Si venís siguiendo el mundo de la inteligencia artificial, habrás notado que la palabra de moda ya no es "chatbot": es agente. Todas las empresas grandes están lanzando agentes de IA, y no es puro marketing: hay un cambio real de fondo. La versión corta: un chatbot te responde; un agente hace. En esta guía te explico qué es exactamente un agente, cómo funciona por dentro (el famoso "loop"), qué son las herramientas y el tal MCP, qué ejemplos ya existen hoy y —como siempre en esta casa— los límites honestos que el marketing no te cuenta.
Chatbot vs agente: la diferencia en un ejemplo
Imaginá que necesitás organizar un asado para 15 personas el sábado.
- Un chatbot te arma la lista de compras, te calcula la carne por persona y te sugiere horarios. Excelente. Pero todo lo que sigue —comparar precios, encargar, avisarle a la gente— lo hacés vos.
- Un agente recibe el objetivo ("organizá el asado del sábado") y ejecuta los pasos: busca precios en las páginas, arma el pedido, redacta el mensaje para el grupo, agenda el recordatorio. Y vuelve a vos con el trabajo hecho, o con preguntas concretas.
La diferencia técnica es que el agente puede usar herramientas y encadenar pasos él solo. No genera solamente texto: genera acciones.
Cómo funciona por dentro: el loop
Todos los agentes, del más simple al más sofisticado, funcionan con el mismo ciclo:
- Objetivo: le das una meta ("encontrá y arreglá el error de este proyecto").
- Plan: el modelo piensa cuál es el próximo paso razonable.
- Acción: usa una herramienta: busca en internet, lee un archivo, ejecuta un comando.
- Observación: mira el resultado de esa acción (lo que encontró, el error que apareció).
- Ajuste: con esa información decide el siguiente paso... y vuelve al punto 2, hasta cumplir el objetivo o avisarte que no puede.
Ese loop es el corazón de todo. Es lo que le permite a un agente recuperarse de los errores: si un camino falla, lo ve y prueba otro. Un chatbot común no puede hacer eso, porque nunca ve las consecuencias de lo que dice.
Las "manos": herramientas (y qué es MCP)
Un modelo de lenguaje solo, sin conexiones, es como un cerebro brillante encerrado en un frasco: sabe muchísimo y no puede tocar nada. Las herramientas son lo que le da manos: buscar en la web, leer y escribir archivos (una técnica emparentada es RAG, que le deja consultar tus documentos antes de responder), ejecutar código, navegar páginas, mirar tu calendario, mandar un mail. Cada herramienta conectada amplía lo que el agente puede hacer de verdad.
Acá aparece una sigla que vas a escuchar cada vez más: MCP (Model Context Protocol). Es un estándar abierto —impulsado por Anthropic y adoptado por buena parte de la industria— para que cualquier app o servicio exponga sus datos y acciones de una forma que cualquier agente pueda "enchufarse". Pensalo como el USB de la IA: un conector universal entre agentes y aplicaciones. No necesitás saber más que eso por ahora; con reconocer la sigla ya estás adelante del 95% de la gente.
Ejemplos reales que ya existen
- Claude Code: un agente en la terminal de tu compu que lee tu proyecto, crea y corrige archivos y ejecuta programas hasta que funcionan.
- Investigación profunda: los modos de "investigación" de varias IA navegan decenas de fuentes, cruzan datos y entregan un informe con citas, trabajando solos durante varios minutos.
- Soporte que resuelve: bots de atención que no solo contestan, sino que ejecutan el reembolso o el cambio de turno en el sistema.
- Uso de computadora: agentes que mueven el mouse y hacen clic en pantallas como una persona. Existen y mejoran rápido, aunque hoy son la parte más verde.
Y hay un escalón más simple pero utilísimo para empezar: automatizar tareas repetitivas o armarte un asistente personal con IA te mete en esta lógica sin tocar nada técnico.
Los límites honestos
- Se equivocan con confianza. Un agente que alucina no solo te dice algo falso: puede hacer algo equivocado. Por eso los agentes serios piden confirmación antes de las acciones importantes.
- Son más lentos y más caros que un chat. Cada vuelta del loop consume tiempo y procesamiento. Una tarea de agente puede tardar minutos y costar bastante más que una pregunta suelta.
- Necesitan supervisión. Hoy funcionan mejor como empleados junior con un jefe presente que como empleados autónomos. Las tareas con plata, datos sensibles o consecuencias reales requieren un humano mirando.
- El permiso importa. Darle a un agente acceso a tu mail o a tus archivos es darle poder real. Empezá con permisos chicos y tareas de bajo riesgo, y andá subiendo a medida que le tomás confianza.
Qué cambia para vos
La habilidad nueva no es programar: es delegar bien. Con un chatbot aprendiste a pedir respuestas; con un agente vas a aprender a definir objetivos claros, poner límites y revisar resultados, como un buen jefe. Los que dominen ese músculo van a multiplicar lo que puede producir una sola persona, en el trabajo y en los proyectos propios.
¿Cómo se practica eso hoy, sin instalar nada? Probá el modo de investigación profunda de tu IA favorita con un encargo real: "investigá qué opciones de [lo que necesites] existen, compará precios y características, y armame una tabla con recomendación final". Mirá cómo trabaja sola varios minutos, revisá el resultado con ojo crítico y marcale lo que falta. Ese ida y vuelta —encargar, esperar, auditar— es exactamente el músculo que vas a usar con todos los agentes que vienen.
Si querés construir la base para llegar ahí —desde cero, en español y sin tecnicismos— nuestra guía completa de IA te lleva de tu primer prompt a entender este nuevo mundo de agentes con el pie derecho. El futuro cercano no es "la IA te responde": es "la IA te lo deja hecho". Mejor llegar sabiendo pedir.