Conceptos, definidos con precisión.

Definiciones de los términos que manejo a diario en IA agéntica, integración de sistemas y visibilidad en asistentes. Varias incluyen el matiz que marca la diferencia al aplicarlos.

IA agéntica

IA agéntica

Sistemas de IA que no solo responden, sino que deciden y ejecutan acciones sobre sistemas reales: consultar una API, crear una reserva, abrir un ticket.

La diferencia con un chatbot no está en el modelo, sino en el alcance de lo que el sistema tiene permitido ejecutar.

Automated workflow Flujo automatizado

Proceso con pasos fijos y condiciones explícitas, sin ningún modelo de por medio: cada ejecución sigue el mismo camino y produce el mismo resultado ante la misma entrada.

Si el proceso es estable y las reglas se pueden escribir, esta es la opción correcta. Es más barata, más rápida y auditable. Meter un modelo aquí solo añade coste y variabilidad.

AI workflow Flujo con IA

Proceso cuyos pasos y orden los define el desarrollador, pero que delega en un modelo las tareas que no se pueden expresar con reglas: clasificar, extraer, resumir, redactar.

El control del flujo sigue siendo tuyo; el modelo resuelve pasos concretos. Es el punto óptimo para la mayoría de casos de empresa: aprovechas la IA donde aporta y mantienes el proceso predecible.

Agentic workflow Flujo agéntico

Proceso en el que el modelo decide qué pasos dar, en qué orden y cuándo terminar, eligiendo herramientas según lo que va observando. El objetivo se fija de antemano; el camino, no.

Aporta cuando el camino no se puede anticipar. A cambio, cada ejecución es distinta: exige acotar bien las herramientas, registrar cada decisión y definir un criterio de parada.

Agentic AI Red de agentes

Paradigma en el que un agente coordinador recibe la petición y decide en cada iteración si la resuelve con sus propias herramientas o si delega una subtarea a un agente especializado. Es el escalón siguiente al flujo agéntico: ya no hay un modelo dirigiendo un flujo, sino varios colaborando.

Solo compensa cuando el dominio justifica agentes que evolucionan y se despliegan por separado. Si uno solo resuelve la tarea, un flujo agéntico es más simple, más barato y más fácil de depurar.

Broker Agente coordinador

Agente que actúa como punto de entrada de una red: razona sobre el objetivo, ejecuta lo que puede con sus herramientas y delega el resto en agentes especializados, consolidando después los resultados.

No invoca sistemas externos por su cuenta: toda acción pasa por una herramienta declarada y toda delegación, por el protocolo entre agentes. Esa frontera es lo que mantiene la red auditable.

Leaf agent Agente especializado

Agente que resuelve un dominio concreto dentro de una red y responde al coordinador que le delegó la tarea.

Por dentro es, casi siempre, uno de los paradigmas más simples: un flujo con IA o un flujo agéntico. La red no añade magia, compone piezas conocidas.

Agente gestionado Managed Agent

Agente que se ejecuta en la infraestructura del proveedor (por ejemplo, Anthropic Managed Agents) en lugar de en la tuya: el proveedor mantiene el bucle de ejecución, el estado de la sesión y las llamadas a herramientas.

Reduce la carga de mantenimiento a cambio de ceder control sobre dónde reside el estado. En muchos casos de empresa compensa; en otros, la soberanía del dato lo desaconseja.

MCP Model Context Protocol

Protocolo abierto que estandariza cómo un modelo de IA descubre y llama herramientas y fuentes de datos externas, sin integraciones a medida para cada combinación.

Es, en esencia, el problema clásico de la integración empresarial — contratos, descubrimiento, versionado — trasladado al dominio de los agentes.

WebMCP

Extensión de MCP al navegador: una web declara sus propias herramientas vía navigator.modelContext para que un agente las invoque directamente, en vez de deducir la interfaz raspando el DOM.

Esta web expone las suyas: un agente puede consultar el perfil o los proyectos sin interpretar el HTML.

A2A Agent-to-Agent

Protocolo para que agentes de distintos proveedores u organizaciones se descubran, negocien capacidades y deleguen tareas entre ellos.

Sistema multiagente

Varios agentes especializados que se reparten un proceso, normalmente con uno que coordina y delega en el resto.

Repartir un proceso mal definido entre varios agentes no lo corrige: multiplica sus fallos. Primero el proceso, después los agentes.

Tool use Uso de herramientas

Capacidad de un modelo para pedir la ejecución de una función definida por ti — con sus parámetros — y usar el resultado para continuar razonando.

Es donde se decide si la solución funciona: la calidad de la descripción de cada herramienta pesa más que el tamaño del modelo.

RAG Retrieval-Augmented Generation

Técnica que recupera fragmentos relevantes de una base documental y los inyecta en el contexto del modelo antes de que responda, para que se apoye en datos concretos y no en su memoria.

La mayoría de los fallos de un RAG no son del modelo, sino de la recuperación: si el fragmento correcto no entra en el contexto, ningún modelo puede compensarlo.

Integración

API Management

Disciplina que cubre el ciclo de vida completo de una API: diseño, publicación, seguridad, control de consumo, versionado y medición.

Exponer un endpoint es la parte sencilla. El gobierno — quién consume qué, bajo qué contrato y desde cuándo — es lo que sostiene el sistema a los tres años.

Integración de sistemas EAI · ESB · EDA · CEP

Disciplina que hace que aplicaciones distintas compartan datos y procesos sin reescribirlas (EAI). Agrupa los patrones clásicos de la gran empresa: el bus de servicios que enruta y transforma desacoplando emisor de receptor (ESB), la arquitectura dirigida por eventos en la que los componentes publican y consumen en lugar de llamarse entre sí (EDA), y el procesamiento de eventos complejos que correlaciona sucesos en tiempo real para detectar patrones — fraude, caídas, umbrales de negocio (CEP).

Es la capa que decide si un agente de IA puede llegar al dato o se queda en la superficie. Sin ella resuelta, el agente conversa; con ella resuelta, opera.

Sistema legacy

Sistema antiguo que sigue siendo crítico para el negocio y que no se puede sustituir sin riesgo, así que hay que integrarlo tal cual está.

En un proyecto de integración con IA es, casi siempre, la pieza que marca el ritmo del conjunto.

Visibilidad en IA

GEO Generative Engine Optimization

Conjunto de prácticas para que un sitio sea legible, entendible y citable por asistentes de IA (ChatGPT, Claude, Perplexity, Gemini), no solo por buscadores clásicos.

El SEO compite por una posición en una lista de resultados. El GEO compite por ser la fuente que el modelo cita al redactar la respuesta.

llms.txt

Fichero en la raíz del sitio que ofrece a los modelos un resumen estructurado en Markdown de qué es el sitio y qué contiene, sin obligarles a interpretar el HTML.

Datos estructurados JSON-LD / Schema.org

Marcado que declara de forma explícita qué entidades describe una página — una persona, una organización, un artículo — y cómo se relacionan entre sí.

Para un modelo, la diferencia entre deducir quién eres y que se lo declares explícitamente. Cuantas más entidades verificables publiques, más fiable le resulta citarte.

Sitemap agéntico

Sitemap XML extendido con metadatos sobre qué acciones puede ejecutar un agente en cada URL, además de listar las páginas que existen.