AI Agents
Software que usa un LLM para decidir el siguiente paso, llama a herramientas para actuar sobre esa decisión y itera hasta cumplir el objetivo.
Un AI agent es el loop, no el modelo. El modelo (Claude, GPT, Gemini, un LLM open-weights) es el que decide. El agent es el runtime: le da al modelo un objetivo, le deja invocar herramientas (una base de datos, una API, un intérprete de código, otro agent), observa el resultado y vuelve a alimentar el loop hasta terminar.
La distinción importa porque los sistemas agénticos fallan distinto que las aplicaciones LLM puras. Un chatbot se puede equivocar y el usuario sigue adelante. Un agent que se equivoca manda un email, hace una transacción o borra un archivo. Los agents en producción necesitan gates de autorización, observabilidad y circuit breakers que la mayoría de prototipos se saltan.
La postura de Wavect: primero preguntar si IA es la herramienta adecuada aquí, después si un agent es la forma adecuada de IA. La mayoría de flujos vendidos como „agénticos" se resuelven mejor con un pipeline determinista y una sola llamada al LLM en medio.