La evolución de los agentes de IA

Pero los humanos pueden hacer más que pensar y hablar. Durante más de medio siglo, los investigadores y filósofos de la IA se han hecho una pregunta obvia: ¿y si las inteligencias artificiales fueran capaces no solo de pensar y hablar, sino también de “hacer”? ¿Y si fueran algo más que cerebros artificiales aislados y pudieran responder de forma autónoma y actuar sobre su entorno en tiempo real?

Esta línea de cuestionamiento dio como resultado la era actual de la IA agéntica, cuyas etapas iniciales estamos viviendo ahora. La historia de la IA es solo una faceta de la historia de los agentes, con otras vertientes que incluyen la investigación en robótica, computación y teoría cognitiva, todas las cuales se desarrollan en paralelo y de forma intermitente a lo largo del último siglo.

Los textos esotéricos y la literatura de ciencia ficción que se remontan a cientos de años han reflexionado sobre los conceptos de inteligencias artificiales y autómatas que tienen la capacidad de pensar y actuar de forma autónoma. Estas primeras reflexiones sentaron las bases para imaginar los mecanismos que algún día se llamarían agentes de IA.

En general, se considera que el campo de la IA comienza adecuadamente a mediados del siglo XX. El trabajo de Norbert Wiener en cibernética, que se centró en los sistemas de comunicación y control tanto en seres vivos como en máquinas, introdujo la idea de los ciclos de feedback.¹ Estos sistemas permitían a las entidades percibir su entorno, procesar información y adaptar su comportamiento en consecuencia. Incluso un mecanismo muy simple como un termostato tiene esta capacidad: detecta la temperatura, la compara con su configuración y activa (o no activa) una caldera en respuesta. Incluso esto puede considerar un agente, aunque sea un simple agente reflejo. Los termostatos automáticos han existido en forma rudimentaria desde al menos la década de 1600, pero ahora teníamos mejor lenguaje para describirlos.²

En 1943, Warren S. McCulloch y Walter Pitts publicaron “A Logical Calculus of the Ideas Immanent in Nervous Activity” en el Bulletin of Mathematical Biophysics.³ Considerado uno de los trabajos fundamentales en neurociencia e IA, el artículo introdujo la idea de que el cerebro puede analizarse como un sistema computacional. El ahora común concepto de redes neuronales se remonta a este trabajo.

En 1950 se publica en Mind el emblemático artículo de Alan Turing “Computing Machinery and Intelligence”. ⁴ El documento indagó sobre la naturaleza de las máquinas pensantes y cómo se podría medir su inteligencia con un proceso que ahora se conoce como “Prueba de Turing”.

Oliver Selfridge, en su artículo de 1959 “Pandemonium - A Paradigm for Learning”, estableció estructuras conceptuales que las arquitecturas agénticas posteriores reflejarían. ⁵ Pandemonium se construyó alrededor de “demonios”: entidades computacionales pequeñas y especializadas. Cada demonio tenía una responsabilidad limitada y operaban en paralelo. Pandemonium demostró que la inteligencia podría surgir de la competencia y la cooperación entre entidades simples de toma de decisiones.

Aunque ya se habían sentado las bases filosóficas para las máquinas pensantes, no fue hasta el surgimiento de la informática digital en la década de 1950 cuando estas ideas pudieron llevarse a la práctica. Marvin Minsky y Dean Edmunds construyeron una de las primeras redes neuronales artificiales en 1951, la ^{Stochastic Neural Analog Reinforcement Calculator (SNARC).}6 Este fue un intento temprano de modelar procesos de aprendizaje en el cerebro humano a través del aprendizaje por refuerzo. El hardware requería una red de 3000 tubos de vacío, además de pesos sinápticos, para simular 40 unidades similares a neuronas.

En 1955, el término “inteligencia artificial” se acuñó en una propuesta de taller titulada “A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence”. ⁷ La propuesta, presentada por John McCarthy de Dartmouth College, Marvin Minsky de la Universidad de Harvard, Nathaniel Rochester de IBM y Claude Shannon de Bell Telephone Laboratories, se llevó a cabo como un taller que tuvo lugar al año siguiente.

