La palabra tiene dos vidas. En el aprendizaje por refuerzo, un agente es cualquier sistema que observa un entorno, elige acciones según una política y recibe recompensas: el jugador de Atari o AlphaGo. En la jerga reciente, un agente es un sistema que usa un modelo de lenguaje para decidir qué acciones tomar y en qué orden, con dos componentes clave: herramientas para hacer lo que el modelo solo no puede (uso de herramientas) y una estrategia para planificar (Alammar y Grootendorst, 2024, p. 218).
El esquema más influyente es ReAct, que intercala razonamiento y acción (Yao et al., 2023). El modelo repite un ciclo de tres pasos (Alammar y Grootendorst, 2024, p. 219):
Pensamiento: necesito el precio actual en dólares y convertirlo a euros. Acción: buscar["precio MacBook Pro"] → Observación: una lista de precios en USD… Pensamiento: ahora uso la calculadora con el tipo de cambio…
En preguntas que requieren consultar Wikipedia, ReAct redujo la alucinación y la propagación de errores de la cadena de pensamiento pura (Yao et al., 2023). Desde 2025, la variante más visible son los agentes de programación, que leen un repositorio, editan archivos y corren pruebas durante muchos pasos (Agente LLM).
¿Son agentes en sentido filosófico? Millière y Buckner (2024b) plantean la pregunta: se los describe como sistemas que generan, guardan y descomponen metas, pero no tienen metas ni motivaciones intrínsecas; que la palabra sea un nombre inapropiado depende de cuán robusta sea la noción de agencia que uno maneje (2024b, sec. 3.1). Desde la intencionalidad, la respuesta de Dennett (1987) es tentadora: si adoptar la postura intencional hacia el sistema predice bien su conducta, eso es todo lo que hay que tener para tener creencias y deseos. Los escépticos responden que la meta, en realidad, está en el prompt que escribió alguien más.