Agente vs. chat: el bucle objetivo → plan → acción

Todo lo que has estudiado hasta ahora ha sido un diálogo: tú preguntas → responde → tú decides qué sigue. Un agente toma el «qué sigue» por sí mismo. En la lección anterior acordamos una definición de trabajo de un agente; ahora vamos a desglosar el mecanismo en el que se basa todo el curso: el bucle.

El bucle del agente

1. Objetivo: «encontrar 10 espacios publicitarios adecuados y recopilar sus precios en una tabla».
2. Plan: el agente desglosa el objetivo en pasos: buscar espacios → abrir cada uno → encontrar la tarifa → anotarla.
3. Acción: llama a una herramienta — una operación externa disponible para el modelo: buscar, leer una página, escribir en una hoja. Las herramientas son las «manos» de las que carecía el chat de 2022.
4. Observación: obtiene el resultado de la acción y evalúa: ¿funcionó? ¿hay datos suficientes? El resultado de cada acción se llama literalmente una observación.
5. Repetir — desde el paso 2, hasta que se cumpla el objetivo (o se alcance el límite de turnos — una salvaguarda contra bucles infinitos, cubierta en el módulo de fiabilidad).

La diferencia clave con el chat: el modelo toma las decisiones dentro del bucle, no tú. Tú estableces el objetivo, los límites y las herramientas — el agente construye la ruta por sí mismo.

Un mini-seguimiento: tres turnos a través de los ojos del agente

Así es como se ve el bucle desde dentro — en nuestra tarea de espacios:

• Turno 1. Pensamiento: Necesito una lista de espacios. Acción: buscar «publicidad en blogs de cocina». Observación: 12 enlaces, 7 parecen blogs.
• Turno 2. Pensamiento: abrir el primero. Acción: abrir enlace #1. Observación: la página no se cargó — error.
• Turno 3. Pensamiento: enlace roto — marcarlo, tomar el siguiente. Acción: abrir enlace #2. Observación: hay una página de «Anunciarse» con un precio. Escribiéndolo en la tabla.

Mira el turno 2: la herramienta devolvió un error — y el agente revisó el plan en lugar de seguir obstinadamente. La observación es lo que mantiene vivo el bucle. ¿Recuerdas AutoGPT de la lección anterior? Falló exactamente aquí: se convenció de que el paso había tenido éxito y arrastró el «éxito» inventado a los siguientes turnos.

Un agente no es un modelo nuevo

Quitemos la magia: dentro de un agente corre el mismo modelo de lenguaje que en un chat. La diferencia es el arnés que lo rodea: el bucle, las herramientas y la memoria (lo que el agente guarda entre turnos — una lección aparte más adelante). Así, el agente hereda todas las debilidades del modelo: puede equivocarse, puede «ver» cosas que no están ahí. Y el bucle amplifica tanto las habilidades como los errores: una observación errónea en el turno 2 se convierte en la entrada del turno 3.

La respuesta: un chat debe entregar todo de una vez, mientras que un agente puede intentar, ver el resultado y corregirse. No más inteligencia — más intentos, y cada uno de ellos se basa en la realidad (observaciones), no en una suposición.

Ya has visto agentes

• Investigación profunda — un agente de búsqueda: planifica consultas, lee fuentes, elabora un informe. Su bucle: consulta → leer → «¿qué falta?» → nueva consulta.
• Agentes de codificación (Claude Code, Replit y otros) — escriben código, lo ejecutan, ven el error, lo corrigen. Ejecutar el código es su «observación».
• El nodo de agente en n8n — el constructor de automatizaciones que nuestra plataforma cubre en un curso aparte: el propio nodo decide si comprobar la hoja o ejecutar una búsqueda.

El mismo patrón cada vez — ahora ya sabes su nombre y puedes ver su bucle.

Cuándo necesitas un agente, y cuándo un chat o un flujo de trabajo servirán

• Una respuesta de un solo paso → un chat.
• Una cadena de pasos fija → un flujo de trabajo (flechas en n8n): un humano escribió la ruta de antemano — más barato y predecible.
• Pasos desconocidos de antemano, dependiendo de los hallazgos → un agente.

El error clásico de principiante es usar un agente donde un flujo de trabajo serviría. Un agente no es «más guay» — es «más flexible a un precio»: cada turno es una llamada de modelo separada, por lo que es más costoso, lento y menos predecible. Una lección entera está dedicada a esta elección — justo después del mapa de aplicaciones.

Sandbox: siente la diferencia con tus manos

Envía dos prompts uno tras otro y compara. Primero un chat normal:

Responde en un párrafo: ¿cómo planifico el lanzamiento de un nuevo producto?

Ahora haz que el modelo actúe como un agente:

Actúa como un agente autónomo. OBJETIVO: planificar el lanzamiento de un nuevo producto.
Trabaja en un bucle: Pensamiento → Acción (llamada a herramienta) → Observación.
Las herramientas son solo imaginarias: search(query), calendar_add(event),
send_email(to, text). Muestra 5 turnos del bucle, inventa observaciones plausibles.
Después del turno 5 — DETENTE y un breve resumen: hecho vs. restante.

El contraste entre la primera y la segunda respuesta es la definición de un agente: no «una respuesta» sino «trabajo en un bucle».

Hazlo ahora

Ejecuta ambos prompts del sandbox. En la segunda respuesta, busca un turno donde una observación cambió el plan. Si no lo hay — añade la línea «en el turno 3 la herramienta devuelve un error» al prompt y observa cómo el modelo redirige.