IA agéntica: cómo funciona el bucle de un agente

La palabra «agéntico» se ha instalado en los anuncios de los editores de software, a menudo sin explicación. Detrás de ella hay, sin embargo, un mecanismo fácil de describir, y es ese mecanismo el que decide si un agente será fiable o solo caro: el bucle. Esta guía de nuestra sección IA empresarial, privada y a su justo coste lo desmonta pieza a pieza y muestra después dos bucles que hacemos funcionar nosotros mismos. Para la definición de un agente y lo que lo separa de un chatbot o de un flujo de trabajo, empiece por Agente de IA: lo que es y lo que no es. Para situar los agentes en un proyecto de IA más amplio, nuestra guía para integrar la IA en la empresa repasa las decisiones en orden.

En resumen

• Un agente no es un modelo más inteligente: es un modelo colocado en un bucle, que reúne el contexto, actúa, verifica y vuelve a empezar.
• La verificación da la fiabilidad, y las reglas escritas valen más que un segundo modelo que juzga.
• Un bucle siempre tiene frenos: un número de vueltas, un presupuesto, un criterio de éxito y la parada cuando se bloquea.
• Un agente solo tiene las herramientas y los permisos que su tarea necesita, y una persona aprueba lo que compromete a la empresa.
• Cada vuelta es una llamada al modelo: un bucle bien diseñado reserva el modelo grande a las etapas que lo requieren.

¿Qué es la IA agéntica?

Se habla de IA agéntica cuando un modelo de lenguaje ya no se limita a responder a una petición, sino que conduce él mismo una serie de acciones para alcanzar un objetivo: buscar una información, llamar a un programa, corregir lo que no ha funcionado. El mecanismo es menos misterioso que la palabra. En Building effective agents, publicado en diciembre de 2024, Anthropic, el editor de los modelos Claude, describe así a los agentes:

Es decir, en la mayoría de los casos son simples modelos de lenguaje que usan herramientas en función de las respuestas de su entorno, en un bucle. Lo que cambia no es, por tanto, el modelo, sino lo que se le deja hacer. Una IA generativa clásica produce una respuesta y se detiene. Un agente produce una acción, mira lo que ha dado y lo utiliza para decidir la siguiente. Todo el diseño de un sistema agéntico reside en cómo se construye, se frena y se vigila ese bucle.

¿Cómo funciona el bucle de un agente?

En septiembre de 2025, al presentar su kit de desarrollo de agentes, Anthropic resumía el bucle de un agente (en inglés, agent loop) en cuatro tiempos: reunir el contexto, actuar, verificar el trabajo, repetir. Tomemos una petición sencilla, recibida por correo electrónico: un cliente quiere cambiar la dirección de entrega de su pedido.

El agente no adivina: va a buscar lo que necesita en el programa de gestión, con las herramientas que se le han dado. Y si el pedido está bloqueado o la dirección es incompleta, la verificación falla y vuelve a empezar con esa información.

El tercer tiempo es el más importante: volver a leer, en lugar de suponer que la llamada ha funcionado. Anthropic insiste, en su texto de 2024, en que un agente debe obtener en cada etapa «ground truth» (la realidad sobre el terreno) de su entorno, como el resultado de una llamada a una herramienta o la ejecución de un código, para medir sus avances. Un bucle agéntico que no verifica nada encadena suposiciones, y un error de la primera vuelta se encuentra en todas las siguientes.

¿Cómo verifica un agente su propio trabajo?

Hay varias formas de cerrar el bucle, y no son equivalentes. El artículo de septiembre de 2025 distingue tres:

• Reglas escritas. «The best form of feedback is providing clearly defined rules for an output, then explaining which rules failed and why.» (La mejor forma de retroalimentación consiste en definir reglas claras para un resultado y explicar después cuáles han fallado y por qué.) Un formato esperado, un campo obligatorio, una prueba que pasa o no: la respuesta es nítida, y el agente sabe qué corregir.
• Una retroalimentación visual. Para una interfaz o un documento maquetado, una captura de pantalla permite verificar lo que vería una persona.
• Un segundo modelo que juzga. Un modelo puede evaluar el trabajo de otro con criterios más difusos, como el tono de un texto. En general es menos robusto, señala Anthropic, y añade tiempo de respuesta.

El texto de 2024 describe la misma idea con el nombre de evaluador-optimizador: una llamada al modelo produce una respuesta, otra la evalúa y devuelve sus observaciones, en bucle. Este esquema es sobre todo eficaz, precisa, cuando los criterios de evaluación son claros y cada vuelta de corrección aporta una mejora medible. Dicho de otro modo, si usted no sabe escribir qué es un buen resultado, el bucle no lo sabrá mejor que usted.

¿Cuándo debe detenerse el bucle?

Un bucle sin fin no es un agente más trabajador: es una factura que crece y errores que se suman. Anthropic señala que es habitual añadir condiciones de parada, como un número máximo de iteraciones, para mantener el control. Se combinan cuatro frenos:

• un número de vueltas a partir del cual el agente devuelve el control;
• un presupuesto por tarea, en llamadas al modelo o en euros;
• un criterio de éxito escrito de antemano, que la verificación sabe reconocer;
• la parada ante un bloqueo: cuando el agente ya no puede avanzar, se detiene y dice por qué, en lugar de improvisar.

El principio vale además fuera de la IA: un bucle sin freno multiplica el error en lugar de corregirlo.

¿Qué salvaguardas rodean a un bucle de agente?