También al año siguiente, Allen Newell y Herbert A. Simon desarrollaron Logic Theorist y General Problem Solver, los primeros intentos de imitar las habilidades humanas de resolución de problemas.

La investigación continuó a lo largo de la década, y los investigadores incluso desarrollaron agentes de IA rudimentarios, aunque estos agentes aún no podían “aprender” en el sentido contemporáneo. Por ejemplo, un agente podría diseñarse para resolver un rompecabezas haciendo que analice el estado actual del rompecabezas, comparándolo con el estado resuelto y aplicando una secuencia conocida de movimientos para acercarse a ese estado resuelto. Estos agentes simplemente ejecutaban algoritmos para buscar en un espacio de posibilidades. Sin embargo, demostraron que las máquinas podían exhibir comportamientos que anteriormente se consideraban limitados a la cognición humana.

En la década de 1970, surgió una nueva clase de protoagentes que utilizaban la lógica de decisión simbólica. Estos “sistemas expertos” fueron creados para capturar el conocimiento y las capacidades de razonamiento de los expertos humanos mediante la combinación de una base de conocimientos con un motor de inferencia. MYCIN, desarrollado en Stanford, fue uno de los primeros ejemplos de este tipo de sistemas.⁸ MYCIN podría diagnosticar infecciones bacterianas y recomendar antibióticos, con éxito en dominios limitados. Sin embargo, cada nuevo dato tenía que ser codificado a mano por expertos humanos, y estos sistemas tenían dificultades cuando operaban fuera de sus rígidas bases de conocimiento.

Estas limitaciones y otras dieron lugar a un período que llegó a conocerse como el “invierno de la IA”, en el que se restringieron el financiamiento y, por extensión, la investigación de la IA.

El invierno de la IA tardaría décadas en descongelarse por completo, pero aún así se lograron avances durante este periodo.

En 1973, el científico informático Carl Hewitt desarrolló el modelo de actor, que trata a un actor como el bloque de construcción fundamental en la computación concurrente, una forma de computación en la que los cálculos ocurren al mismo tiempo en lugar de secuencialmente.

El actor recibe y envía mensajes, crea nuevos actores y decide cómo responder a continuación en función de su estado interno. El modelo de actor contribuyó a definir a los agentes como entidades activas en lugar de estructuras de datos pasivas: el cálculo surge de su comportamiento.⁹ Este marco teórico está muy cerca de cómo pensamos hoy en día sobre la funcionalidad y la arquitectura de los agentes de IA.

Lo mismo puede decirse de la programación orientada a objetos (OOP). En los años setenta y ochenta, la programación OOP cobró importancia. En este paradigma de programación, cada objeto (bloques de construcción fundamentales de los programas) tiene su propio estado interno y se gestiona a sí mismo. Los objetos se comunican invocando comportamientos entre sí, estableciendo la expectativa de que múltiples entidades de software se coordinen a través de mensajes en lugar de compartir memoria.

A lo largo de los años 80 y 90, los investigadores comenzaron a usar formalmente la palabra “agente” para describir una inteligencia artificial que podría “hacer”. Durante este periodo se introdujeron una serie de marcos teóricos agénticos. El modelo de creencia–deseo–intención (BDI) ofrecía una forma estructurada de pensar en sistemas autónomos capaces de navegar entornos dinámicos. La IA distribuida exploró redes de procesos cooperativos, mientras que el campo de los agentes móviles permitió que el software se moviera entre máquinas para realizar tareas.

La robótica también arrojó resultados fructíferos para los investigadores, aunque aún no para su uso práctico. Ya en 1966, los robots se comportaban técnicamente como agentes rudimentarios. “Shakey” fue el primer robot móvil del mundo en combinar IA, detección y razonamiento lógico para navegar y completar tareas en un entorno del mundo real.

