El término IA agéntica ha pasado de jerga de investigación a palabra de moda en menos de dos años. Despojado del humo, describe un cambio bastante concreto: en lugar de pedirle una respuesta a un modelo de lenguaje, le das un objetivo, un conjunto de herramientas y libertad para decidir el siguiente paso. El modelo escribe código, llama a APIs, consulta bases de datos, abre pestañas del navegador, comprueba su propio resultado y vuelve a empezar, hasta que cumple el objetivo o se rinde.
Es un pequeño cambio de interfaz y un cambio enorme en para qué sirve el software. Un chatbot responde a tu pregunta. Un agente hace tu trabajo.
El problema es que casi todo lo que se escribe sobre agentes es demasiado abstracto (filosofía de la AGI) o demasiado táctico (qué framework importar). Las fuentes de abajo son el punto medio: las que me enseñaron qué es realmente un agente, cuándo tiene sentido construir uno y cómo evitar que se desmorone en producción. Las he ordenado de "modelo mental" a "manos al teclado".
1. Fundamentos: fijar el modelo mental
Anthropic, Building Effective Agents. El post y las charlas que lo acompañan, de Erik Schluntz y Barry Zhang, son ya la referencia de facto. Su aportación clave: distinguir nítidamente entre workflows (pasos de LLM cosidos por código) y agentes (el LLM decide el siguiente paso). La mayoría de los equipos deberían construir workflows, no agentes. Los patrones que cataloga, routing, paralelización, orchestrator-workers y evaluator-optimizer, cubren cerca del 80% de los casos reales.
Andrew Ng, What's next for AI agentic workflows (Sequoia AI Ascent). Cuarenta minutos. Cuatro patrones: reflection, tool use, planning y multi-agent. Ng plantea lo agéntico como un espectro, no como un binario, y ese es el encuadre correcto. Si solo ves una charla, que sea esta.
2. Cursos prácticos
DeepLearning.AI, AI Agents in LangGraph (con Harrison Chase). Gratis, centrado en código, bien ritmado. LangGraph te obliga a pensar el agente como una máquina de estados, que es la forma correcta de pensarlo, uses o no LangGraph en producción.
DeepLearning.AI, Multi AI Agent Systems with crewAI (con Joao Moura). Útil como contraste. LangGraph es explícito y tiene forma de grafo; CrewAI tiene forma de roles, con Investigador, Redactor y Revisor. Hacer los dos cursos te dice qué modelo mental encaja con tu cabeza.
3. Canales técnicos en YouTube (en inglés)
LangChain (canal oficial). Busca los tutoriales largos de Lance Martin. Las series deep agents y ambient agents son la explicación más clara que he visto de agentes que se ejecutan por su cuenta y no en respuesta a un prompt del usuario.
AI Jason. Implementaciones de extremo a extremo con objetivos reales: ventas, research, scraping. Menos comparativa de frameworks, más "aquí tienes algo que funciona".
IndyDevDan (disler). Codificación agéntica con Claude Code: sub-agentes, hooks, agentes en paralelo. Si tu trabajo consiste en que el código se escriba a sí mismo, este es el canal.
Cole Medin. Sabor a producción: n8n combinado con LLMs, RAG agéntico y despliegues autohospedados.
Matthew Berman. Orientado a noticias, útil para seguir releases como el OpenAI Agents SDK, AutoGen y los modelos nuevos, sin suscribirte a veinte newsletters.
Sam Witteveen. Denso, mucho código, function calling y tool use bien hechos.
4. Conversaciones de fondo
Latent Space podcast (swyx y Alessio). Los episodios con Harrison Chase, Erik Schluntz de Anthropic y el equipo de Cognition detrás de Devin son especialmente buenos. Presta atención a los momentos en los que el invitado discrepa del anfitrión.
Dwarkesh Patel. Para el porqué profundo detrás de las capacidades agénticas, las entrevistas con Sholto Douglas y Trenton Bricken de Anthropic sobre razonamiento y uso de herramientas merecen el tiempo.
Sequoia AI Ascent 2025 playlist. Charlas cortas de fundadores que realmente están desplegando agentes a escala. Filtra la señal del ruido de los frameworks.
5. En español
DotCSV, Carlos Santana. Divulgación de alta calidad. Ha tratado el tema varias veces y es ideal para mandárselo a compañeros no técnicos.
La Hora Maker, César García. Práctico y autohospedado. Agentes con Ollama y herramientas open source. El canal adecuado si no quieres depender de un único proveedor de LLM.
Xavier Mitjana. n8n más agentes, muy accesible para no-desarrolladores. Útil para enseñar qué se puede hacer sin escribir Python.
6. Documentación oficial que merece leerse como tutorial
Anthropic Cookbook (GitHub). Notebooks de tool use, computer use y orquestación. Leer el código es más rápido que ver la mayoría de los vídeos.
OpenAI Agents SDK y la keynote del DevDay sobre agentes. Construyas o no sobre OpenAI, las primitivas del SDK, handoffs, guardrails y tracing, son una taxonomía útil.
Una nota desde LTC
Usamos estas herramientas cada día. El post que estás leyendo se redactó dentro de Claude Code, el entorno de codificación agéntica que Anthropic distribuye como CLI. Nuestra recepcionista de voz María corre sobre LiveKit, Claude, ElevenLabs y un puñado de herramientas custom de Odoo; atiende el teléfono en español y registra cada llamada como oportunidad en el CRM, con la grabación adjunta. Nuestro copiloto interno fer-pilot deja constancia de cada sesión de trabajo seria como tarea de Odoo y pega la traza completa del terminal en el chatter, para que podamos reproducir cualquier decisión meses después. Nada de esto es hipotético. Es el mismo stack de software que las fuentes de arriba describen, aplicado a la escala de una pequeña empresa.
Si quieres ver qué hace realmente un agente en una pequeña empresa, llámanos. La agente que descuelga es uno de ellos.
Comentario final
Si tuviera que comprimir todo esto en un párrafo de consejo para alguien que empieza hoy: lee el post de Anthropic dos veces, ve la charla de Andrew Ng en Sequoia una vez, construye algo pequeño en LangGraph de extremo a extremo, y entonces deja de leer y empieza a medir. Los problemas duros de la IA agéntica no son qué framework eliges. Son las evaluaciones, la observabilidad y la disciplina de mantener el trabajo del agente lo bastante pequeño como para que realmente pueda terminarlo. Ninguna de las fuentes de arriba te da esas habilidades. Solo pueden evitar que reinventes los patrones que ya existen.