Un agente actúa con las herramientas que se le confían. El riesgo no reside, por tanto, solo en lo que escribe, sino en lo que puede hacer. OWASP, fundación sin ánimo de lucro dedicada a la seguridad del software, clasifica este riesgo en su lista 2025 de los diez principales riesgos de las aplicaciones de modelos de lenguaje, con el nombre de Excessive Agency.

Las contramedidas que recomienda OWASP se leen como una lista de diseño:

• dar al agente solo las extensiones estrictamente necesarias para su tarea;
• reducir al mínimo los permisos de esas extensiones sobre los demás sistemas;
• hacer que una persona apruebe las acciones de alto impacto antes de que se ejecuten;
• comprobar las autorizaciones en los sistemas de destino, en lugar de dejar que el modelo decida si una acción está permitida;
• limitar la frecuencia de las acciones, para que un descontrol se quede en algo pequeño.

En el ejemplo del pedido, esto da un agente que puede leer los pedidos y modificar una dirección, pero no reembolsar ni borrar; y un programa de gestión que rechaza por sí mismo cualquier modificación de un pedido enviado, piense lo que piense el agente.

La misma lógica vale para sus claves de acceso: un agente no necesita leer las que utiliza. Un relé puede añadirlas en el momento de la llamada, solo hacia el servicio previsto, y el modelo nunca las ve pasar. Detallamos este principio en nuestro artículo sobre la caja fuerte de secretos.

¿Dónde se sitúa la persona en el bucle?

«Human in the loop», la persona en el bucle, no significa una persona que vigila cada vuelta. Anthropic describe agentes que se detienen para obtener la opinión de una persona en puntos de control, o cuando encuentran un bloqueo. OWASP, por su parte, pide una aprobación humana antes de las acciones de alto impacto.

La buena pregunta es, por tanto: ¿qué acción es irreversible o compromete a la empresa? Ahí es donde se sitúa la persona. Un agente que pide una validación en cada vuelta ya no es realmente un agente; un agente que nunca la pide acabará publicando, pagando o borrando lo que no debía. Este reparto de papeles se desarrolla en nuestro artículo sobre el papel de la persona frente a la IA.

Dos bucles que hacemos funcionar

Un bucle de contenidos, cada mañana

Desde principios de octubre de 2026, un bucle prepara cada mañana borradores para este blog. Parte de una instrucción escrita, siempre la misma, y sigue un orden fijo:

Sus verificaciones son reglas, no opiniones: un script controla cada borrador (vocabulario, puntuación, enlaces, estructura) y después el sitio entero debe construirse sin errores. Entrega sus borradores para revisar, con un informe en tres partes: lo que está hecho, lo que queda por decidir y la siguiente iteración.

Sus frenos están escritos en la instrucción: nunca publica, nunca integra nada en el sitio por sí mismo y, cuando se bloquea, se detiene y lo dice. El único gesto que pone un artículo en línea es humano: revisar y después validar. Son decisiones de diseño; todavía no tenemos la perspectiva necesaria para cifrar la ganancia.

Un motor SEO con cuatro agentes

El posicionamiento de este sitio se basa en otro montaje. Cada día, un análisis sin IA lee la Search Console de Google y establece la cola de trabajo. Cada semana, cuatro agentes (palabras clave, contenido, actualización, auditoría) se nutren de ella; la auditoría hace sus controles técnicos sobre una muestra y va antes de la redacción, y la pasada entrega como máximo dos contenidos, en borrador. Su primera pasada sin supervisión, el 30 de agosto de 2026, no produjo nada: el agente que la orquestaba hizo una pregunta en lugar de decidir y, sin nadie para responder, una pregunta formulada pone fin a la pasada. Desde entonces, su instrucción prohíbe cualquier pregunta a mitad de camino. El detalle de este montaje está en nuestra guía sobre el agente de IA en producción, de la demo al producto.

Lo que cuesta una vuelta del bucle

Cada vuelta es una llamada al modelo, y lo que lee crece a medida que avanza el bucle: el contexto reunido, los resultados de las herramientas, las verificaciones. Como cada vuelta suele volver a leer lo anterior, el coste de un bucle aumenta más rápido que su número de vueltas. El cálculo se detalla en nuestra guía sobre el coste de la IA en la empresa.

Por eso un bucle bien diseñado no confía cada vuelta al mismo modelo. Comprobar un formato no requiere ninguna IA, clasificar una petición se hace con un modelo pequeño, y el modelo grande solo interviene donde aporta algo. Aplicamos este enrutamiento en todas partes: en Palmora Property, pasar la traducción a un modelo de IA adecuado dividió su coste por 60, y el 95 % de los segmentos se sirve desde una caché, sin llamada al modelo. Es el principio de nuestra oferta IA a su justo coste: cada tarea al modelo justo suficiente, con un presupuesto y límites por uso.

Por dónde empezar

Antes de construir un bucle, observe la tarea tal como se hace hoy: lo que llega, lo que debe salir, quién lo verifica y qué sería grave en caso de error. Si todavía no sabe escribir qué es un buen resultado, empiece por ahí, porque es la condición para que la verificación funcione. Es también lo que hacemos antes de recomendar nada: observar sus flujos de trabajo, sus herramientas y lo que se integra entre ellas, los frenos del equipo y sus necesidades de formación. Nuestra auditoría de madurez digital e IA sirve para eso, con un GO o un NOGO escrito para cada proyecto.

Preguntas frecuentes

Fuentes

1. Building effective agents (nueva pestaña)anthropic.com
2. Reunir el contexto, actuar, verificar el trabajo, repetir (nueva pestaña)claude.com
3. Excessive Agency (nueva pestaña)genai.owasp.org