🎓 ACADEMIA IA LAB
Autor: Alejandro Arias-Salazar, PhD | Fuente: IA Lab | Fecha: Agosto 15, 2026
Resumen Ejecutivo
Todos hablan de agentes de IA, pero ¿cómo funcionan realmente por dentro? En este video, Oliver Nabani hace una disección completa de la arquitectura interna de un agente de IA: el modelo, las herramientas, la memoria, el ciclo de razonamiento-acción, el system prompt y los guardrails. En este artículo traducimos y expandimos ese conocimiento para que entiendas exactamente qué pasa dentro de un agente cuando le das una instrucción.
¿Qué es un Agente de IA por Dentro?
Un agente de IA no es un solo componente. Es un sistema orquestado donde múltiples piezas trabajan juntas en un ciclo continuo. Oliver Nabani lo explica como un «cerebro con brazos, ojos y memoria» — un modelo de lenguaje que ha sido envuelto en una arquitectura que le permite percibir, razonar, actuar y recordar.
Para entenderlo, hay que abrir la caja negra y ver sus componentes internos:
Los Componentes Internos de un Agente de IA
1. El Modelo (El Cerebro)
En el centro de todo agente hay un modelo de lenguaje (LLM). Puede ser Gemini, GPT, Claude, Llama o cualquier modelo con capacidad de razonamiento. El modelo es el que entiende la instrucción, decide qué hacer y genera las respuestas. Pero el modelo solo no es un agente: es un cerebro sin cuerpo.
Lo que convierte a un modelo en un agente es todo lo que lo rodea.
2. El System Prompt (El Manual de Instrucciones)
Cada agente tiene un system prompt que define su personalidad, sus límites, sus objetivos y las reglas que debe seguir. Es como el contrato de trabajo del agente. Aquí se define:
- Quién es el agente y cuál es su propósito
- Qué herramientas puede usar y en qué orden
- Cómo debe comunicarse (tono, formato, idioma)
- Qué cosas NO debe hacer bajo ninguna circunstancia
- Cómo debe manejar errores o situaciones ambiguas
«El system prompt es el ADN del agente. Cambia el prompt y cambias el agente por completo.»
3. Las Herramientas (Los Brazos)
Sin herramientas, un agente solo puede conversar. Las herramientas son lo que le permite actuar en el mundo real. Oliver Nabani clasifica las herramientas en varias categorías:
- Function Calling: Llamar a APIs externas — Google Maps, Slack, Gmail, bases de datos, CRMs
- Web Search: Buscar información actualizada en internet
- Code Execution: Escribir y ejecutar código Python, JavaScript, bash
- File Operations: Leer, escribir, modificar archivos (PDFs, DOCX, imágenes, hojas de cálculo)
- Database Queries: Consultar SQL, vectores en bases de datos vectoriales, APIs REST
- Computer Use: Controlar interfaces de usuario, navegar por páginas web, llenar formularios
- MCP (Model Context Protocol): Conexión estandarizada a cualquier herramienta externa
4. La Memoria (El Archivo)
Los modelos tienen un límite de contexto. Un agente necesita memoria que vaya más allá:
- Memoria a corto plazo: El historial de la conversación actual. Lo que el agente «recuerda» de lo que acaba de pasar.
- Memoria a largo plazo: Información persistente que sobrevive entre sesiones. Se almacena en bases de datos vectoriales o archivos externos. El agente puede consultar esta memoria cuando la necesita.
- Memoria episódica: Registro de acciones pasadas, resultados obtenidos y lecciones aprendidas. Permite que el agente mejore con la experiencia.
Oliver Nabani muestra cómo la memoria es lo que separa a un agente útil de uno frágil. Sin memoria, cada interacción empieza desde cero.
5. El Ciclo de Razonamiento-Acción (El Motor)
El corazón del agente es su ciclo interno. Oliver lo explica como un loop continuo:
- Percibir: El agente recibe una instrucción o un estímulo del entorno (un mensaje, un cambio en una base de datos, una notificación)
- Razonar: El modelo procesa la entrada, consulta su system prompt, revisa su memoria y decide qué hacer
- Planificar: Si la tarea es compleja, el agente la divide en pasos más pequeños y decide qué herramientas usar en cada paso (Chain-of-Thought, ReAct, Tree-of-Thoughts)
- Actuar: El agente ejecuta una herramienta, hace una llamada API, escribe código, o responde al usuario
- Observar: El agente recibe el resultado de su acción y lo evalúa
- Iterar: Vuelve al paso 2 con la nueva información. Así hasta completar la tarea o llegar a un límite
«Un agente no es inteligente porque tenga un buen modelo. Es inteligente porque sabe cuándo pensar, cuándo actuar y cuándo preguntar.»
