Un agente de IA es un sistema en el que un modelo de lenguaje elige sus propios pasos siguientes y actúa mediante herramientas hasta que la tarea termina o un límite lo detiene. La IA agéntica es una etiqueta más laxa, que se usa para sistemas formados por varios agentes, para cualquier sistema LLM con cierta autonomía o para la categoría de producto en su conjunto. A fecha de noviembre de 2026 no encontramos ningún organismo de normalización ni regulador que defina ambos términos uno frente al otro, así que trate la diferencia como una convención que cambia de un autor a otro.
Para quien compra, la pregunta útil es más concreta: ¿qué decisiones toma el modelo en tiempo de ejecución y qué puede cambiar cuando las toma? A continuación: quién usa cada definición, los seis tipos de sistema que se confunden y qué debería cambiar la etiqueta en una compra. Muy poco, como se verá.
Quién define qué, y dónde chocan
Los proveedores escribieron la mayoría de las definiciones en circulación, y discrepan en algo más que la redacción.
«Building effective agents» (diciembre de 2024), de Anthropic, traza su línea dentro del sistema. Los agentes son LLM que dirigen su propio proceso y el uso de las herramientas; los flujos de trabajo siguen rutas de código que un desarrollador fijó de antemano. «Agentic systems» es el término paraguas de Anthropic para ambos, de modo que una cadena fija de prompts cuenta como agéntica en ese vocabulario sin ser un agente.
«A practical guide to building agents» (abril de 2025), de OpenAI, es más tajante sobre lo que queda fuera: «Los agentes son sistemas que realizan tareas de forma independiente en su nombre». Las aplicaciones que usan un LLM sin dejar que controle la ejecución del flujo de trabajo «no son agentes», y la guía pone como ejemplos «chatbots simples, LLM de un solo turno o clasificadores de sentimiento».
IBM trata los términos como partes y todo. Sus artículos explicativos de Think describen un agente de IA como un sistema que realiza tareas de forma autónoma diseñando flujos de trabajo con las herramientas disponibles, y la IA agéntica como un sistema que alcanza un objetivo concreto con supervisión limitada y que está formado por agentes de IA.
La descripción general AI Agent Ecosystem de Google Cloud es mucho más laxa. Describe los agentes de IA como aplicaciones basadas en IA que entienden peticiones en lenguaje natural y responden a ellas, y el pie de una figura añade modelos generativos que piensan y actúan para alcanzar objetivos. Leída al pie de la letra, la primera mitad abarca bastantes chatbots.
La fuente que hace de este contraste todo su tema es un artículo de Sapkota, Roumeliotis y Karkee, «AI Agents vs. Agentic AI» (arXiv 2505.10468, 2025, con referencia de revista en Information Fusion). Reservan «agentes de IA» para la automatización modular y específica de una tarea, e «IA agéntica» para la colaboración multiagente con descomposición dinámica de tareas, memoria persistente y autonomía coordinada. Es la versión más limpia de la división, y es una propuesta de tres autores académicos.
Los organismos de normalización tampoco lo resuelven. La página de la AI Agent Standards Initiative del NIST, actualizada el 14 de agosto de 2026, describe los agentes como capaces de realizar acciones autónomas y no da ninguna definición formal. Las palabras aparecen también como nombres de categoría: la Agentic AI Foundation de la Linux Foundation, anunciada en diciembre de 2025, acoge MCP, goose y AGENTS.md, y OWASP publica un Top 10 for Agentic Applications. Ninguno de los dos nombres separa los agentes de la IA agéntica.
Un sistema, tres etiquetas
Tomemos un ejemplo general. Un flujo de soporte clasifica cada correo entrante, obtiene la política correspondiente mediante una llamada de recuperación y hace que una llamada al modelo redacte la respuesta. Un desarrollador fijó cada paso.
En el vocabulario de Anthropic, eso es un sistema agéntico y un flujo de trabajo, y no un agente. En el de OpenAI no es un agente, porque el modelo nunca controla la ejecución. La redacción de IBM no le encaja bien, puesto que dentro no hay agentes. Sapkota et al. no lo llamarían ninguna de las dos cosas.
