Qué es cada cosa
Modelo de IA
Un modelo de IA es el componente matemático aprendido. Recibe una entrada y produce una salida, como una predicción, texto generado o una llamada a una herramienta solicitada. Por sí solo, el modelo no proporciona una pantalla de chat, conserva el estado de la aplicación ni ejecuta una acción externa. Esas son responsabilidades del sistema que rodea al modelo.
Chatbot de IA
Un chatbot de IA es una aplicación cuya interfaz principal es la conversación. Acepta mensajes y devuelve respuestas conversacionales. Su backend puede consistir en una llamada a un modelo, un flujo de trabajo fijo, un agente o una combinación de estos. «Chatbot» indica cómo interactúa una persona con el producto, no cuán autónomo es su backend.
Arnés de IA
Un arnés de IA es el software y la configuración que hacen que un modelo sea utilizable dentro de una aplicación. Puede construir prompts, cargar contexto relevante, exponer herramientas, ejecutar solicitudes de herramientas, conservar el estado, transmitir la salida, aplicar permisos y decidir cuándo debe detenerse una ejecución.
El término aún se está consolidando. Algunos desarrolladores usan «arnés» específicamente para el bucle entre el modelo y las herramientas. Otros incluyen casi toda la infraestructura de la aplicación circundante. En ambos usos, el arnés está fuera del modelo aprendido.
Agente de IA
Un agente de IA es un sistema que persigue un objetivo al permitir que un modelo elija acciones, observe resultados y decida qué hacer a continuación. El arnés ejecuta y restringe ese proceso. Un agente suele utilizar herramientas y puede trabajar durante varios pasos sin pedir al usuario que dirija cada uno de ellos.
No existe un umbral universal de autonomía. Una prueba práctica útil es el flujo de control: si el modelo puede adaptar el siguiente paso a un resultado intermedio, el sistema es agéntico. Si el código fija por adelantado la ruta completa, es mejor describirlo como un flujo de trabajo, aunque este realice varias llamadas al modelo.
La distinción real
Cada término responde a una pregunta diferente:
- Modelo: ¿Qué componente aprendido transforma una entrada en una salida?
- Chatbot: ¿Dónde mantiene una persona una conversación con el sistema?
- Arnés: ¿Qué software proporciona contexto, ejecuta operaciones y aplica controles alrededor del modelo?
- Agente: ¿Qué sistema elige una secuencia de acciones para alcanzar un objetivo?
| Term | Kind of thing | Main responsibility | Can it affect an external system by itself? |
|---|---|---|---|
| Model | Learned component | Produce an output from an input | No. It can request or describe an action, but software must execute it. |
| Chatbot | Application and interface | Conduct a conversation | It depends on its backend. A simple chatbot only responds; an agentic chatbot can act. |
| Harness | Software control and execution layer | Prepare model calls, run allowed tools, manage state, and enforce rules | It performs configured operations, but does not supply the model’s judgment or goal by itself. |
| Agent | Goal-directed system | Select and perform steps based on observations | Yes, within the tools, permissions, and approval rules its harness provides. |
Las categorías pueden anidarse. Un chatbot puede utilizar un arnés para llamar a un modelo. Si el modelo puede dirigir un bucle de herramientas hacia un objetivo, ese mismo producto también contiene un agente. En cambio, un agente puede ejecutarse a partir de una solicitud de API, una programación o un evento sin ningún chatbot.
Una solicitud, cuatro funciones
Supón que escribes: «Cambia mi entrega al viernes y confirma el cambio».
El chatbot recibe el mensaje y muestra la respuesta. El modelo interpreta la solicitud y podría decidir que necesita consultar un pedido. El arnés construye la entrada del modelo, ofrece una herramienta de consulta de pedidos, valida la llamada solicitada, la ejecuta y devuelve el resultado.
Si el viernes no está disponible, un agente puede adaptarse. Podría consultar otras fechas, pedirte que elijas una, esperar tu respuesta, actualizar la entrega después de obtener aprobación y, a continuación, verificar la nueva fecha. El modelo elige esos pasos siguientes a partir de las observaciones. El arnés es lo que realmente llama al sistema de entregas y aplica las reglas de permisos.
