La única pregunta que separa a un agente de un chatbot
¿Quién decide qué pasa después?
En un chatbot, nadie. Envías un mensaje, el modelo produce una respuesta y el turno termina. Si la respuesta necesita un seguimiento, lo escribes tú. El modelo nunca actúa sobre el mundo, solo escribe texto.
En un agente, decide el modelo. Dado un objetivo, elige una acción, como buscar en la web, ejecutar un fragmento de código, abrir una página o editar un archivo, recibe el resultado como texto, lo lee y elige la siguiente acción. Sigue así hasta que considera que el objetivo está cumplido o hasta que un límite de pasos lo detiene. El modelo es el controlador del bucle.
La guía técnica de Anthropic "Building effective agents", publicada en diciembre de 2024, traza la línea en el mismo lugar: los flujos de trabajo son sistemas donde el modelo corre dentro de código que fija la ruta, y los agentes son sistemas donde el modelo dirige su propio proceso y el uso de herramientas. Esa guía también es directa sobre cuál de los dos construir primero, y su respuesta es el flujo de trabajo.
Chatbot, flujo de trabajo, agente: el mismo modelo, tres bucles distintos
Los tres pueden correr sobre el mismo modelo de lenguaje. Lo que cambia es lo que lo rodea.
| Chatbot | Flujo de trabajo | Agente | |
|---|---|---|---|
| Quién elige el siguiente paso | Nadie; una respuesta por mensaje | Un script escrito por un desarrollador | El modelo, a partir del último resultado |
| Usa herramientas | A veces, una llamada por turno | Sí, en un orden fijo | Sí, en el orden que elige |
| Cuándo se detiene | Después de una respuesta | Cuando el script termina | Cuando decide que el objetivo se cumplió, o llega a un límite de pasos |
| Falla típica | Una respuesta incorrecta | Un paso que recibe una entrada mala | Un bucle que se desvía, se repite o se detiene antes de tiempo |
| Costo por tarea | Una respuesta | Un número conocido de respuestas | Desconocido hasta que termina |
La columna del flujo de trabajo es donde vive la mayor parte de la automatización útil. Un pipeline que resume un documento, luego extrae las fechas y luego redacta una respuesta son tres llamadas al modelo en un orden fijo. Es confiable porque el desarrollador decidió la ruta. No es un agente, diga lo que diga la página de aterrizaje, y llamarlo así oscurece la verdadera disyuntiva: una ruta fija es predecible y barata, una ruta elegida por el modelo es flexible y ninguna de las dos cosas.
Cómo se ve el bucle, paso a paso
Una ejecución concreta. El objetivo: "Averigua si nuestro competidor cambió sus precios este mes y escríbeme un resumen de dos párrafos".
- El modelo lee el objetivo y decide la primera acción: una búsqueda web de la página de precios del competidor.
- La herramienta de búsqueda devuelve una lista de resultados como texto. El modelo la lee y elige uno para abrir.
- La herramienta de navegación devuelve la página. El modelo extrae los precios actuales.
- El modelo decide que necesita los precios antiguos, busca una copia archivada y la abre.
- Compara ambos, considera que tiene suficiente y escribe el resumen.
Cinco pasos, cuatro llamadas a herramientas, seis llamadas al modelo. Cada paso es una respuesta completa del modelo, con todo el historial hasta el momento como entrada. Ese último detalle es lo que impulsa el costo: para el paso cinco, el modelo está releyendo cuatro páginas de resultados de búsqueda y texto de páginas en cada llamada. Qué son los tokens en la IA explica por qué una entrada que crece en cada turno es la forma más cara.
Y cada paso es un lugar donde algo puede salir mal. Si la búsqueda del paso 1 devuelve la empresa equivocada, los pasos 2 a 5 resumen con confianza los precios equivocados. El bucle acumula errores igual que acumula progreso. Un límite de pasos y un punto de control humano antes de enviar cualquier cosa no son opcionales.
Cuánto cuesta una ejecución de agente frente a una sola respuesta
La aritmética es simple y la gente se la salta. Una respuesta estándar, 1,000 tokens de entrada y 500 de salida, tiene un precio de lista por modelo en el índice de costo de modelos de IA, con tarifas de OpenRouter obtenidas el 2026-08-20. Una ejecución de agente de 20 pasos equivale como mínimo a 20 respuestas así, y en la práctica más, porque la entrada crece en cada paso.
Veinte pasos en Claude Sonnet 5 cuestan $0.14 en el mínimo, frente a $0.007 por una sola respuesta; en Claude Opus 5 son $0.35, y ejecutado cada hora eso es cerca de $250 al mes antes del multiplicador de entrada creciente. En créditos de Whizi, la misma aritmética se lee en la escalera de Auto de arriba: 100 créditos son 100 preguntas rápidas en el modelo de la casa o 5 turnos de razonamiento en GPT-5.6 Sol, así que un bucle de 20 pasos en el peldaño de razonamiento son 400 créditos, cerca de una sexta parte de un mes Pro de 2,500 créditos, y el mismo bucle en el modelo de la casa son 20. Por eso el diseño correcto envía los pasos de planificación a un modelo fuerte y los pasos rutinarios a uno barato, y por eso un espacio de trabajo multimodelo es el hogar natural para el trabajo con agentes, y no una suscripción de un solo modelo.