Ahora deje que el modelo decida a cuál de cuatro herramientas llama, y cuántas veces, antes de redactar. Anthropic, OpenAI e IBM lo llamarían un agente. Que sea también IA agéntica depende del autor: la definición de IBM puede incluirlo, como sistema orientado a un objetivo y construido sobre un agente, y la de Sapkota lo excluye, porque nada colabora con nada.
Un proveedor podría vender cualquiera de las dos versiones como «plataforma de IA agéntica» y defender la expresión señalando una definición publicada.
Los seis sistemas que se confunden
La tabla es nuestro vocabulario de trabajo. Sigue a Anthropic y OpenAI en dónde cae la línea del agente. Ninguna de las fuentes anteriores da una definición formal de «asistente», así que esa fila describe el uso común y nada más firme.
| Sistema | Qué es | Quién elige el paso siguiente | ¿Puede cambiar otros sistemas? | Ejemplo general | Primera pregunta que probar |
|---|---|---|---|---|---|
| LLM | Un modelo que convierte texto de entrada en texto de salida; sin herramientas ni bucle propios | Nadie: una llamada, una respuesta | No | Una llamada a la API que clasifica el sentimiento de una reseña | ¿Es correcta la salida? |
| Chatbot | Un LLM o un conjunto de reglas detrás de una conversación, a menudo con recuperación | El usuario, turno a turno | Normalmente no; lee y responde | Preguntas sobre políticas respondidas a partir de documentos internos | ¿Las respuestas son correctas y se pueden rastrear hasta una fuente? |
| Asistente | Una ayuda dentro de una herramienta o un chat que redacta y sugiere mientras una persona decide | El usuario, con el modelo proponiendo | Solo cuando el usuario confirma | Redactar una respuesta dentro de un service desk | ¿Las personas revisan de verdad lo que propone? |
| Flujo de trabajo | Rutas de código fijas con pasos de LLM dentro | El desarrollador, de antemano | Sí, por las rutas definidas | Extraer campos de una factura, validarlos, preparar un asiento en el ERP | ¿Cada ruta pasa sus pruebas? |
| Agente | Un modelo en un bucle, que elige herramientas y lee resultados hasta terminar o hasta que lo detienen | El modelo, dentro de límites fijados en el código | Sí, mediante las herramientas que tiene | Investigar un ticket en tres sistemas y proponer una solución | ¿Llega al estado final correcto, y qué pasa cuando no lo hace? |
| Sistema agéntico | Anthropic: cualquiera de las dos filas anteriores. Sapkota et al.: varios agentes coordinados | Depende del autor, así que pregunte | Sí, a menudo con varios conjuntos de permisos | Un planificador que reparte subtareas entre agentes especializados | ¿Quién verifica el resultado final frente a la tarea original? |
Agente de IA vs LLM
El LLM es un componente y el agente es el software que lo rodea: el bucle, las herramientas, el estado, los límites. Cambie el modelo y seguirá teniendo el mismo agente. Quite el bucle y las herramientas y tendrá una llamada a una API. Nuestra referencia de arquitectura de agentes de IA repasa esos componentes uno a uno.
Agente de IA vs chatbot
La interfaz no decide nada. Una ventana de chat puede estar delante de un agente, y un agente puede funcionar sin ventana de chat alguna, activado por una factura entrante. La prueba de OpenAI es la útil: ¿controla el modelo la ejecución del flujo de trabajo?
Dos ejemplos conocidos están del lado de los chatbots. Klarna describió su sistema de 2024 como un asistente de IA, y la sentencia de Air Canada se refería a un chatbot. Ninguno de los dos prueba nada sobre lo que hacen los agentes autónomos. Si la recuperación y una buena respuesta resuelven el problema, un chatbot tiene menos rutas que probar y menos cosas que pueda dañar.
Agente de IA vs asistente de IA
Esta es la línea más débil de las tres, y los productos la cruzan con un cambio de configuración. En el uso común, un asistente deja la decisión a una persona, que es también donde la guía de BaFin sobre riesgos TIC en el uso de la IA sitúa su listón más bajo: la IA en funciones críticas o importantes necesita más controles que los asistentes de autoservicio bajo plena supervisión humana. Esa guía es expresamente no obligatoria y no fija expectativas de supervisión, pero la lógica se puede trasladar. La supervisión y la función determinan los controles.