6. Los Guardrails (Las Barreras de Seguridad)
Un agente autónomo necesita límites claros para operar de forma segura. Oliver destaca varios tipos de guardrails:
- Límites de herramientas: Qué herramientas puede usar, con qué parámetros, y cuáles están prohibidas
- Límites de datos: Qué información puede leer, cuál no, y qué puede compartir
- Límites de acciones: Cuándo necesita aprobación humana antes de ejecutar una acción crítica
- Límites de gasto: Cuántas llamadas API puede hacer, cuánto código puede ejecutar
- Límites de tiempo: Cuánto tiempo puede dedicar a una tarea antes de reportar
7. La Orquestación (El Director de Orquesta)
Los agentes más avanzados no trabajan solos. Trabajan en sistemas multi-agente donde un agente orquestador coordina a varios agentes especializados. Oliver explica cómo funciona esta arquitectura:
- Agente orquestador: Recibe la tarea principal, la divide y asigna sub-tareas a agentes especializados
- Agentes especializados: Cada uno tiene su propio system prompt, herramientas y memoria. Uno investiga, otro redacta, otro revisa, otro publica
- Enrutamiento: El orquestador decide qué agente debe ejecutar cada paso y en qué orden
- Votación o consenso: En sistemas críticos, múltiples agentes pueden resolver el mismo problema y comparar resultados
Arquitectura Visual de un Agente
Oliver Nabani presenta una arquitectura que puedes visualizar así:
INPUT (instrucción del usuario)
↓
GUARDRAILS (validación de seguridad)
↓
MODELO + SYSTEM PROMPT (razonamiento)
↓
PLANIFICACIÓN (división en pasos)
↓
SELECCIÓN DE HERRAMIENTAS (qué usar para cada paso)
↓
EJECUCIÓN (llamada a API, código, búsqueda)
↓
OBSERVACIÓN + MEMORIA (guardar resultado)
↓
¿Tarea completa? → Sí → OUTPUT (respuesta final)
→ No → Volver a PLANIFICACIÓN
Este ciclo se repite hasta que la tarea está completa o se alcanza un límite definido (máximo de iteraciones, tiempo límite, o umbral de confianza).
¿Qué Diferencia a un Buen Agente de Uno Malo?
Basado en el análisis de Oliver Nabani, estas son las diferencias clave:
- Un agente malo tiene un system prompt genérico, no tiene memoria a largo plazo, usa herramientas sin validación, no planifica (reacciona en vez de pensar), y no tiene guardrails. Falla en tareas complejas y es impredecible.
- Un agente bueno tiene un system prompt detallado con instrucciones precisas, memoria persistente que aprende de cada interacción, herramientas validadas con límites claros, un planificador que divide tareas complejas en pasos manejables, y guardrails que lo mantienen dentro de límites seguros. Puede manejar tareas complejas y es confiable.
Video: ¿Cómo Funciona por Dentro un Agente de IA?
El video de Oliver Nabani es una explicación visual y detallada de todo esto. Oliver es conocido por hacer conceptos complejos de IA accesibles para audiencias de habla hispana, y en este video abre la caja negra de los agentes para mostrar exactamente qué pasa adentro cuando le pides algo a un agente de IA.
Míralo completo arriba 👆 para ver las animaciones y ejemplos visuales que acompañan cada componente.
Conclusión
Entender cómo funciona un agente de IA por dentro no es un ejercicio académico. Es la base para construir agentes que realmente funcionen, que sean seguros y que puedas escalar con confianza. Cuando sabes que un agente tiene un cerebro (modelo), un manual (system prompt), brazos (herramientas), un archivo (memoria) y un motor (ciclo de razonamiento-acción), puedes diagnosticar por qué falla, mejorarlo y adaptarlo a cualquier necesidad.
Como dice Oliver Nabani: «Un agente no es magia. Es arquitectura. Y cuando entiendes la arquitectura, puedes construir cualquier cosa.»
«No necesitas ser ingeniero para entender agentes. Necesitas entender el ciclo: percibir, razonar, planificar, actuar, observar, repetir.»


