Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés. # La evolución de los agentes de software El paso de sistemas automatizados simples a agentes de software inteligentes, autónomos y orientados a objetivos refleja décadas de evolución en la informática, la inteligencia artificial y los sistemas distribuidos. A esta evolución le siguió el auge del aprendizaje automático, que cambió el paradigma de las reglas artesanales al reconocimiento estadístico de patrones. Estos sistemas podían aprender de los datos y permitían avances en la percepción, la clasificación y la toma de decisiones. Los modelos de lenguaje LLMs extensos () representan una convergencia de escala, arquitectura y aprendizaje no supervisado. LLMs pueden razonar, generar y adaptar tareas con poca o ninguna formación específica para cada tarea. Al combinarlos LLMs con una infraestructura escalable nativa de la nube y arquitecturas componibles, ahora estamos logrando la visión completa de la IA de los agentes: agentes de software inteligentes que pueden operar con autonomía, conocimiento del contexto y adaptabilidad a escala empresarial. Esta sección explora la historia de los agentes de software desde la teoría fundamental hasta la práctica moderna, como se ilustra en el siguiente diagrama. En él se destaca la convergencia de la inteligencia artificial distribuida (DAI) y la IA generativa basada en transformadores, y se identifican los principales hitos que han dado forma al surgimiento de la IA de agentes. ![\[La evolución de los agentes de software, desde la década de 1950 hasta la actualidad.\]](http://docs.aws.amazon.com/es_es/prescriptive-guidance/latest/agentic-ai-foundations/images/evolution-software-agents.png) **Topics** + [ # Fundamentos de los agentes de software ](roots.md) + [ # Madurar el campo: del razonamiento a la acción ](maturity.md) + [ # Una línea temporal paralela: el auge de los grandes modelos lingüísticos ](llm.md) + [ # Los plazos convergen: el surgimiento de la IA agencial ](agentic-ai-emergence.md) # Fundamentos de los agentes de software ## 1959 — Oliver Selfridge: el nacimiento de la autonomía en el software Los orígenes de los agentes de software se remontan a Oliver Selfridge, quien introdujo el concepto de *entidades de software autónomas (demonios)*, programas que son capaces de percibir su entorno y actuar de forma independiente (Selfridge 1959). Sus primeros trabajos sobre la percepción y el aprendizaje de las máquinas sentaron las bases filosóficas para las nociones futuras de los agentes como sistemas inteligentes e independientes. ## 1973: Carl Hewitt: el modelo actor Un avance fundamental se produjo con el modelo actor de Carl Hewitt (Hewitt et al. 1973), que es un modelo computacional formal que describe a los agentes como entidades independientes y concurrentes. En este modelo, los agentes pueden encapsular su propio estado y comportamiento, comunicarse mediante el paso asincrónico de mensajes y crear otros actores de forma dinámica y delegarles tareas. El modelo actor proporcionó tanto la base teórica como el paradigma arquitectónico para los sistemas distribuidos basados en agentes. Este modelo prefiguró implementaciones modernas de simultaneidad, como el lenguaje de programación Erlang y el marco Akka. # Madurar el campo: del razonamiento a la acción ## 1977 — Victor Lesser: sistemas multiagente A finales de la década de 1970, surgió la inteligencia artificial distribuida (DAI). Fue promovida por Victor Lesser, quien es ampliamente reconocido por ser pionero en los sistemas multiagente (MAS). Su trabajo se centró en cómo las entidades de software independientes podían cooperar, coordinarse y negociar (consulte la sección de [Recursos](resources.md)). Este desarrollo dio lugar a sistemas que eran capaces de resolver problemas complejos de forma colectiva, lo que supuso un avance fundamental en la creación de inteligencia distribuida. ## Década de 1990: Michael Wooldridge y Nicholas Jennings: el espectro de agentes En la década de 1990, el campo de la inteligencia distribuida había madurado gracias a las contribuciones de investigadores como Michael Wooldridge y Nicholas Jennings. Estos estudiosos clasificaron a los agentes según un espectro, desde reactivos hasta deliberativos, desde sistemas no cognitivos hasta agentes razonadores impulsados por objetivos (Wooldridge y Jennings 1995). Su trabajo hacía hincapié en que los agentes ya no eran ideas abstractas, sino que se aplicaban en una amplia gama de ámbitos prácticos, desde la robótica hasta el software empresarial. Estos investigadores también introdujeron un cambio de enfoque: del razonamiento centralizado a la acción distribuida. Los agentes ya no eran solo pensadores, sino actores que operaban en entornos en tiempo real con autonomía y propósito. ## 1996: Hyacinth S. Nwana: formalizando el concepto de agente En 1996, Hyacinth S. Nwana publicó el influyente paper [Software Agents: An Overview*,* que proporcionaba la clasificación de agentes](https://teaching.shu.ac.uk/aces/rh1/elearning/multiagents/introduction/nwana.pdf) más completa hasta la fecha. Su tipología incluía atributos como la autonomía, la capacidad social, la reactividad, la proactividad, el aprendizaje y la movilidad, y diferenciaba entre agentes de software y construcciones de software tradicionales. Nwana también ofreció una definición ampliamente aceptada, parafraseada: *un agente de software es un programa informático basado en software que actúa en nombre de un usuario u otro programa en una relación de agencia, que deriva de la noción de delegación*. Esta formalización fue fundamental para que los agentes de software pasaran de ser construcciones teóricas a aplicaciones del mundo real. Dio lugar a una generación de sistemas basados en agentes en campos como las telecomunicaciones, la automatización del flujo de trabajo y los asistentes inteligentes. El