Una arquitectura agéntica permite conectar modelos de lenguaje, contexto y herramientas para que uno o varios agentes puedan alcanzar objetivos y actuar sobre sistemas externos. En un entorno empresarial, el reto no consiste únicamente en incorporar un LLM (Large Language Model, modelo de lenguaje de gran tamaño), sino en definir qué información puede utilizar, qué herramientas puede invocar, qué acciones puede ejecutar y bajo qué controles.
La arquitectura debe separar razonamiento, contexto y ejecución, y conectarlos con los sistemas de negocio mediante mecanismos de seguridad, observabilidad y control de costes.
Codurance aplicó este enfoque junto a Neobookings, una tecnológica especializada en soluciones para el sector hotelero. La compañía necesitaba evolucionar una iniciativa de IA conversacional hacia una solución preparada para producción, capaz de integrarse con sistemas hoteleros reales, operar en un entorno multi-tenant (varios clientes o partners sobre una misma plataforma) y servir como base para futuras capacidades de IA agéntica.
Una arquitectura agéntica organiza modelos de lenguaje, contexto y herramientas para que un agente pueda interpretar una solicitud, decidir cómo abordarla, actuar sobre sistemas externos y evaluar el resultado.
En una aplicación convencional basada en un modelo de lenguaje, el modelo puede generar una respuesta a partir de la información disponible. Un agente introduce una capacidad adicional: puede decidir qué necesita para completar un objetivo y utilizar herramientas para obtener información o ejecutar acciones.
El flujo puede incluir:
Esta capacidad plantea decisiones arquitectónicas que no aparecen con la misma intensidad en una aplicación conversacional convencional: cómo gestionar el contexto, cómo limitar las herramientas, cómo controlar las acciones y cómo hacer trazable el comportamiento del sistema.
El modelo de lenguaje es, por tanto, un componente de la arquitectura, no la arquitectura completa.
| Chatbot | Workflow automatizado | Agente de IA | |
|---|---|---|---|
| Decide los pasos | No, responde | No, sigue una secuencia fija | Sí, según el objetivo |
| Usa herramientas | Normalmente no | Sí, predefinidas | Sí, elige cuál usar |
| Mantiene contexto | Limitado | No necesariamente | Sí, entre interacciones |
| Actúa sobre sistemas | No | Sí | Sí, con límites definidos |
| Riesgo operativo | Bajo | Bajo, es predecible | Mayor, requiere controles |
La elección entre estos patrones depende del problema que se quiere resolver. Si el proceso puede expresarse mediante reglas y pasos conocidos, un workflow puede ofrecer mayor previsibilidad. Un agente tiene sentido cuando necesita interpretar una solicitud, seleccionar entre diferentes herramientas o adaptar su comportamiento al contexto.
En Neobookings, la solución combina una interfaz de usuario, una API conversacional, una capa de orquestación, modelos de lenguaje, memoria, recuperación contextual y herramientas conectadas con los sistemas del negocio.
La responsabilidad de cada componente debe estar definida antes de ampliar la autonomía del sistema.
Los LLM proporcionan las capacidades de comprensión y razonamiento necesarias para interpretar las solicitudes y decidir cómo avanzar.
El modelo no debería tener acceso directo e ilimitado a los sistemas corporativos. La arquitectura debe determinar qué contexto recibe, qué herramientas tiene disponibles y qué acciones puede solicitar.
Esto permite desacoplar la capacidad de razonamiento del acceso efectivo a los sistemas de negocio.
La capa de orquestación coordina modelos, contexto y herramientas. Su diseño determina cómo fluye una interacción y qué componentes intervienen en cada etapa.
Entre sus responsabilidades pueden estar:
En Neobookings, esta capa permitió separar el razonamiento, la gestión del contexto y la ejecución de acciones sobre sistemas externos. Esta separación facilita introducir controles y evolucionar cada capacidad de forma independiente.
La memoria permite conservar información relevante entre diferentes interacciones. Es especialmente útil cuando una operación se desarrolla a lo largo de una conversación, como ocurre durante una reserva.
Su implementación requiere definir qué información se almacena, durante cuánto tiempo, quién puede acceder a ella y cómo se mantiene aislada entre usuarios, clientes o partners.
Por tanto, la memoria no debe plantearse únicamente como una funcionalidad conversacional. También forma parte del diseño de datos y de los controles de la plataforma.
RAG (Retrieval-Augmented Generation, generación aumentada por recuperación) permite recuperar información de fuentes externas y utilizarla como contexto para el modelo.
En lugar de incorporar todo el conocimiento disponible en cada interacción, el sistema recupera la información relevante para la solicitud concreta. Esto permite trabajar con información específica del dominio y controlar mejor el volumen de contexto enviado al modelo.
La calidad del resultado depende en gran medida de la calidad de los datos y del mecanismo de recuperación.
→ Si quieres profundizar, consulta cómo una estrategia de datos sólida impulsa el éxito en la IA o revisa nuestro enfoque de datos e IA/ML.
