Los agentes de inteligencia artificial (IA) son entidades autónomas que perciben su entorno (ya sea físico o virtual) mediante sensores y actúan sobre él a través de actuadores para alcanzar objetivos concretos.
En un agente físico, los sensores pueden ser cámaras, micrófonos o detectores de proximidad, y los actuadores, motores o altavoces. En un agente de software, los sensores son datos de entrada (como texto, clics o registros de actividad) y los actuadores son sus salidas (respuestas, recomendaciones o acciones en un sistema).
Un error común al comenzar en este campo es confundir el término operador con un tipo de agente. En realidad, un operador es una acción elemental que ejecuta un agente, como “abrir una puerta”, “moverse a la izquierda” o “enviar un mensaje”. Son los bloques básicos con los que los agentes construyen comportamientos más complejos.
Con esta base clara, podemos explorar la clasificación de agentes propuesta por Russell y Norvig, que abarca desde sistemas simples hasta otros capaces de razonar, planificar y aprender de la experiencia.
Agentes reactivos simples
Son los más básicos. Siguen reglas del tipo “si ocurre X, haz Y”. Carecen de memoria y no consideran las consecuencias futuras: reaccionan únicamente a lo que perciben en el momento.
Cómo funcionan: mediante reglas de condición-acción predefinidas.
Para qué sirven: tareas sencillas en entornos totalmente observables.
Ejemplo real: un termostato que enciende la calefacción cuando la temperatura baja de un umbral, o un robot aspirador que retrocede al chocar con un obstáculo.
Agentes reactivos basados en modelos
Son una mejora clave: mantienen un modelo interno del entorno. Esto les permite actuar incluso cuando no toda la información es observable de inmediato.
Cómo funcionan: actualizan un estado interno a partir de percepciones pasadas y presentes.
Para qué sirven: tareas en entornos parcialmente observables.
Ejemplo real: un aspirador Roomba avanzado que construye un mapa de la habitación, recuerda las áreas ya limpiadas y localiza obstáculos.
Agentes basados en objetivos
Estos agentes no se limitan a reaccionar: planifican. Evalúan diferentes secuencias de acciones para alcanzar un objetivo específico.
Cómo funcionan: aplican algoritmos de búsqueda y planificación.
Para qué sirven: problemas que requieren encontrar rutas o estrategias.
Ejemplo real: aplicaciones como Google Maps o Waze. Tu objetivo es llegar a casa, y el agente calcula la mejor ruta considerando tráfico, distancias y cierres. Si cambian las condiciones, recalcula el plan.
Agentes basados en utilidad
Van un paso más allá: no solo buscan alcanzar un objetivo, sino hacerlo de la mejor forma posible. Utilizan una función de utilidad que mide la calidad del resultado, equilibrando factores como riesgo, coste o tiempo.
Cómo funcionan: comparan alternativas en función de su utilidad esperada.
Para qué sirven: decisiones complejas con múltiples variables.
Ejemplo real: un coche autónomo. No basta con llegar al destino: debe hacerlo maximizando la seguridad, la comodidad, la eficiencia energética y la velocidad.
Agentes de aprendizaje
Son los más avanzados: mejoran con la experiencia. Incorporan un mecanismo de aprendizaje que analiza los resultados de sus acciones y ajusta su comportamiento futuro. Este es el tipo de agentes de IA con mayor desarrollo en estos días.
Cómo funcionan: aplican técnicas de machine learning y aprendizaje por refuerzo.
Para qué sirven: entornos dinámicos y cambiantes.
Ejemplo real: los sistemas de recomendación de Netflix o Spotify, que aprenden de tus hábitos para sugerir contenidos cada vez más ajustados a tus gustos.
El futuro: agentes emergentes
Más allá de esta clasificación, la evolución de la IA nos muestra nuevas tendencias:
- Agentes basados en modelos de lenguaje (LLM): como ChatGPT con herramientas o plugins, capaces de razonar y adaptarse a múltiples tareas.
- Sistemas multiagente: donde distintos agentes colaboran o compiten, como en las simulaciones de tráfico de Waymo para entrenar vehículos autónomos.
Estos desarrollos reflejan un camino claro: de la simple reacción a la adaptación continua y el razonamiento complejo.
Los agentes de IA, en todas sus formas, muestran cómo un conjunto de reglas, objetivos y aprendizajes puede transformarse en sistemas capaces de afrontar desde tareas rutinarias hasta problemas abiertos y cambiantes.
Comprender sus tipos (y el papel que juegan los operadores como acciones fundamentales) es el primer paso para explorar el futuro de la inteligencia artificial y sus aplicaciones en el mundo real.