Nuestro consejo: cuando un asistente tenga una opción para actuar sin confirmación, evalúelo como un agente en todas las acciones que cubra esa opción.
Qué cambia la etiqueta para quien compra
Por sí sola, nada legal ni técnico. Las entradas del anexo III del Reglamento de IA de la UE se redactan en torno a finalidades, como evaluar la solvencia de personas físicas o la evaluación de riesgos y la fijación de precios en seguros de vida y de salud. Un agente, un flujo de trabajo y un modelo de puntuación convencional que hagan el mismo trabajo caen en la misma entrada.
Con la responsabilidad ocurre lo mismo. En Moffatt v. Air Canada (2024 BCCRT 149, resumido por McCarthy Tétrault), se declaró a la aerolínea responsable de las declaraciones falsas por negligencia de su chatbot, y se rechazó su argumento de que el bot era una entidad independiente. Un tribunal de reclamaciones de menor cuantía no es un precedente en la UE. Aun así, el caso no implicaba agente alguno, de modo que una empresa no debería esperar que una etiqueta de menor autonomía la proteja.
La etiqueta sí cambia una cosa: cuánto escepticismo conviene. Gartner pronosticó en junio de 2025, según informó Reuters, que más del 40% de los proyectos de IA agéntica se cancelarían antes de que termine 2027 por los costes y un valor poco claro, y cifró los proveedores genuinos de agentes en unos 130 de entre miles, con el término agent washing para esa distancia. Es una predicción y la estimación de un analista, con ya más de un año. Basta para preguntar qué hay detrás de la palabra.
Qué cambia de verdad cuando el sistema es un agente
Lo primero que cambia son las pruebas. Un flujo de trabajo tiene un conjunto conocido de rutas, y puede probar cada una. La ruta de un agente se decide en tiempo de ejecución, así que se juzgan los resultados a lo largo de ejecuciones repetidas. «Demystifying evals for AI agents» (enero de 2026), de Anthropic, sugiere empezar con entre 20 y 50 tareas sencillas extraídas de fallos reales.
El riesgo crece con lo que el modelo puede hacer sin que nadie se lo pida. El LLM Top 10 de OWASP para 2026 incluye Excessive Agency como LLM03, y nuestro artículo sobre seguridad de los agentes de IA trata ese modelo de amenazas como es debido. La guía de OpenAI nombra dos desencadenantes para incorporar a una persona: superar los umbrales de fallo y las acciones que son «delicadas, irreversibles o de consecuencias importantes».
La capacidad también es menor de lo que sugieren las demos. En el benchmark TheAgentCompany de Xu et al., el mejor agente terminó cerca del 30% de las tareas de forma autónoma en una empresa simulada. Es un benchmark, y su última versión es de septiembre de 2025, así que léalo como una referencia inicial aproximada.
Queda la simple cuestión de la necesidad. La documentación de Agent Framework de Microsoft dice que, si una función puede hacer la tarea, debería escribir la función, y su guía de patrones de orquestación aconseja el nivel de complejidad más bajo que cumpla el requisito de forma fiable. Ambas vienen de una empresa con herramientas de agentes que promocionar, lo que hace más creíble el consejo. Un diseño multiagente añade su propio coste, y las prácticas de producción se tratan en nuestro artículo sobre desarrollo de agentes de IA.
Seis preguntas que sustituyen a la etiqueta
- ¿Qué decisiones toma el modelo en tiempo de ejecución y cuáles están fijadas en el código?
- ¿A qué herramientas puede llamar, con qué credenciales, y cuáles de ellas escriben?
- ¿Qué acciones se detienen a la espera de una persona, y eso se impone en el código o solo se pide en un prompt?
- ¿Qué pone fin a una ejecución, aparte de que el modelo diga que ha terminado?
- ¿Podemos ver la traza completa de una ejecución, con cada llamada a herramienta y su resultado?
- Si hay varios agentes, ¿por qué? ¿Qué se rompería con uno solo?
Si la respuesta a la primera pregunta es «ninguna», está comprando un flujo de trabajo, y bien puede ser la compra acertada. Pida que se pruebe y se gobierne como tal.