Otro ejemplo es la arquitectura de subsunción de Rodney Brooks, una arquitectura robótica reactiva que enfatiza comportamientos descentralizados en capas que no dependen de modelos mundiales completos.¹⁰ Los "agentes" de subsunción realizan comportamientos modulares dentro de ciclos reactivos de percepción-acción, como los agentes de IA actuales.

Estos desarrollos en robótica formaron colectivamente la base intelectual del agente moderno: un sistema capaz de autonomía, reactividad y proactividad.

A pesar de este progreso conceptual, el agente seguía estando limitado por las capacidades más amplias de la IA. El machine learning tardaría décadas en desarrollarse hasta el punto en que los agentes de aprendizaje robotizado pudieran convertirse en herramientas útiles.

La potencia computacional aumentó y los conjuntos de datos crecieron, y los avances en el machine learning ayudaron a los investigadores a poner la teoría en práctica.

En 1986, David Rumelhart, Geoffrey Hinton y Ronald Williams publicaron “Learning representations by back-propagating errors”, en el que describieron el algoritmo de retropropagación.¹¹ La retropropagación despertó un interés renovado en las redes neuronales al proporcionar una forma eficiente de entrenarlas. Abreviatura de “propagación hacia atrás del error”, la retropropagación es un método elegante para calcular cómo los cambios en cualquiera de los pesos o sesgos de una red neuronal afectarán la precisión de las predicciones del modelo.

En 1989, Yann LeCun y un equipo de investigadores de AT&T Bell Labs aplicaron la retropropagación al reconocimiento de imágenes mediante redes neuronales convolucionales (CNN), una de las primeras aplicaciones del aprendizaje profundo, llamado así por las numerosas capas de neuronas utilizadas en las CNN. Los modelos de aprendizaje profundo podían extraer características jerárquicas de los datos sin procesar, permitiendo a los modelos percibir e interpretar datos más complejos. El aprendizaje profundo continuó desarrollándose a lo largo de los años 2000 y 2010.

A medida que Internet se expandió, desempeñó un papel crítico en el resurgimiento de la IA. Todos esos datos (imágenes, texto, videos) se convirtieron en el combustible para algoritmos de machine learning cada vez más sofisticados.

En 1995, Russell y Norvig escribieron en su masivamente popular Artificial Intelligence: A Modern Approach, que los agentes “operan de manera autónoma, perciben su entorno, persisten durante un periodo prolongado, se adaptan al cambio y crean y persiguen metas”.¹² Ese mismo año, Woolridge y Jennings contribuyeron al campo al definir que un agente tiene autonomía, capacidad social, reactividad y proactividad.¹³

Los años 80 y 90 también vieron el desarrollo de la investigación de sistemas multiagente. Craig Reynolds desarrolló “boids” en 1986, lo que demuestra que las reglas simples de los agentes pueden producir un comportamiento emergente global. Esto consolidó la idea de que las sociedades de agentes pueden generar una inteligencia que supera la suma de sus partes.¹⁴ Durante este periodo surgieron Contract Net Protocol, Knowledge Query and Manipulation Language, y lenguajes de comunicación de agentes tempranos.

Las arquitecturas cognitivas ACT-R (2004) y Soar (2012) son otros ejemplos de fundamentos teóricos que surgieron o evolucionaron durante este periodo, integrando la memoria, el razonamiento y la acción hacia la cognición de varios pasos.

Al mismo tiempo, el reconocimiento de voz mejoró considerablemente. Los chatbots y los asistentes virtuales como Siri y Alexa se han convertido en nombres muy conocidos. Pero estos sistemas eran más bien interfaces que actores independientes. Podían realizar tareas específicas, pero no planeaban, razonaban ni coordinaban su comportamiento en múltiples pasos.

Los LLM desbloquearon el potencial de los agentes al darles capacidades de razonamiento de propósito general. Ha sido un torbellino de actividad desde ese momento en adelante.

