LLM y agente de IA: de una IA que responde a una que trabaja

Llevamos dos años llamando agente a cualquier cosa. Pero un agente no es un chatbot con herramientas.

Si el comercial y el README usan la misma palabra para un GPT con plugins y para un sistema que se pasa tres días solo en un repo, no hay forma de saber qué se está comprando.

El LLM es el cerebro. El agente es el sistema que usa ese cerebro para actuar. No compiten. El salto gordo no ha sido que los modelos hablen mejor: ha sido que han aprendido a actuar. Y eso no es un interruptor. Es una escalera de autonomía:

LLM → LLM+Tools → Workflow → Agent → Long-running Agent → Multi-agent

Más autonomía → más capacidad → más coste → más incertidumbre → más necesidad de control

Cada peldaño añade capacidad. También coste, incertidumbre y superficie de error.

De hablar a hacer, peldaño a peldaño

Un LLM es input, modelo, output. Genera texto. No consulta tu CRM, no ejecuta código, no pulsa nada. Un chatbot le pone conversación y contexto. Sigue sin actuar.

El primer salto es el LLM con tools: function calling. El modelo propone un tool call y tu aplicación lo ejecuta. En la taxonomía de OpenAI, una función es una herramienta definida por un JSON Schema; la plataforma añade búsqueda web, ejecución de código y servidores MCP. Su guía de function calling cubre cómo un modelo habla con sistemas externos y con datos que no estaban en su entrenamiento.

El flujo cabe en cinco pasos: le pasas las herramientas, el modelo devuelve un tool call, tu código lo ejecuta, le devuelves el resultado, el modelo responde o pide otra. El cerebro toca el mundo. Aún no lleva el plan entero.

Un workflow fija el camino en código. Clasificar, buscar, generar, validar: esa secuencia no la improvisa el modelo. Nuestra lectura de Building effective agents es esta: Anthropic agrupa workflow y agente bajo el paraguas de sistemas agénticos, dos puntos de un espectro con el LLM en el centro. En el workflow, LLMs y herramientas se orquestan por rutas de código predefinidas. Los patrones son prompt chaining (tarea en secuencia de llamadas con gates), routing (clasificar y derivar), parallelization (sectioning y voting), orchestrator-workers (un LLM central descompone y delega) y evaluator-optimizer (generador y evaluador en bucle).

El agente recibe un objetivo y decide qué pasos seguir y qué herramientas usar. El loop es pensar, actuar, observar, corregir, repetir. Anthropic lo resume así: típicamente son solo LLMs usando herramientas basándose en feedback del entorno en un bucle. En cada paso necesita ground truth del entorno: el resultado real del tool call o del código, no lo que el modelo se inventa que ha pasado. Conviene una condición de parada, por ejemplo un máximo de iteraciones. Si no, el bucle se come el presupuesto y sigue.

El ancla académica de ese loop es ReAct (Yao et al., arXiv:2210.03629). El LLM intercala razonamiento y acciones en un bucle continuo: el razonamiento induce y actualiza planes, maneja excepciones; las acciones conectan con fuentes externas. Los resultados en benchmarks de razonamiento y navegación web demostraron que el loop funciona. El paper está en arxiv.org/abs/2210.03629.

Un agente moderno suma contexto persistente, memoria, filesystem, sandbox, skills y estado. El sistema multiagente añade orquestador, subagentes, herramientas y entorno. En su guía de agentes, OpenAI describe sistemas que planifican y completan tareas con herramientas, trabajan con otros agentes y mantienen el contexto entre pasos. Tres runtimes según quién controla el bucle: Agents API, Agents SDK y Responses API.

El orquestador no tiene por qué ser un LLM. El enrutado puede ser una tabla: el modelo parsea la intención y Python decide el mapa.

LLM vs agente: la frontera es quién decide los pasos

Un chatbot con function calling no es automáticamente un agente. Si el desarrollador ha fijado todos los pasos, sigue siendo un workflow. Con esteroides, pero workflow. El agente aparece en el momento exacto en que el modelo decide cómo resolver el objetivo.