Qué productos son agentes de verdad
Los asistentes de codificación que editan archivos y ejecutan pruebas son agentes en el sentido estricto: ante un reporte de error, leen el código, hacen un cambio, ejecutan la suite de pruebas, leen el fallo y lo intentan de nuevo. El bucle es real y el modelo lo dirige.
Los modos Deep Research de ChatGPT, Gemini y Perplexity son agentes: buscan, leen, vuelven a buscar según lo que encontraron y se detienen cuando consideran cubierta la pregunta. El número de pasos varía según la pregunta, y esa es la señal.
La mayoría de los "agentes" en los menús de producto son personas o flujos de trabajo. Una fila en un selector de modelos etiquetada como agente fiscal o mentor de estudio suele ser un system prompt fijo más una o dos herramientas. La propia sección de Agentes de Whizi es honesta al respecto: la fila del CPA canadiense es un preajuste que fuerza una búsqueda web en cada turno, con un tope de siete búsquedas y un presupuesto de tokens mayor de 55,000 de entrada y 40,000 de salida. Eso es una persona con una herramienta acoplada y un presupuesto más grande, y es útil justamente porque la ruta es fija. No es un bucle que dirige el modelo, y la guía de enrutamiento automático explica qué elige de verdad el modelo detrás de cada mensaje.
El vocabulario está derivando hacia llamar agente a todo. La pregunta que hay que hacerle a un producto es la del inicio de esta página: ¿quién decide el siguiente paso? Si la respuesta es "un script" o "nadie", estás comprando un flujo de trabajo o un chatbot, y puede que eso sea exactamente lo que necesitas.
Cuándo un agente es la herramienta correcta, y cuándo no
Un agente justifica su costo cuando la ruta no puede conocerse de antemano: investigación donde la segunda búsqueda depende del primer resultado, depuración donde la corrección depende de la salida de las pruebas, navegación donde el siguiente clic depende de la página. La flexibilidad es el producto.
Un agente es la herramienta equivocada cuando la ruta ya se conoce. Resumir, extraer, traducir, reformatear, clasificar: son una sola llamada o una secuencia fija de llamadas, y envolverlas en un bucle añade costo, latencia y una nueva forma de fallar sin añadir capacidad. El consejo de la guía de Anthropic se sostiene: empieza con una sola llamada, pasa a un flujo de trabajo cuando una llamada no basta, y recurre a un agente solo cuando el flujo de trabajo sigue necesitando una bifurcación que no puedes predecir.
La regla de decisión: si puedes dibujar los pasos en una pizarra antes de empezar, no construyas un agente.
- Pregunta quién decide el siguiente paso antes de creer que un producto es un agente
- Calcula el costo de una tarea de agente como pasos multiplicados por el precio por respuesta, y suma algo más por la entrada creciente
- Pon un límite de pasos y un punto de control humano antes de cualquier paso que envíe, compre, borre o publique
- Usa el modelo fuerte para los pasos de planificación y uno barato para los rutinarios
- Si puedes dibujar los pasos de antemano, construye un flujo de trabajo en su lugar
Preguntas frecuentes
¿Cuál es la diferencia entre un agente de IA y un chatbot?
Un chatbot produce una respuesta por mensaje y no realiza ninguna acción. Un agente persigue un objetivo a lo largo de muchos pasos, elige él mismo cada siguiente acción, llama a herramientas como la búsqueda o el código, lee los resultados y decide cuándo terminó. Mismo modelo, bucle distinto: el agente ejecuta uno, el chatbot no.
¿Cuál es un ejemplo de agente de IA?
Un asistente de codificación que lee un reporte de error, edita el código, ejecuta las pruebas, lee el fallo y lo intenta de nuevo hasta que pasan. Los modos Deep Research que buscan, leen y vuelven a buscar según lo que encontraron son otro. Ambos deciden su propio siguiente paso, que es la propiedad que los define.
¿ChatGPT es un agente de IA?
El chat normal no lo es; responde un mensaje a la vez. Los modos de agente y Deep Research de ChatGPT sí lo son, porque en esos modos el modelo planifica, usa herramientas e itera por su cuenta. Lo mismo ocurre con el Agent Mode y Deep Research de Gemini, y con el modo Research y Claude Code de Claude. Cada producto es un chatbot con modos de agente dentro.
¿Por qué son caros los agentes de IA?
Porque cada paso es una llamada completa al modelo, y la entrada crece en cada paso a medida que se acumula el historial. Una ejecución de 20 pasos en Claude Sonnet 5 cuesta al menos $0.14 a precio de lista frente a $0.007 por una respuesta, según tarifas de OpenRouter obtenidas el 2026-08-20, y la entrada creciente lo empuja más alto. Enrutar los pasos rutinarios a un modelo más barato es la forma estándar de contenerlo.
¿Necesito un agente de IA para mi tarea?
Solo si la ruta no puede planificarse de antemano. La investigación, la depuración y la navegación, donde cada paso depende del resultado anterior, se benefician de un agente. Resumir, extraer, traducir y reformatear son una sola llamada o una secuencia fija, y un agente añade costo y formas de fallar sin añadir capacidad.
