Un hub temático sobre agentes de IA, flujos de trabajo, uso de herramientas, orquestación, permisos y riesgos de gobernanza creados por la acción semiautónoma.
30
Términos
10
Comparaciones
8
Preguntas
La IA agéntica cubre sistemas que hacen más que producir una sola respuesta: pueden planificar, llamar herramientas, delegar tareas y actuar a través de flujos de trabajo. Esto hace que el límite de control sea más amplio que en los chatbots ordinarios.
Cuando un sistema de IA puede usar herramientas o automatizar acciones, el cumplimiento debe considerar permisos, logs, escalamiento, pruebas y uso indebido razonablemente previsible.
Útil para revisiones de despliegue de agentes, gobernanza de automatización, integración segura de herramientas, clasificación de inventarios de IA y planificación de respuesta a incidentes.
Términos centrales para comprender agentes, comportamiento agéntico y ciclos repetidos de observar-planificar-actuar.
Conceptos para conectar agentes con herramientas, flujos de trabajo, APIs y delegación de tareas.
Términos de riesgo para limitar lo que un agente puede ver, decidir y ejecutar.
Una comparación lado a lado entre IA agéntica y agente de IA. Comprenda cómo la IA agéntica describe una clase de sistemas autónomos orientados a objetivos, mientras que un agente de IA es la entidad o sistema de software que actúa.
Comparación lado a lado entre flujo de trabajo agéntico y bucle agéntico. Explica cómo difieren los términos, cuándo aplica cada uno y qué significa la distinción para la gobernanza, el diseño de sistemas o la evidencia de assurance.
Comparación lado a lado entre IA agéntica y sistemas autónomos. Explica cómo los sistemas de IA que planifican y actúan hacia objetivos difieren de la categoría más amplia de sistemas que operan sin intervención humana continua.
Comparación lado a lado entre agente de IA y bot. Explica cómo difieren los términos, cuándo aplica cada uno y qué significa la distinción para la gobernanza, el diseño de sistemas o la evidencia de assurance.
Comparación lado a lado entre Model Context Protocol y plugins. Explica cómo difieren los términos, cuándo aplica cada uno y qué significa la distinción para la gobernanza, el diseño de sistemas o la evidencia de assurance.
A side-by-side comparison of Function Calling and Plugins. Understand how structured tool invocation differs from modular extensions attached to an AI system or agent.
A side-by-side comparison of Action Space and Identity And Access Management Permissions. Understand how an agent’s available actions differ from the access controls that authorize actions on resources.
A side-by-side comparison of [AI] Orchestration and Agentic Workflow. Understand how system-level coordination differs from an agent planning and carrying out multiple steps toward a goal.
A side-by-side comparison of Automation and Agentic Process Automation. Understand how general technology-enabled task execution differs from autonomous or semi-autonomous AI-agent workflow execution.
A side-by-side comparison of Attack Surface and Action Space. Understand how system exposure to abuse differs from the set of actions available to an AI agent.
La orquestación de IA es la coordinación y el enrutamiento de tareas de IA, flujos de trabajo, llamadas a modelos, herramientas y agentes dentro de un sistema. Ayuda a dividir procesos complejos en pasos manejables y asignarlos a los modelos, subagentes o componentes de automatización adecuados.
La llamada a funciones es una capacidad que permite a un modelo de lenguaje invocar herramientas externas, API o funciones predefinidas. Amplía el comportamiento del modelo más allá de la generación de texto al permitir acciones estructuradas, recuperación, cálculo o integración con sistemas.
Model Context Protocol (MCP) es un protocolo para conectar modelos o asistentes de IA con herramientas externas, fuentes de datos y servicios mediante una interfaz estandarizada. Ayuda a separar el comportamiento del modelo de la integración de herramientas y puede mejorar la portabilidad, la gobernanza y la gestión del contexto.
El espacio de acciones es el conjunto de herramientas, operaciones, permisos o movimientos disponibles para un agente al realizar una tarea. Un espacio de acciones bien delimitado debe ser suficiente para la tarea y, al mismo tiempo, limitar capacidades innecesarias que puedan aumentar errores o riesgos de gobernanza.
Los permisos de IAM, o gestión de identidades y accesos, son controles granulares que definen qué sujetos pueden realizar qué acciones sobre qué recursos. Suelen asignarse mediante roles a usuarios, grupos, cuentas de servicio o aplicaciones para aplicar acceso de mínimo privilegio.
Un agente enrutador es un agente que clasifica una solicitud o tarea del usuario y la dirige al agente especializado, herramienta o flujo de trabajo más adecuado. Se usa en sistemas multiagente para coordinar responsabilidades y mejorar la gestión de tareas.
Los sistemas multiagente son sistemas compuestos por varios agentes interactuantes que pueden percibir, decidir, comunicarse y actuar dentro de un entorno. Se usan para modelar resolución distribuida de problemas, coordinación, negociación, competencia y comportamiento colectivo.
La gobernanza de IA es el marco de políticas, procesos, roles, controles y supervisión usado para orientar el desarrollo y uso de IA durante su ciclo de vida. Busca asegurar prácticas de IA responsables, legales, seguras, transparentes y responsables dentro de una organización o jurisdicción.