También dejaríamos «agéntico» fuera de los documentos de requisitos por completo. Escriba las decisiones que puede tomar el sistema y los sistemas que puede tocar. Dos equipos que leen «IA agéntica» pueden imaginar arquitecturas distintas. Dos equipos que leen «puede crear tickets, no puede cerrarlos» no. Para lo que viene una vez resuelto esto, consulte cómo crear un agente de IA, y para despliegues por función de negocio, agentes de IA para empresas.
Preguntas frecuentes
¿Cuál es la diferencia entre los agentes de IA y la IA agéntica?
Un agente de IA es un sistema en el que un modelo elige sus pasos siguientes y usa herramientas. La IA agéntica no tiene un significado asentado: IBM la usa para un sistema formado por agentes, los «agentic systems» de Anthropic incluyen también flujos de trabajo fijos, y Sapkota et al. la reservan para la colaboración multiagente.
¿IA agéntica significa multiagente?
En la taxonomía de Sapkota et al., sí. En el vocabulario de Anthropic, no, porque los sistemas agénticos incluyen flujos de trabajo sin ningún agente dentro. Si un proveedor usa la expresión, pregunte cuántos agentes ejecuta el producto y qué puede hacer cada uno.
¿Cuál es la diferencia entre un agente de IA y un chatbot?
El control sobre la ejecución. Un chatbot responde dentro de una conversación, y el usuario dirige cada turno. Un agente decide a qué herramienta llamar a continuación y puede actuar en otros sistemas. Una interfaz de chat puede estar delante de cualquiera de los dos, así que la interfaz no dice nada.
¿Un LLM es un agente de IA?
No. Un LLM produce una salida a partir de una entrada. Pasa a formar parte de un agente cuando el software lo envuelve en un bucle con herramientas, estado y límites. La guía de OpenAI dice que las aplicaciones LLM de un solo turno no son agentes.
Delimitar el sistema adecuado con AI Superior
AI Superior es una empresa de ingeniería de IA con sede en Darmstadt (Alemania), fundada en 2019 por científicos de IA. Desarrollamos aplicaciones LLM, chatbots, sistemas RAG y agentes de IA para clientes B2B, y la primera parte de ese trabajo suele consistir en decidir a qué fila de la tabla anterior pertenece una tarea. Nuestros servicios de desarrollo de agentes de IA cubren esa decisión y la construcción que le sigue.
Fuentes y lecturas recomendadas
- Anthropic: «Building effective agents», diciembre de 2024.
- Grace, Hadfield, Olivares, De Jonghe (Anthropic): «Demystifying evals for AI agents», enero de 2026.
- OpenAI: «A practical guide to building agents», abril de 2025.
- Google Cloud: AI Agent Ecosystem overview, sin fecha, consultado en noviembre de 2026.
- Gutowska, A. (IBM Think): artículo explicativo sobre agentes de IA, sin fecha, consultado en noviembre de 2026.
- Stryker, C. (IBM Think): artículo explicativo sobre IA agéntica, sin fecha, consultado en noviembre de 2026.
- Sapkota, Roumeliotis, Karkee: «AI Agents vs. Agentic AI», arXiv 2505.10468, 2025 (referencia de revista: Information Fusion).
- NIST CAISI: AI Agent Standards Initiative, página actualizada el 14 de agosto de 2026.
- Linux Foundation: anuncio de la Agentic AI Foundation, 9 de diciembre de 2025.
- OWASP: GenAI LLM Top 10 2026; Top 10 for Agentic Applications for 2026.
- Xu et al.: «TheAgentCompany», arXiv 2412.14161, versión de septiembre de 2025.
- Microsoft: descripción general de Agent Framework, actualizada en octubre de 2026; «AI Agent Orchestration Patterns», 12 de febrero de 2026.
- BaFin: Guidance on ICT Risks in the Use of AI at Financial Entities, versión inglesa del 23 de enero de 2026.
- Reglamento (UE) 2024/1689 (Reglamento de IA de la UE), anexo III.
- Moffatt v. Air Canada, 2024 BCCRT 149; resumen de McCarthy Tétrault, 19 de febrero de 2024.
- Reuters a través de The Star: información sobre la previsión de Gartner sobre la IA agéntica, 25 de junio de 2025.
- Klarna: nota de prensa sobre su asistente de IA, 27 de febrero de 2024.