Un chatbot no agéntico aún podría gestionar la solicitud. Podría seguir un formulario de intercambio codificado de forma fija o simplemente explicar cómo puedes cambiar la fecha por tu cuenta. La conversación por sí sola no determina la agencia.
Cuándo importa cada distinción
Cuándo importa el modelo
Concéntrate en el modelo cuando compares la calidad y la forma de las salidas generadas: qué entradas acepta, con qué fiabilidad sigue las instrucciones o cómo se comporta en tus evaluaciones. Cambiar de modelo puede mejorar o modificar las decisiones sin cambiar la interfaz del producto ni el diseño de ejecución.
Cuándo importa el chatbot
Concéntrate en el chatbot cuando el problema sea la usabilidad conversacional. El historial de mensajes, la alternancia de turnos, las aclaraciones, el tono, la accesibilidad y la transferencia a una persona son aspectos del chatbot. Un backend capaz aún puede producir un chatbot deficiente si la interacción resulta confusa.
Cuándo importa el arnés
Concéntrate en el arnés cuando el problema incluya fiabilidad, contexto, herramientas, estado, seguridad u observabilidad. Un modelo no puede hacer cumplir sus propios permisos simplemente porque se le indique que lo haga. El arnés debe restringir las operaciones disponibles, validar las llamadas, exigir aprobaciones, registrar los resultados y detener ejecuciones inseguras o descontroladas.
El mismo modelo puede comportarse de manera muy diferente bajo dos arneses porque ve contextos distintos, recibe herramientas diferentes y obtiene comentarios diferentes después de actuar.
Cuándo importa el agente
Concéntrate en el agente cuando la tarea requiera elegir y revisar una ruta en lugar de producir una sola respuesta. La agencia es útil para trabajos abiertos cuyos resultados intermedios determinan el siguiente paso. También introduce más formas de fallar: una acción inicial equivocada puede cambiar lo que ocurre después, por lo que importan los límites de las herramientas, la verificación y la aprobación humana.
Confusiones habituales
Un chatbot no es lo mismo que su modelo
El chatbot es la interfaz del producto y su comportamiento como aplicación. El modelo es un componente que funciona detrás de él. Un chatbot puede distribuir solicitudes entre varios modelos, y un mismo modelo puede impulsar muchos productos no relacionados.
Una ventana de chat no demuestra que haya un agente
Una sola respuesta del modelo puede aparecer en un globo de chat. A la inversa, un agente puede ejecutarse en segundo plano sin ninguna conversación. El chat describe la interfaz; la agencia describe cómo el sistema persigue un trabajo.
El acceso a herramientas por sí solo no resuelve la cuestión de si hay un agente
Un programa fijo puede llamar siempre a la misma herramienta después de cada solicitud. Eso es automatización, pero el modelo no está dirigiendo el proceso. La señal más sólida es si la salida del modelo determina qué acción ocurre a continuación y si las observaciones pueden cambiar el plan.
El arnés no es la inteligencia dentro del modelo
El arnés puede contener una lógica considerable, pero no pasa a formar parte del modelo entrenado. Decide qué puede ver y hacer el modelo, ejecuta solicitudes y aplica controles deterministas. Mantener visible ese límite facilita diagnosticar los fallos: una decisión deficiente puede ser un problema del modelo, mientras que un resultado incorrecto de una herramienta o la ausencia de una comprobación de aprobación son problemas del sistema.
«Chatbot agéntico» no es una contradicción
Un producto puede ser ambas cosas. Es un chatbot porque la conversación es su interfaz. Es agéntico cuando su backend puede elegir y ejecutar varios pasos para alcanzar el objetivo del usuario.
Cómo encajan las piezas
Una disposición habitual tiene este aspecto:
user → chatbot surface → harness → model
↕
tools and dataCuando el modelo utiliza los resultados de las herramientas para seleccionar acciones posteriores dirigidas a un objetivo, el modelo, el arnés y las herramientas disponibles forman conjuntamente un agente. El chatbot sigue siendo una interfaz opcional superpuesta.
Consulta las páginas de los componentes para obtener el tratamiento completo de los modelos de IA, chatbots de IA, arneses de IA y agentes de IA. Continúa con ¿Qué es el uso de herramientas en los LLM? para conocer el límite entre un modelo que propone una acción y el arnés que la ejecuta.