trabajo de Nwana se sitúa en el punto de convergencia de las primeras investigaciones sobre la IA distribuida y las arquitecturas operativas de los agentes modernos. Es un puente crucial entre la teoría cognitiva de los agentes y su despliegue práctico en los sistemas actuales. # Una línea temporal paralela: el auge de los grandes modelos lingüísticos Mientras los marcos de agentes evolucionaban, se estaba produciendo una revolución paralela y convergente en el procesamiento del lenguaje natural y el aprendizaje automático: + **2017 — Transformers**: The paper [Attention Is All You Need](https://proceedings.neurips.cc/paper_files/paper/2017/file/3f5ee243547dee91fbd053c1c4a845aa-Paper.pdf) (Vaswani et al. 2017) presentó la arquitectura de transformadores, que mejoró drásticamente la forma en que las máquinas procesan y generan el lenguaje. + **2022 — ChatGPT**: OpenAI lanzó una interfaz de chat para GPT-3.5 llamada ChatGPT, que permitía una conversación natural e interactiva con un sistema de IA de uso general. + **2023 LLMs: código abierto:** las versiones de Llama, Falcon y Mistral hicieron que los modelos potentes fueran ampliamente accesibles y aceleraron el desarrollo de marcos de agentes en entornos empresariales y de código abierto. Estas innovaciones convirtieron los modelos lingüísticos en motores de razonamiento capaces de analizar el contexto, planificar acciones y encadenar respuestas, y LLMs se convirtieron en elementos clave de los agentes de software inteligentes. # Los plazos convergen: el surgimiento de la IA agencial ## 2023-2024: plataformas de agentes de nivel empresarial La convergencia de las arquitecturas de agentes de software distribuidas y las basadas en transformadores LLMs culminó con el auge de la IA de los agentes. + [Amazon Bedrock Agents](https://docs.aws.amazon.com/bedrock/latest/userguide/agents.html) presentó una forma totalmente gestionada de crear agentes de software basados en objetivos y que utilizan herramientas mediante modelos básicos de Amazon Bedrock. + El**** Model Context Protocol (MCP) de Anthropic definió un método para que los modelos lingüísticos de gran tamaño pudieran acceder a herramientas, entornos y memoria externos e interactuar con ellos. Esto es clave para el comportamiento contextual, persistente y autónomo. Estos dos hitos representan la síntesis de la agencia y la inteligencia. Los agentes ya no estaban limitados a flujos de trabajo estáticos o a una automatización rígida. Ahora podían razonar en varios pasos, coordinarse con las herramientas y APIs mantener el estado contextual, y aprender y adaptarse con el tiempo. ## Enero-junio de 2025: capacidades empresariales ampliadas En la primera mitad de 2025, el panorama de la IA de las agencias se expandió significativamente con nuevas capacidades empresariales. En febrero de 2025, Anthropic lanzó el Claude 3.7 Sonnet, que fue el primer modelo de razonamiento híbrido del mercado, y la especificación MCP obtuvo una amplia adopción. Los asistentes de codificación de IA, como [Amazon Q Developer](https://aws.amazon.com/q/developer/), Cursor y MCP WindSurf integrado, permiten estandarizar la generación de código, el análisis de repositorios y los flujos de trabajo de desarrollo. La versión de marzo de 2025 de MCP introdujo importantes funciones listas para la empresa, como la integración de la seguridad OAuth 2.1, la ampliación de los tipos de recursos para diversos tipos de acceso a los datos y las opciones de conectividad mejoradas a través de Streamable HTTP. Sobre esta base, AWS anunció en mayo de 2025 su incorporación al comité directivo del MCP y su contribución a las nuevas capacidades de comunicación. agent-to-agent Esto refuerza aún más la posición del protocolo como estándar de la industria para la interoperabilidad de la IA entre agencias. [En mayo de 2025, AWS reforzó las opciones de los clientes para crear flujos de trabajo de IA para agencias mediante el código abierto del marco Strands Agents.](https://strandsagents.com) Este marco independiente del proveedor y del modelo permite a los desarrolladores utilizar modelos básicos en todas las plataformas y, al mismo tiempo, mantener una profunda integración de los servicios. AWS Como se destaca en el [blog de código AWS abierto](https://aws.amazon.com/blogs/opensource/introducing-strands-agents-an-open-source-ai-agents-sdk/), Strands Agents sigue una filosofía de diseño basada en el modelo, que sitúa los modelos básicos en el centro de la inteligencia de los agentes. Esto facilita a los clientes la creación y el despliegue de agentes de IA sofisticados para sus casos de uso específicos. ## Emergence: IA agencial La evolución de los agentes de software, desde las primeras ideas de autonomía hasta la moderna orquestación basada en la LLM, ha sido prolongada y escalonada. Lo que comenzó con la visión de Oliver Selfridge de percibir los programas se ha convertido en un ecosistema sólido de agentes de software inteligentes, sensibles al contexto y orientados a objetivos, que pueden colaborar, adaptarse y razonar. La convergencia de la inteligencia artificial distribuida (DAI) y la IA generativa basada en transformadores marca el comienzo de una nueva era en la que los agentes de software ya no son solo herramientas, sino actores autónomos en los sistemas inteligentes. La IA de Agentic representa la próxima evolución en los sistemas de software. Proporciona una clase de agentes inteligentes que son autónomos, asíncronos y agenciales, y que pueden actuar con una intención delegada y operar con determinación en entornos dinámicos y distribuidos. Agentic AI unifica lo siguiente: + El linaje arquitectónico de los sistemas multiagente y el modelo actor + El modelo cognitivo de percibir, razonar, actuar + El poder generador LLMs y los transformadores + La flexibilidad operativa de la computación nativa de la nube y sin servidor