Nuestra lectura de los documentos de Anthropic: en el workflow las rutas de código predefinidas orquestan modelo y herramientas; en el agente, el modelo dirige su propio proceso y el uso de herramientas. En las fuentes consultadas, OpenAI no ofrece una definición textual paralela de workflow frente a agente. Mantiene guías separadas y tres runtimes distintos según quién controla el bucle. Coinciden en el mecanismo (un LLM que llama herramientas) y se separan en el énfasis: Anthropic dibuja el espectro; OpenAI te deja elegir quién lleva el volante.

El cerebro razona y decide. El código ejecuta y da fe. El modelo no pisa el camino de escritura.

Ese contrato de capas (una autoridad por decisión, frontera dura entre decidir y ejecutar) es también dónde paras de subir. Secuencia conocida y fallo caro: el raíl. Objetivo abierto y ground truth del entorno: el loop.

Subir de peldaño no es progreso automático

Building effective agents es de diciembre de 2024. El propio Anthropic avisa de que "gran parte del panorama de herramientas descrito en este post ha cambiado desde diciembre de 2024" y remite a Claude Managed Agents. Los patrones siguen siendo la brújula. El tooling concreto no hay que darlo por vigente. Si citamos ese post como si fuera de hoy, nos comemos un desmentido.

Nuestra lectura de ese texto: los sistemas agénticos suelen intercambiar latencia y coste por mejor rendimiento en la tarea. Empieza por lo más simple (una única llamada LLM con retrieval y ejemplos in-context suele bastar) y añade complejidad solo cuando mejora de forma demostrable el resultado. Subir peldaños es una decisión con factura.

La factura se ve en el token, no en el número de llamadas. Precios de lista verificados el 17 de septiembre de 2026.

GPT-4o cobraba 2,50 dólares por millón de tokens de entrada y 10,00 por millón de salida. La entrada cacheada sale a 1,25 dólares: la mitad.

Claude Sonnet 5 estaba a 2,00 dólares el millón de entrada y 10,00 el de salida. El precio introductorio pasó a ser el estándar.

La subida programada a 3 y 15 dólares no ocurrirá. En GPT-4o la salida cuesta cuatro veces la entrada; en Sonnet 5, cinco veces.

Cada peldaño de autonomía puede multiplicar el consumo porque añade iteraciones, contexto, tools y retries; depende mucho de la arquitectura. El multiplicador de tokens es mayor que el de llamadas: el contexto se reenvía en cada iteración.

Con Sonnet 5 los factores bajan porque su entrada es más barata. Su tokenizador produce alrededor de un 30% más tokens para el mismo texto que Sonnet 4.6 y anteriores.

Si el agente usa prompt caching, o si el loop se resuelve en menos iteraciones, los factores caen. La autonomía se paga. También se puede abaratar.

El LLM es el cerebro. El agente es el trabajador. El harness, el sistema que le deja trabajar sin desmontarse, es lo que compras de vuelta: cada salto se cobra en coste, incertidumbre y superficie de error; el harness es la fiabilidad.

Preguntas frecuentes

¿Un LLM y un agente de IA son lo mismo?

No. El LLM es el modelo que genera texto y decide; el agente es el sistema que usa ese cerebro para actuar sobre un objetivo. Un chatbot con memoria de conversación sigue sin actuar. El agente aparece cuando el modelo elige pasos y herramientas en un bucle, con ground truth del entorno (el resultado real de cada tool call) y una condición de parada.

¿Cuál es la diferencia entre un workflow y un agente?

Quién decide los pasos. Si el desarrollador fija la secuencia en código (clasificar, buscar, generar, validar), es un workflow, aunque el modelo llame herramientas. Si el modelo recibe un objetivo y decide dinámicamente cómo resolverlo, es un agente. Un chatbot con function calling no se convierte en agente por tener APIs conectadas.

¿Por qué un agente sale más caro que un workflow?

Porque cada peldaño de autonomía añade iteraciones, contexto, tools y retries, y el multiplicador de tokens es mayor que el de llamadas: el contexto se reenvía entero en cada vuelta del loop. Cuánto más caro depende de la arquitectura, del caching y de cuántas iteraciones necesite el objetivo.

¿Hace falta un agente para cualquier tarea con IA?

No. Lo simple primero: una sola llamada bien hecha, con retrieval y ejemplos, suele bastar. El workflow gana cuando la tarea está bien definida y quieres predictibilidad. El agente compensa cuando el objetivo es abierto y el entorno te va diciendo si avanzas. Subir en la escalera no es modernizar; es aceptar una factura.