La chispa más crítica que encendió la revolución en agentes que actualmente está en marcha no surgió de la investigación de agentes sino de los modelos de lenguaje grandes (LLM) equipados con capacidades de procesamiento de lenguaje natural (PLN). A partir de BERT en 2018 junto con GPT de OpenAI, los LLM se volvieron cada vez más capaces de razonamiento general y comunicación.

Estos modelos no eran agentes en sí mismos, pero proporcionaban un núcleo cognitivo de propósito general. Por primera vez, un software fue capaz de comprender instrucciones abiertas y planificar, y demostró la capacidad de adaptarse para hacer frente a situaciones nuevas. Con el tiempo, los LLM fueron considerados no solo como generadores de texto y emparejadores de patrones (“autocompletado glorificado”), sino como solucionadores de problemas generales.

Otra tecnología importante de machine learning que permitió la era agéntica es el aprendizaje por refuerzo, que se remonta al menos a la década de 1980. Antes de esta tecnología, los sistemas de IA aprendían a partir de conjuntos de datos fijos. Con el aprendizaje por refuerzo, los agentes pueden actuar en un entorno, recibir feedback y ajustar su comportamiento para maximizar una recompensa o minimizar un castigo. Esto estableció la arquitectura del ciclo agéntico clásico, que luego inspiraría los flujos de trabajo con agentes modernos. El aprendizaje por refuerzo le dio a la IA un lenguaje matemático para la agencia, proporcionando el formalismo que permite una descripción del comportamiento agéntico exhibido por robots físicos o agentes de escritura de código impulsados por LLM.

En 2017, surgió el aprendizaje por refuerzo a partir del feedback humano (RLHF) para mejorar la alineación y el modelado de recompensas. En un artículo de 2017, Paul F. Christiano de OpenAI, junto con otros investigadores de OpenAI y DeepMind, detalló el éxito del RLHF en el entrenamiento de modelos de IA para realizar tareas complejas como jugar Atari y simular la locomoción robótica.¹⁵

Antes de 2013, los entornos con entradas de alta dimensión, como los videojuegos, la robótica o la percepción del mundo real, eran demasiado complejos para los métodos tabulares o lineales. Pero con los métodos de aprendizaje profundo más nuevos, la tecnología se volvió dominante. Google DeepMind lanzó la primera versión de Deep Q-Network, una red neuronal capaz de aprender a jugar Atari directamente a partir de píxeles sin procesar y de recompensas. Este fue el primer momento en que un agente artificial combinó el aprendizaje de representación con el aprendizaje por refuerzo de manera totalmente integral. En esa década surgieron enfoques más sofisticados con algoritmos más avanzados, como AlphaGo, que combinaba redes neuronales profundas con Monte Carlo Tree Search.

Mientras que el aprendizaje profundo por refuerzo progresaba en casos de uso digital como juegos y simulaciones, los investigadores de robótica avanzaban en agentes incorporados que interactuaban con entornos del mundo real, ya no pixeles o abstracciones, sino objetos, cámaras, motores y física. A principios de la década de 2010, el robot PR2, junto con el Robot Operating System (ROS) de código abierto, se convirtió en la plataforma de investigación estándar para la manipulación autónoma, la navegación y la ejecución de tareas de varios pasos. Estos sistemas fueron pioneros en la ejecución de acciones a largo plazo, la planificación de tareas y la integración de múltiples sensores.

El siguiente gran avance llegó con RT-1 (Robotics Transformer), que utilizó un modelo de transformador grande entrenado en demostraciones de cientos de tareas robóticas del mundo real. RT-1 fue revolucionario porque demostró que los modelos fundacionales multimodales podían actuar como agentes robóticos, generalizando a nuevas habilidades, objetos y escenarios.

Los primeros experimentos en ingeniería rápida a principios de la década de 2020 insinuaron comportamientos agénticos emergentes y la posibilidad de que los humanos interactúen con agentes a través del lenguaje natural. Las instrucciones como “primero, piense paso a paso, luego responda la pregunta” o “explique su razonamiento, luego proporcione su respuesta final”, mostraron que los LLM podrían simular el razonamiento procedimental.

