AI Agent Platform: qué es y cómo llevar agentes a producción

La demo funcionó: el agente leyó un ticket, consultó un pedido y propuso una solución. Entonces alguien pregunta: “¿Podemos conectarlo al sistema real?”.

Al llevarlo a producción aparecen preguntas conocidas: ¿qué credenciales usa?, ¿qué pasa si falla?, ¿cómo lo monitoreamos? Y aparece una nueva: ¿qué decisiones puede tomar el modelo?

Una AI Agent Platform, o plataforma de agentes de IA, reúne los servicios necesarios para responderlas y operar el agente.

Qué es un agente de IA

LLM (Large Language Model): modelo entrenado para procesar y generar lenguaje. Recibe una entrada y produce una salida. Por sí solo no mantiene un objetivo ni ejecuta acciones en otros sistemas.
Agente de IA: sistema que usa un modelo, normalmente un LLM, para avanzar hacia un objetivo. Añade instrucciones, herramientas, estado y un ciclo: decide, actúa, revisa el resultado y continúa. [1]
Workflow: proceso cuyos pasos y orden están definidos en el código. En un agente, el modelo decide parte del recorrido mientras se ejecuta. Ambos enfoques pueden combinarse. [1]
Chatbot: interfaz para conversar con un sistema. Detrás puede haber respuestas simples, workflows o agentes.

El LLM es una parte del agente. Puede proponer consultar un pedido, pero el software que lo rodea valida la solicitud, ejecuta la herramienta y devuelve el resultado.

Ante “investiga por qué falló este pedido”, el agente podría revisar el estado, el pago y los fallos del proveedor. El recorrido cambia según lo que encuentre. Termina cuando cumple el objetivo, se bloquea o alcanza un límite.

Si el proceso siempre valida tres campos y actualiza un registro, un workflow puede bastar. Un agente resulta útil cuando los pasos cambian según el caso y esa flexibilidad justifica más costo y tiempo de respuesta. [1]

Comparación entre un workflow con ruta fija y un agente de IA con LLM, herramientas, estado y un ciclo de decisión.

Qué es una AI Agent Platform

AI Agent Platform: conjunto de servicios para construir, desplegar, conectar, supervisar y administrar agentes en producción.

Para entender qué aporta, separa tres piezas:

Modelo — decide: interpreta el contexto y propone qué hacer después.
Framework — coordina: organiza la lógica y la ejecución de los pasos.
Plataforma — opera: aporta permisos, límites, persistencia y monitoreo.

En septiembre de 2026, algunas soluciones cubren estas responsabilidades:

OpenAI Agents SDK es un framework con herramientas, delegación entre agentes, controles, sesiones y trazas. [7]
Amazon Bedrock AgentCore ofrece runtime, memoria, identidad, acceso a herramientas, políticas, observabilidad y evaluaciones. Admite distintos modelos y frameworks. [2]
Gemini Enterprise Agent Platform ofrece runtime gestionado, sesiones, memoria, evaluación, observabilidad y ejecución aislada de código. [8]
Microsoft Foundry Agent Service permite configurar un agente con prompts o desplegar código propio. En ambos casos gestiona ejecución, escalado e identidad. [9]

La diferencia práctica es cuánto queda a cargo de tu equipo: solo la lógica o también la ejecución, el estado, los permisos y el monitoreo.

El stack para construir agentes de IA

El stack puede entenderse como cinco capas, ordenadas desde la decisión hasta el control:

Modelo y orquestación. Decide qué hacer y coordina los pasos. Puedes usar modelos de OpenAI, Anthropic o Google, junto con OpenAI Agents SDK, LangGraph o Google ADK. [1] [7] [8]
Herramientas e integración. Conecta el agente con acciones concretas, como consultar un pedido o rastrear un envío. Puedes usar APIs REST, servidores MCP, AgentCore Gateway o Microsoft Foundry Toolboxes. [2] [9]
Contexto, conocimiento y memoria. Conserva el avance de la tarea, la información consultada y los datos entre sesiones. Puedes usar LangGraph, AgentCore Memory o Google Sessions y Memory Bank. [2] [4] [8]
Runtime y persistencia. Ejecuta y escala el agente, guarda su avance y permite continuar después de una interrupción. Algunas opciones son AgentCore Runtime, Google Agent Runtime y Microsoft Foundry Hosted Agents. [2] [8] [9]
Identidad y control. Limita quién usa el agente, qué datos consulta y qué acciones realiza. Puedes usar AgentCore Identity y Policy, Google IAM y Agent Gateway, o Microsoft Entra ID y RBAC. [2] [8] [9]

MCP (Model Context Protocol): estándar abierto para conectar aplicaciones de IA con fuentes de datos, herramientas y workflows externos. La autorización sigue siendo responsabilidad de tu sistema; MCP no define los permisos del negocio. [3] [5]

Una base vectorial ayuda a buscar conocimiento, pero no confirma si ocurrió una transacción.

