Qué es un agente de IA y en qué se diferencia de un chat

La respuesta corta: un agente de IA es software que, además de responder, puede observar un entorno y actuar sobre él con herramientas — leer o cambiar un archivo, ejecutar un comando, consultar una base de datos, llamar a otro servicio. Un chat trabaja dentro de su propia caja; un agente sale de ella y ejecuta. En la práctica lo que cambia son los papeles: con un chat yo ejecuto y él aconseja; con un agente él ejecuta y yo superviso. Y la frontera no es limpia: conforme le das herramientas, un chat se va metiendo en terreno de agente. La pregunta útil no es cómo se llama, sino qué puede consultar, qué puede modificar y con qué permisos.

Soy ingeniero en ciencias de la computación y llevo años programando, así que la diferencia la sentí en un sitio muy concreto: el día en que dejé de copiar código de un chat a mi editor. Eso es lo que voy a contar.

Qué es un agente, sin misterio

Un agente de IA es un programa que, además de generar una respuesta, puede observar un entorno y actuar sobre él con herramientas.

Y las herramientas son cosas concretas: leer o modificar un archivo de tu computadora, ejecutar un comando, consultar una base de datos, llamar a un servicio externo, buscar en la web. También puede conectarse a otras plataformas por API o por estándares como MCP, que sirven para exponerle información y herramientas de forma ordenada.

Dicho así se le cae bastante el misterio, y me parece bien que se le caiga. Lo que hace distinto a un agente no es que el modelo sea más listo: es qué herramientas tiene delante, qué información puede consultar y qué le dejaste hacer.

Un agente para desarrollo, por ejemplo, puede leer la estructura de un proyecto entero, encontrar dónde hay que tocar, escribir el cambio, ejecutar el comando, ver el error y volver a ajustar. Ninguno de esos pasos es magia. Cada uno es un permiso.

Lo que cambió: se invierten los roles

Durante mucho tiempo mi forma de trabajar con IA fue ésta: abría ChatGPT, le contaba qué estaba fallando en una página que estaba programando, le pegaba el trozo donde creía que estaba el problema, y me proponía una solución. Yo la leía, la copiaba, buscaba el archivo correcto, pegaba, probaba, y si seguía fallando volvía al chat a contarle qué había pasado.

Funcionaba. Pero quien ejecutaba era yo, y el chat veía únicamente el trozo que yo hubiera decidido enseñarle.

Con un agente —Claude Code, Cursor y lo que venga después— eso se dio la vuelta. El agente lee el proyecto completo en mi máquina, entiende cómo está armado, modifica los archivos que hagan falta y ejecuta para comprobar si funcionó.

Antes yo ejecutaba y el chat servía de apoyo. Ahora el agente ejecuta y yo apoyo y superviso. Se invierten los roles.

Esa inversión es toda la diferencia, y es más importante que cualquier comparación de modelos. Cambia qué hago yo con mi tiempo: menos teclear y más decidir, preparar y revisar.

Chat y agente no son dos cajas: son un espectro

Aquí va cómo lo veo yo, que no es la definición de nadie más. A mí me resulta más útil pensarlos como parte de un mismo espectro que como dos cajas separadas.

En un extremo hay un chat que recibe lo que le pegas y devuelve una respuesta, y ahí se acaba su mundo. Conforme le das herramientas, acceso a información y capacidad de ejecutar, te vas metiendo en terreno de agente. No hay una línea pintada en el suelo: hay más o menos alcance.

Por eso a un agente le sigues hablando por una ventana de chat. Cuando trabajo con Claude Code escribo instrucciones en lenguaje normal, igual que antes. Lo que cambió está detrás de la ventana, no en ella.

Por eso la pregunta que sirve para juzgar cualquier herramienta no es en qué caja va:

¿Qué puede leer? ¿Qué puede escribir? ¿Y qué permisos le di para hacerlo?

Con esas tres respuestas sabes qué tienes delante, se llame como se llame.

Todo esto que estoy describiendo es, literalmente, cómo construyo hoy los sitios web que hago. Sigo, que la parte interesante viene ahora.

Primero siembras contexto, después cosechas ejecución

Si me preguntas qué hace falta para que un agente sirva de algo, no voy a contestar «un buen prompt». Voy a contestar contexto.

Un agente sin contexto suficiente igual ejecuta — hace lo mejor que puede con lo que tiene. El problema es que lo mejor que puede con poca información no suele ser lo que esperabas, y encima lo entrega con seguridad.