Las instrucciones de cadena de pensamiento (CoT), en particular, revelaron la descomposición de tareas, donde un agente divide tareas complejas en varias operaciones más pequeñas y manejables. Los marcos agénticos posteriores utilizarían pasos como pensar, actuar, observar y repetir, una secuencia que luego se formalizó en el marco ReAct. La CoT era esencialmente una versión impulsada por humanos del ciclo agéntico que luego sería impulsado por IA.

Durante este periodo, los investigadores también introdujeron avances en la llamada de herramientas autónomas y el uso de herramientas, donde los agentes ya no requerirían indicaciones para actuar. WebGPT de OpenAI demostró que un LLM podía navegar por Internet, hacer clic en enlaces y obtener información. Aún más interesante, los LLM con generación aumentada por recuperación (RAG, por sus siglas en inglés) podrían fusionar resultados basados en sus propios datos de entrenamiento con nueva información de origen externo. Además, aumentar los agentes con el uso de herramientas les permitió no solo recuperar información externa, sino también tomar medidas en entornos externos.

Entre 2022 y 2024, esta nueva capacidad cognitiva impulsada por IA habilitó la era agéntica en la que ahora nos encontramos. Los desarrolladores empezaron a rodear los LLM con todo tipo de estructuras, dándoles acceso a API, bases de conocimiento y otro software.

En 2023, Meta AI presentó Toolformer, el primer LLM que podía elegir de forma autónoma cuándo y cómo llamar a herramientas externas. Esta fue la primera demostración de que los LLM podían generar y utilizar sus propias interfaces de acción, un precursor de los marcos de agentes completos.

Más tarde ese año, OpenAI introdujo las llamadas a funciones. Por primera vez, los LLM podrían llamar a herramientas en un formato programable estructurado y predecible, pasar parámetros en JSON e interactuar con sistemas externos a través de un espacio de acción explícito.

El desarrollo de modelos de IA generativa multimodal a gran escala se produjo en 2023-2024 con GPT-4 y GPT-4o. Ahora los agentes podrían “ver” interfaces, interpretar imágenes, comprender diseños espaciales, conversar en tiempo real e integrar señales multimodales en la planificación.

Las plataformas y los marcos facilitaron la creación de agentes, incluso para los usuarios con habilidades limitadas de desarrollo de software. AutoGPT, BabyAGI, ReAct, AutoGen y AgentGPT demostraron que los LLMs podían generar objetivos de forma autónoma, planificar estratégicamente un curso de acción y aprender de los resultados de esa estrategia, sin intervención humana. Al optimizar la experiencia del usuario con plantillas listas para usar, LangChain se convirtió en el primer marco de orquestación de agentes convencional.

A finales de 2024, Anthropic introdujo el Model Context Protocol (MCP), un marco de código abierto destinado a estandarizar la forma en que los agentes integran y comparten datos con herramientas, sistemas y fuentes de datos externos. Al año siguiente, IBM introdujo el Agent Communication Protocol (ACP), cuyo objetivo era estandarizar la forma en que los agentes se comunican entre sí. Posteriormente, ACP se fusionó con el protocolo Agent2Agent (A2A) de Google bajo la Linux Foundation. Estos protocolos de agentes de IA han contribuido a crear un ecosistema próspero para el desarrollo de agentes de IA.

Para 2025, “IA agéntica” era la palabra de moda de la industria, y cada actor en el espacio estaba trabajando en una plataforma o solución de IA agéntica de alguna forma u otra. Los agentes ahora se están implementando en aparentemente todas las industrias, desde las cadenas de suministro hasta la atención médica. Queda por ver si los agentes estarán a la altura de las enormes expectativas que se han creado en torno a ellos. No sabemos si revolucionarán la vida tal como la conocemos, pero siguen siendo una de las tecnologías más prometedoras del planeta.