Modelos de IA, chatbots y agentes

Un modelo de IA es el motor, un chatbot es una interfaz, un asistente con herramientas puede invocar capacidades externas, y un agente puede planificar y actuar en varios pasos. Separar estas capas te ayuda a juzgar qué puede hacer realmente el sistema.

Modelo

El modelo es el sistema que convierte la entrada en salida. Para tareas de lenguaje, lee tu prompt y contexto, y luego genera texto, código, JSON, SQL u otro formato solicitado.

Los modelos no conocen automáticamente tu proyecto. Solo trabajan con lo que hay en su entrenamiento, sus fuentes de recuperación conectadas, sus herramientas y el contexto que proporcionas.

Chatbot

Un chatbot es una interfaz conversacional alrededor de uno o más modelos. Es bueno para hacer preguntas, redactar contenido, explorar ideas e iterar rápidamente.

La interfaz de chat puede hacer que la IA parezca más capaz de lo que es. Recuerda que una respuesta fluida no es lo mismo que una respuesta verificada.

Asistente con herramientas

Algunos sistemas de IA pueden usar herramientas: buscar en la web, leer un archivo, ejecutar código, inspeccionar una página o llamar a una API. El uso de herramientas puede fundamentar mejor las respuestas porque el sistema puede recopilar evidencia fresca o local.

El resultado de la herramienta aún necesita interpretación. Una herramienta puede revelar hechos, pero el asistente aún puede sacar la conclusión equivocada.

Agente

Un agente es un sistema de IA que puede dividir un objetivo en pasos, usar herramientas, observar resultados y continuar. Los agentes de código son útiles cuando una tarea requiere leer archivos, editar código, ejecutar comprobaciones e iterar.

Los agentes necesitan límites. Dale un objetivo claro, contexto relevante, restricciones y un comando de verificación.

Elegir la capa adecuada

Usa la capa más pequeña capaz:

• Usa un modelo o chatbot cuando necesites explicación, redacción o comparación.
• Usa un asistente con herramientas cuando la respuesta dependa de archivos, documentación, información actual o comprobaciones ejecutables.
• Usa un agente cuando el trabajo tenga varios pasos y puedas definir el éxito con claridad.

Los alcances más pequeños son más fáciles de revisar. Una respuesta de chatbot puede bastar para entender un concepto; un agente encaja mejor cuando los cambios de código y la verificación forman parte del mismo flujo de trabajo.

Ejemplo de flujo de trabajo para desarrolladores

Si necesitas actualizar un componente React, un chatbot puede explicar el patrón. Un asistente con herramientas puede inspeccionar archivos. Un agente de código puede hacer ediciones y ejecutar pruebas. Son niveles distintos de responsabilidad.

Lista de verificación de responsabilidad

Antes de pedirle a un agente que actúe, anota:

• Objetivo: ¿qué debe ser cierto cuando termine?
• Límites: ¿qué archivos, APIs o comportamiento deben permanecer sin cambios?
• Evidencia: ¿qué comando, captura de pantalla, prueba o revisión demuestra el resultado?
• Condición de parada: ¿cuándo debe el agente pedir ayuda en lugar de adivinar?

Puntos clave

• Modelo, chatbot, asistente y agente no son lo mismo.
• El uso de herramientas mejora el fundamento, pero no elimina la necesidad de revisión.
• Los agentes son más fuertes cuando los objetivos y los pasos de verificación son explícitos.
• Adapta el sistema de IA al riesgo y alcance de la tarea.

Siguiente lección

A continuación, aprende los fundamentos de prompting que hacen más fiable el trabajo técnico con IA.