A la parte de darle ese contexto yo le llamo el proceso de sembrado. Es escribir el contexto del proyecto, bajar los archivos, organizar la carpeta, decidir el repositorio y el flujo de trabajo, elegir qué tecnologías se van a usar — y, de paso, organizarte tú mentalmente sobre cómo vas a trabajar.

Es la parte lenta y al principio se siente tediosa: llevas dos horas ordenando y no has producido nada. Después pasa lo contrario. Con el terreno sembrado, desarrollar, modificar o analizar va mucho más rápido que antes.

Primero siembras contexto. Después cosechas ejecución.

Y esto es lo que más veces he visto que decide si alguien le saca provecho a un agente o lo abandona a la semana. No es la herramienta ni el modelo: es si hizo el sembrado o si esperaba que el agente adivinara.

Cómo siembro yo un proyecto —qué archivos hay dentro, qué le escribo de contexto y la regla que hace que el proyecto mejore solo— está contado paso a paso en cómo uso Claude sobre proyectos reales.

Dónde se rompe, y lo que un buen prompt no arregla

Un agente hay que supervisarlo, y no como formalidad. Cuando algo lo hace mal, casi siempre es por una de estas tres:

• No le definí bien el proceso. Un agente ejecuta lo que entendió, no lo que yo quería. Las reglas y los pasos los pone quien dirige.
• Le faltaba contexto y aun así siguió adelante.
• Le di más permiso del que hacía falta para lo que estaba haciendo.

Hay una tendencia a reducir todo esto a «necesitas aprender prompting». Los prompts importan, y no alcanzan. Con un agente hace falta además conocimiento de ingeniería, y del básico: qué es un archivo y dónde se guarda, permisos, carpetas y directorios, la diferencia entre una URL relativa y una absoluta, cómo funciona un framework, qué pasa al desplegar en un servidor.

La IA no volvió innecesario ese conocimiento. Lo puso a decidir en vez de a teclear. Si no entiendes lo que se está construyendo, tampoco puedes saber si lo que hizo está bien — y ahí es donde un agente con permisos deja de ser una ventaja.

Con un chat siempre queda una barrera: la recomendación es mala, pero soy yo quien decide aplicarla. Cuando el agente tiene permiso de escritura, esa barrera se adelgaza. Por eso trabajo con supervisión y no en automático.

Qué hace falta antes de darle permisos

No hace falta ser ingeniero para usar un agente. Sí hace falta entender el terreno donde va a trabajar, y cuanto más poder le des, más entendimiento hace falta. Yo miraría cuatro cosas antes de empezar:

1. 1

   Un objetivo concreto

   Qué proceso quieres que haga. «Ayúdame con el marketing» no es un objetivo; «saca el reporte mensual de estas tres cuentas con este formato» sí.

2. 2

   Contexto suficiente

   El sembrado. Lo que el agente necesita saber del proyecto o del negocio para no tener que adivinar.

3. 3

   Herramientas y permisos acotados

   Qué puede consultar y qué puede modificar. Empieza por solo lectura y amplía cuando veas cómo trabaja.

4. 4

   Una forma de revisar

   Cómo vas a comprobar si lo que hizo tiene sentido. Sin esto, la velocidad se vuelve un problema en vez de una ventaja.

Y una pregunta antes que las cuatro: qué problema estás resolviendo. Montar un agente porque ahora se puede es una forma bastante cara de añadir complejidad. Hay procesos que piden un agente, otros que se resuelven con un chat, y otros donde la IA no pinta nada y lo que falta es ordenar el proceso.

Ese reparto —qué le doy a un chat y qué a un agente— lo tengo contado con nombres y fechas en para qué uso ChatGPT y para qué uso Claude, tarea por tarea.

La diferencia, al final, no es que la IA se haya vuelto mágica. Es que ahora puede hacer cosas dentro de un entorno real, y eso cambia también mi trabajo: dejo de ejecutar cada paso y paso a definir, preparar y supervisar.

Con un chat yo ejecutaba y la IA me apoyaba. Con un agente, el agente ejecuta y yo decido qué debe hacer, con qué contexto, con qué permisos — y si lo que hizo tiene sentido.

Va en la misma dirección que lo que escribí sobre la certificación de Google Ads: la herramienta se aprende y el criterio se practica. Las herramientas cambian; el criterio es lo que se acumula.

Y si quieres las cuatro condiciones en una hoja para tener al lado, está al principio del artículo.