¿Qué es un agente de IA?

En ecommerce, «agente» se usa para casi todo: el chatbot de la esquina de la web, una automatización que manda correos, el comercial que atiende por teléfono. Aquí un agente de IA es algo más preciso: un programa que recibe un encargo y decide por sí mismo los pasos para cumplirlo, usando herramientas como buscar en un catálogo o crear un carrito. A una tienda le importa porque ese programa ya visita tiendas por encargo de compradores, y lo que encuentra depende de lo que la tienda le deja leer y hacer.

Cómo funciona

OpenAI lo define en una frase: un agente es un sistema que completa tareas en tu nombre con un alto grado de independencia. Su guía para construirlos le pide tres rasgos: usa un LLM (modelo de lenguaje grande) para dirigir la ejecución y tomar decisiones, reconoce cuándo ha terminado y corrige sus acciones si hace falta, y si algo falla detiene la ejecución y devuelve el control al usuario. Además tiene acceso a herramientas para consultar sistemas externos y actuar sobre ellos, y elige cuál usar según el estado de la tarea, dentro de unos límites definidos. La misma guía excluye a las aplicaciones que integran un modelo de lenguaje sin dejarle controlar el flujo: un chatbot sencillo, una respuesta de un solo turno o un clasificador de opiniones no son agentes.⁠^{[1]OpenAI. A practical guide to building agents}

Anthropic traza la línea en el mismo sitio, con otras palabras. Llama sistemas agénticos a todo lo que combina modelos y herramientas, y dentro separa dos cosas: los flujos de trabajo (workflows), donde el modelo y las herramientas siguen caminos definidos de antemano en el código, y los agentes, donde el modelo dirige de forma dinámica su propio proceso y el uso de herramientas.⁠^{[2]Anthropic, blog de ingeniería. Building effective agents} En la práctica, un agente trabaja en bucle: actúa, mira lo que devuelve el entorno en cada paso (el resultado de una herramienta, por ejemplo) para saber si avanza, puede pararse a pedir ayuda a una persona y suele tener una condición de parada, como un número máximo de pasos. Anthropic recomienda empezar por la solución más simple posible, porque un agente cambia latencia y coste por mejores resultados en tareas abiertas.⁠^{[2]Anthropic, blog de ingeniería. Building effective agents}

Las herramientas son la pieza que convierte un modelo que habla en uno que actúa. La capacidad del modelo de pedir que se ejecute una función es el tool calling, y el MCP (Model Context Protocol) estandariza cómo un servidor ofrece esas herramientas a cualquier aplicación. Su especificación las define como controladas por el modelo, que las descubre y las invoca según el contexto, y añade que siempre debería haber una persona en el bucle con capacidad de rechazar una llamada.⁠^{[3]Model Context Protocol. Tools (Model Context Protocol, especificación 2026-07-28)}

Cuando la tarea es comprar, aparecen preguntas que una búsqueda no tiene. Google las resume al presentar su protocolo de pagos para agentes: probar que el usuario dio al agente autoridad para esa compra concreta, que la petición del agente refleja lo que el usuario quería y quién responde si la transacción es fraudulenta o incorrecta.⁠^{[4]Google Cloud, blog oficial. Announcing Agent Payments Protocol (AP2)} En la compra dentro de ChatGPT, OpenAI describe a su asistente como el agente de IA del usuario, que pasa la información entre el comprador y el comercio como lo haría un personal shopper.⁠^{[5]OpenAI. Buy it in ChatGPT: Instant Checkout and the Agentic Commerce Protocol}

En una tienda

Un ejemplo ficticio: un comprador le dice a un asistente «busco una mochila de 30 litros impermeable por menos de 120 euros, que llegue antes del viernes». Un agente lo resuelve en pasos, y cada paso pide algo distinto a la tienda:

Si en el paso 1 la impermeabilidad solo está en una imagen, el agente no la ve y la mochila queda fuera, aunque sea la mejor respuesta. Lo que el agente no puede leer, para él no existe.

Cómo comprobarlo

1. Pide la lista de herramientas. Un agente de verdad puede enseñar qué herramientas tiene y qué hace cada una: leer, escribir o pagar.⁠^{[3]Model Context Protocol. Tools (Model Context Protocol, especificación 2026-07-28)}
2. Mira quién confirma. Antes de que el agente haga algo que cambie datos o mueva dinero, tiene que haber un paso en el que una persona lo vea y pueda rechazarlo.⁠^{[3]Model Context Protocol. Tools (Model Context Protocol, especificación 2026-07-28)}
3. Pregunta cómo se para. Un agente debería tener una condición de parada, como un número máximo de pasos, y devolver el control cuando se atasca.⁠^{[2]Anthropic, blog de ingeniería. Building effective agents}⁠^{[1]OpenAI. A practical guide to building agents}
4. Pruébalo contra tu catálogo. Encarga a un asistente con búsqueda una tarea de compra en tu categoría y apunta qué datos de tu tienda usó y cuáles no encontró.

Concepto cercano: IA agéntica

La IA agéntica es el campo, y el agente es el sistema concreto. Anthropic usa «sistemas agénticos» para el conjunto, que incluye tanto los flujos de trabajo con caminos fijos como los agentes que deciden su propio camino.⁠^{[2]Anthropic, blog de ingeniería. Building effective agents} Así que no todo lo agéntico es un agente: un proceso que resume opiniones con un modelo y siempre sigue los mismos pasos es un flujo, aunque use IA. Para una tienda, la pregunta útil es quién decide el siguiente paso, si el código o el modelo.

Para seguir, el comercio agéntico aplica todo esto a la compra, y la ruta de lectura de comercio agéntico ordena los protocolos con los que un agente habla con una tienda.