En 2026, la palabra de moda en IA pasó de «chatbot» a agente. En lugar de responder a una pregunta, un agente de IA toma un objetivo y trabaja en él paso a paso, durante minutos, horas o incluso días. Este artículo explica cómo funcionan los agentes con ideas de su curso de informática y después examina dos ejemplos reales de 2026, incluido lo que salió mal.
Chatbot frente a agente
Núcleo GCSE
| Característica | Chatbot | Agente |
|---|---|---|
| Entrada | Un mensaje | Un objetivo |
| Pasos | Una respuesta | Muchos, elegidos sobre la marcha |
| Herramientas | Normalmente ninguna | Buscar, ejecutar código, leer y editar archivos, llamar a otros programas |
| ¿Quién decide el siguiente paso? | El usuario | El modelo, según los resultados hasta ahora |
El bucle del agente
Por debajo, la mayoría de los agentes ejecutan un bucle sencillo, que se podría escribir en pseudocódigo:
objetivo ← tarea del usuario
WHILE objetivo no logrado AND pasos < límite
plan ← el modelo decide la siguiente acción
resultado ← ejecutar la herramienta elegida (búsqueda, código, edición)
añadir resultado a la memoria
IF el modelo juzga logrado el objetivo THEN parar
ENDWHILE
informar al usuarioEl bucle del agente: planificar, actuar con una herramienta, observar el resultado, comprobar el progreso y repetir hasta alcanzar el objetivo o un límite de pasos. Esquema.
Fíjese en dos ideas de la informática de A-Level: un bucle iterativo con condición de terminación (incluido un límite de pasos, para que no se ejecute para siempre) y el estado (la memoria creciente de lo ocurrido hasta ahora). La gran diferencia con un programa normal es que el paso de «planificar» no lo escribe un programador: lo elige un modelo de lenguaje en tiempo de ejecución.
Comprobación rápida
¿Por qué la condición del bucle del agente incluye «pasos < límite»?
Muchos agentes a la vez
Ampliación A-Level
Las tareas grandes pueden repartirse entre muchos agentes que trabajan en paralelo, como un equipo. Dos ejemplos de 2026:
- Búsqueda biológica: unas 949 sesiones de agentes Claude funcionaron durante 21,5 horas sobre bases de datos públicas de ADN, reunieron unos 200 000 grupos de genes de enzimas, puntuaron 3564 familias candidatas y encontraron un posible nuevo sistema enzimático, que después estudiaron en el laboratorio científicos humanos[1]. Vea nuestro artículo sobre el descubrimiento de la enzima ART.
- Matemáticas: decenas de agentes Claude pasaron 11 días escribiendo una demostración en Lean de 13 millones de líneas del último teorema de Fermat, definiendo conceptos y demostrando resultados intermedios sobre los que otros construyeron[2]. Vea Una IA formaliza el último teorema de Fermat.
Esto es descomposición, una de las ideas centrales del pensamiento computacional: dividir un problema en partes que puedan resolverse por separado y luego combinar los resultados.
La distinción que los alumnos suelen confundir
Potente no es lo mismo que fiable.
Riesgos en los que pensar
- Imprevisibilidad: el mismo agente puede seguir caminos distintos en ejecuciones distintas.
- Permisos: un agente que puede editar archivos o enviar mensajes también puede equivocarse con ellos, así que los sistemas sensatos limitan qué herramientas puede usar y piden permiso a una persona antes de acciones arriesgadas.
- Coste y energía: las ejecuciones largas de agentes consumen mucha computación (el proyecto de Fermat usó unos seis mil millones de tokens de salida[2]).
- Responsabilidad: una persona tiene que seguir siendo responsable de lo que hace un agente.