Cuando un agente necesita interactuar con sistemas externos, necesita herramientas que expongan capacidades concretas. MCP (Model Context Protocol) es un protocolo abierto que estructura el acceso de los modelos a herramientas y fuentes externas.
En Neobookings, los sistemas hoteleros se integran mediante herramientas especializadas accesibles a través de MCP. Estas herramientas permiten consultar disponibilidad y ejecutar acciones transaccionales dentro de los límites definidos por la arquitectura.
La separación entre el modelo y las herramientas permite establecer una frontera clara:
El modelo decide qué necesita hacer; la herramienta determina qué puede hacer realmente.
Esta distinción resulta especialmente relevante cuando el agente puede ejecutar operaciones sobre sistemas de negocio.
No todos los casos de uso requieren una arquitectura multiagente. La complejidad del proceso y el grado de especialización necesario deberían determinar el patrón.
| Patrón | Cómo funciona | Cuándo encaja |
|---|---|---|
| Agente único | Un agente con acceso a un conjunto de herramientas | Un caso de uso acotado o una primera versión |
| Supervisor | Un agente coordina a otros especializados | Procesos con varias fases o dominios |
| Multiagente | Varios agentes colaboran con roles definidos | Procesos complejos con tareas paralelas |
Una evolución razonable puede comenzar con un único agente y añadir especialización a medida que aparecen nuevos requisitos. Introducir varios agentes antes de que exista una necesidad clara también aumenta la complejidad de coordinación, evaluación y observabilidad.
Una arquitectura agéntica empresarial debe convivir con los sistemas que ya forman parte de la operación.
En Neobookings, la plataforma interactúa con sistemas hoteleros, fuentes de datos heterogéneas y APIs externas. Esto convierte la integración en una parte central de la arquitectura.
Antes de permitir que un agente actúe sobre sistemas de negocio conviene definir:
Cuando un agente puede ejecutar acciones sobre procesos reales, la integración deja de ser una capa posterior y pasa a condicionar el diseño del sistema.
→ Para ver cómo abordamos esta fase en entornos con sistemas heredados, consulta nuestro playbook para integrar IA en sistemas legacy.
En una plataforma utilizada por diferentes clientes o partners, el aislamiento debe formar parte del diseño arquitectónico.
No basta con separar los datos almacenados. También hay que considerar el aislamiento del contexto conversacional, la memoria, los resultados de recuperación y las configuraciones específicas de cada entorno.
Neobookings necesitaba garantizar el aislamiento de datos entre diferentes partners y clientes, además de disponer de una arquitectura que pudiera desplegarse en distintos entornos.
Por eso, el multi-tenancy debe contemplarse desde el principio, especialmente cuando memoria y recuperación contextual forman parte del flujo del agente.
A medida que aumenta la autonomía de un agente, también aumenta la necesidad de definir límites.
La arquitectura puede establecer:
Estos controles ayudan a gestionar riesgos como:
Para acciones de mayor impacto puede incorporarse supervisión humana (human-in-the-loop) antes de completar la operación.
En Neobookings, seguridad, observabilidad y control de costes se incorporaron como parte del diseño de la solución, en lugar de tratarlos como capacidades posteriores.
El nivel de autonomía adecuado depende del caso de uso, del riesgo de las operaciones y de los controles disponibles. La cuestión se desarrolla en qué nivel de autonomía debe tener un agente de IA.
Una aplicación tradicional puede monitorizar peticiones y errores. Un sistema agéntico necesita observar además el comportamiento del modelo y de las herramientas: qué información utilizó el sistema, qué contexto recuperó, qué herramienta ejecutó y cuál fue el resultado.
Por ello, la arquitectura de Neobookings incorpora monitorización y trazabilidad end-to-end, junto con evaluación continua del comportamiento de los modelos. Si trabajas con IA generativa, MLOps o AgentOps, revisa cómo adoptarlas de forma segura.
Evaluar un agente consiste en analizar de forma sistemática la calidad y el comportamiento de sus respuestas y acciones, no solo si una respuesta fue correcta. Una evaluación puede revisar:
Esta evaluación debe ser continua, porque el comportamiento de un modelo puede cambiar con el contexto, los datos o las versiones del modelo. En Neobookings, la evaluación continua del comportamiento de los modelos forma parte de la arquitectura.
El consumo de un sistema agéntico depende de más factores que la infraestructura. También influyen:
Por ello, el control de costes debe formar parte de la arquitectura. Para entender cómo medir el retorno de esa inversión, consulta cuánto cuesta un agente de IA y cómo medir su retorno.
Una arquitectura diseñada exclusivamente alrededor de un caso de uso puede dificultar la incorporación de nuevas capacidades.
La modularidad permite reutilizar componentes y patrones cuando aparecen nuevos agentes, integraciones o canales. Para conseguirlo, conviene separar las capacidades que son específicas del caso de uso de aquellas que pueden compartirse entre diferentes agentes.
