar agentes AI?
A: Un área significativa de riesgo proviene del hecho que es relativamente fácil delegar tareas a estos agentes. Por ejemplo, con los agentes codificadores podemos solicitarles crear código sin realizar el trabajo arduo nosotros mismos. Esto podría llevar a una falta de verificación adecuada por parte del usuario final, lo cual puede resultar en errores o filtraciones de datos privados.
Aunque los agentes pueden ser competentes, su eficacia depende también del uso adecuado por parte del humano; instrucciones vagas pueden llevar a errores significativos. Además, existe el riesgo potencial de deshabilitar habilidades humanas si nos apoyamos demasiado en estos sistemas para tareas cotidianas.
Perspectivas futuras para la inteligencia artificial agentic
Q: ¿Qué futuro espera a la inteligencia artificial agentic?
A: Actualmente consideramos que la inteligencia artificial agentic está compuesta principalmente por grandes modelos lingüísticos interactuando con sistemas digitales y físicos. Sin embargo, sus limitaciones son evidentes; estos modelos están diseñados principalmente para procesar datos textuales. Para desarrollar agentes aún más potentes podríamos necesitar modelos capaces de manejar datos complejos provenientes de videos u otros formatos multidimensionales.
A medida que avanzamos hacia un futuro donde las capacidades cognitivas sean más sofisticadas, surge la pregunta sobre si las próximas generaciones de IA serán simplemente versiones mejoradas con sensores y actuadores o si requerirán una arquitectura completamente nueva desde sus cimientos. Esta cuestión es objeto de estudio intenso entre expertos en inteligencia artificial hoy en día.
Preguntas sobre la noticia
¿Qué es la IA agentic y cómo se diferencia de los modelos de IA generativa como ChatGPT y Claude?
La IA agentic es aquella que toma acciones en el mundo, ya sean físicas o digitales. A diferencia de la IA generativa, que crea contenido como historias o imágenes, la IA agentic interactúa con aplicaciones y entornos físicos. Los agentes suelen utilizar modelos de IA generativa como base, pero se les añaden herramientas específicas para realizar tareas concretas.
¿Cuáles son algunas aplicaciones prometedoras de la IA agentic?
Una de las áreas más exitosas ha sido el desarrollo de agentes de codificación, que pueden predecir soluciones a problemas de programación mediante un bucle de retroalimentación. Sin embargo, hay que tener cuidado al automatizar decisiones en situaciones críticas, ya que podría no ser seguro confiar completamente en estos sistemas.
¿Qué riesgos debemos considerar al usar agentes de IA?
Un riesgo importante es la facilidad con la que se pueden usar estos agentes, lo que puede llevar a una falta de verificación por parte del usuario. Esto puede resultar en errores y filtraciones de datos privados. Además, existe el riesgo de deshabilitar habilidades humanas esenciales si dependemos demasiado de estos sistemas para tareas complejas.
¿Cuál es el futuro de la IA agentic?
El futuro podría implicar el desarrollo de modelos que manejen datos continuos y multimodales, permitiendo a los agentes interactuar más efectivamente con el mundo físico. La gran pregunta es si los próximos avances serán extensiones del modelo actual o si requerirán arquitecturas completamente nuevas.
Si (
No(