Pregunta tipo examen
Se usa un agente de IA para buscar patrones en una gran base de datos. Describa dos formas de comprobar los resultados antes de confiar en ellos. [4 puntos]
Mostrar respuesta modelo y desglose de puntos
- repetir la búsqueda varias veces (o con otros ajustes) para ver si se obtiene el mismo resultado: comprueba la reproducibilidad (1 punto)
- si no es reproducible, tratar el resultado con cautela / investigar por qué (1 punto)
- comprobar el resultado de forma independiente, p. ej. con otro método, un experimento o un verificador formal como un asistente de demostración (1 punto)
- que expertos humanos revisen el resultado (revisión por pares) antes de usarlo o publicarlo (1 punto)
Lo que valora el examinador: dos métodos de comprobación distintos, cada uno descrito con lo que demuestra.
Error frecuente: decir «preguntar a la IA si está segura». La autoevaluación del mismo sistema no es una comprobación independiente.
Los algoritmos, la iteración y la descomposición son centrales en la informática de GCSE y A-Level, y los agentes son un ejemplo moderno y fácil de recordar. Para saber cómo aprenden los modelos que hay dentro de los agentes, lea la retropropagación explicada y, para el razonamiento paso a paso, fundamentos de los algoritmos.
Fuentes y lecturas adicionales
- The Next Web: Anthropic says Claude found a new enzyme system with CRISPR-like repeats (Sep 2026) — sesiones de agentes, horas, candidatos, las diez repeticiones
- Anthropic: Formalizing Fermat's Last Theorem (4 Sep 2026) — decenas de agentes, 11 días, tokens, salvedades
- The Neuron: AI in Science and Math, September 2026 — resumen mensual de agentes de investigación con IA
Última revisión: 5 de octubre de 2026. Las cifras son valores publicados típicos y las normas pueden cambiar. La redacción de los exámenes varía según la especificación: compruebe la suya.
Preguntas frecuentes
¿Qué es un agente de IA?
Un sistema de IA que trabaja por sí solo hacia un objetivo durante muchos pasos: planifica, usa herramientas como la búsqueda web, la ejecución de código o la edición de archivos, mira los resultados y decide qué hacer después, repitiendo hasta terminar la tarea o atascarse. Un chatbot responde a un mensaje cada vez; un agente sigue adelante.
¿Qué pueden hacer de verdad los agentes de IA en 2026?
Ejemplos reales de septiembre de 2026: unas 950 sesiones de agentes Claude buscaron en bases de datos de ADN durante 21,5 horas y encontraron un posible nuevo sistema enzimático en virus, y decenas de agentes Claude pasaron 11 días escribiendo una demostración verificada por ordenador de 13 millones de líneas del último teorema de Fermat. En ambos casos, personas fijaron el objetivo y comprobaron los resultados.
¿Son fiables los agentes de IA?
No del todo. En la búsqueda de enzimas, la misma campaña se repitió diez veces y ninguna repetición volvió a encontrar el resultado. En la demostración de Fermat, los intentos fallidos dejaron alrededor del 7 % del código no repetitivo. Los agentes pueden ser potentes, pero sus resultados necesitan una comprobación independiente.
¿En qué se diferencia un agente de un programa normal?
Un programa normal sigue pasos que un programador escribió de antemano. El siguiente paso de un agente lo elige en tiempo de ejecución un modelo de lenguaje, según lo que ha visto hasta entonces. Eso hace a los agentes flexibles pero menos predecibles, y por eso importan las pruebas, los límites sobre qué herramientas pueden usar y la revisión humana.
Valoraciones y reseñas de lectores
Valore este artículo en varios aspectos — su opinión ayuda a otros lectores, y nos ayuda a mejorar.
¿Le ha resultado útil este artículo?
Cuéntenos qué le parece — una corrección, una pregunta sin responder, o un tema que le gustaría ver tratado a continuación.
¿Prefiere hablarlo? Reserve una videollamada gratuita cuando le convenga: 15 minutos para una pregunta rápida, 30 para todo lo demás. Los horarios aparecen en su zona horaria.
Sobre el autor
Sudershan Soni
Fundador y tutor principal en Mostak Services — tutor de matemáticas, ciencias, informática y STEM titulado con máster, con más de 20 años de experiencia profesional, enseñando a alumnos desde el 11+ y el GCSE hasta el A-Level y más allá, en línea en todo el mundo.
Leer el perfil completo