Neobookings estableció una arquitectura preparada para distintos entornos y partners, con una base tecnológica que puede extenderse hacia nuevos agentes, integraciones, canales y capacidades de personalización.
No todos los procesos requieren autonomía.
Un workflow automatizado suele bastar cuando los pasos son conocidos, no varían y no hace falta interpretar solicitudes en lenguaje natural. Un agente aporta valor cuando el sistema debe interpretar una solicitud, decidir entre varias herramientas y adaptarse al contexto.
Como referencia, una arquitectura debe contemplar al menos:
| Capacidad | Función | Riesgo que mitiga | Cómo se aplicó en Neobookings |
|---|---|---|---|
| LLM | Comprensión y razonamiento | Respuestas fuera de dominio | Modelos de lenguaje orquestados por la capa de agentes |
| Orquestación | Coordinar modelos, contexto y herramientas | Comportamiento impredecible | Separación de razonamiento, contexto y ejecución |
| Memoria | Mantener contexto entre interacciones | Pérdida de continuidad | Memoria conversacional de sesión |
| RAG | Recuperar información relevante | Alucinaciones y exceso de contexto | Recuperación contextual específica del dominio |
| Herramientas / MCP | Interactuar con sistemas externos | Acciones no controladas | Tools MCP de disponibilidad y reservas |
| Seguridad | Limitar acceso y acciones | Acciones no autorizadas | Incorporada desde el diseño |
| Multi-tenancy | Aislar datos y configuraciones | Mezcla de datos entre clientes | Aislamiento entre partners y clientes |
| Observabilidad | Monitorizar comportamiento y operaciones | Falta de trazabilidad | Monitorización y trazabilidad end-to-end |
| Evaluación | Analizar calidad y comportamiento | Degradación no detectada | Evaluación continua de los modelos |
| Control de costes | Gestionar consumo | Gasto descontrolado | Mecanismos de gestión y optimización |
| Arquitectura modular | Facilitar reutilización y evolución | Soluciones aisladas | Base reutilizable para nuevos agentes y partners |
La relevancia de cada capacidad dependerá del nivel de autonomía, los sistemas implicados y el impacto de las acciones que el agente pueda ejecutar.
→ Ver el caso completo de Neobookings.
→Si buscas un contexto similar en el sector, consulta Escalabilidad en conectividad hotelera: de 88M a 540M con <1% error.
¿Qué diferencia hay entre un agente de IA y una arquitectura agéntica?
Un agente utiliza modelos, contexto y herramientas para alcanzar un objetivo. La arquitectura agéntica define cómo se organizan y conectan esos componentes con datos, sistemas y controles.
¿Qué diferencia hay entre un chatbot y un agente de IA?
Un chatbot responde a preguntas. Un agente decide qué herramienta usar, consulta sistemas externos y ejecuta acciones para cumplir un objetivo. En Neobookings, el agente consulta disponibilidad y gestiona reservas sobre sistemas hoteleros reales.
¿Qué papel tiene RAG en una arquitectura agéntica?
RAG recupera información específica del dominio y la proporciona como contexto al modelo. Puede reducir la necesidad de incluir grandes cantidades de información directamente en el contexto.
¿Qué es MCP y para qué sirve?
MCP (Model Context Protocol) estructura el acceso de los modelos a herramientas y fuentes externas. En Neobookings se utiliza para acceder de forma controlada a herramientas conectadas con sistemas hoteleros.
¿Qué es un sistema multiagente?
Es una arquitectura en la que varios agentes especializados colaboran, normalmente coordinados por un agente supervisor. Se adopta cuando un único agente no cubre la complejidad del proceso.
¿Una arquitectura agéntica necesita varios agentes?
No. Puede empezar con un único agente y evolucionar posteriormente hacia una familia de agentes especializados.
¿Cómo se evita que un agente ejecute acciones no autorizadas?
Limitando las herramientas disponibles, los permisos y las operaciones permitidas, validando las acciones y registrando cada operación. Para acciones críticas puede añadirse supervisión humana.
¿Cómo se evalúa un agente de IA?
Analizando el contexto que recuperó, la herramienta que eligió, la acción que ejecutó y el resultado, de forma continua y no solo en el lanzamiento.
¿Qué es multi-tenancy y por qué importa?
Es la capacidad de servir a varios clientes o partners desde una misma plataforma sin que sus datos ni su contexto se mezclen. Importa porque un fallo de aislamiento expone información entre clientes.
¿Por qué es importante la observabilidad?
Porque permite analizar no solo si una respuesta fue correcta, sino también qué contexto utilizó el sistema, qué herramientas ejecutó y cómo se comportó durante la interacción.
En Codurance diseñamos y construimos plataformas de IA preparadas para producción, desde la arquitectura hasta su evolución.
Habla con nuestro equipo o envíanos un correo a hello@codurance.com