Arquitectura de un agente de soporte con runtime, orquestación, estado, memoria, herramientas, sistemas de negocio, políticas y observabilidad.

Un ejemplo en producción: resolver un ticket

Imagina un agente de soporte que investiga por qué se retrasó un pedido. Su stack podría funcionar así:

Modelo y orquestación: lee el ticket y decide si necesita consultar el pedido, el envío o la política. Resuelve los casos que requieren pasos diferentes.
Herramientas e integración: conecta el agente con las APIs de pedidos y envíos. Le permite actuar sin darle acceso general a los sistemas.
Contexto, conocimiento y memoria: conserva los datos del pedido, el avance y la política vigente. Evita perder información entre pasos.
Runtime y persistencia: ejecuta el proceso y guarda su avance. Permite continuar después de una espera o interrupción.
Identidad y control: limita los datos y las acciones disponibles. Evita que el agente opere fuera de los permisos del usuario o las reglas del negocio.

Juntas, estas capas convierten las decisiones del modelo en un proceso conectado a sistemas reales y con límites claros.

Evaluación, observabilidad y costos de agentes de IA

Estas tres responsabilidades permiten saber si el agente funciona y cuánto cuesta operarlo:

Evaluación — mide la calidad. El equipo de producto define qué significa resolver la tarea. La plataforma ejecuta casos de prueba y califica el resultado y, cuando hace falta, los pasos realizados. Esto permite detectar regresiones al cambiar el modelo, las instrucciones o las herramientas. [6]
Observabilidad — explica cada ejecución. La plataforma guarda una traza con las llamadas al modelo, las herramientas, sus resultados y la versión del agente. El equipo define privacidad, retención y alertas. Así puede reconstruir fallos que no aparecen en la respuesta final.
Control de costos — mide el proceso completo. La plataforma suma el costo del modelo, las herramientas, el runtime y la revisión humana. El equipo fija límites y mide el costo por tarea resuelta. Un modelo barato puede salir caro si exige más pasos o trabajo manual.

Para el agente de soporte probaríamos pedidos inexistentes, datos contradictorios y caídas del proveedor. Revisaríamos tanto la respuesta final como las acciones ejecutadas.

Construir o comprar una plataforma de agentes

No tienes que construir o comprar toda la arquitectura. Puedes decidirlo por capas.

Capa de producto: incluye instrucciones, orquestación, herramientas, reglas del negocio y criterios de evaluación. Suele construirla el equipo que conoce el proceso. Resuelve el caso de uso.
Capa de plataforma: incluye runtime, persistencia, identidad, secretos, trazas, evaluaciones y escalado. Puede ser interna o gestionada. Resuelve necesidades que se repiten entre agentes y equipos.

La plataforma no decide los permisos del negocio, la calidad esperada ni las acciones permitidas. Esas responsabilidades siguen en tu equipo.

La decisión está en esa frontera. Si varios equipos necesitan la misma ejecución, identidad y observabilidad, centralizarlas evita repetir infraestructura. Si la plataforma elegida no cubre el aislamiento, los controles o la recuperación necesarios, tendrás que completar esa parte.

Resumen

La arquitectura separa responsabilidades: el modelo y la orquestación deciden los pasos, las herramientas actúan, el contexto conserva información, el runtime ejecuta y la identidad limita el acceso.
La plataforma opera esas piezas: aporta persistencia, seguridad, observabilidad, evaluación y control de costos.
El equipo conserva las decisiones del negocio: define los permisos, las acciones permitidas y qué significa completar la tarea.

Para empezar, elige un proceso acotado y asigna un responsable a cada capa. Después identifica qué componentes ya existen, cuáles ofrece una plataforma y cuáles debes construir.