En estos días estuve compartiendo en LinkedIn parte de mi recorrido personal con soluciones agentivas: desde volver a programar después de muchos años para generar prototipos con Python, hasta validar arquitecturas que combinan Agentic AI + RAG y publicar marcos conceptuales sobre cómo funciona su “corazón”. Pero nada de esto existiría si alguien no hubiera encendido la chispa original.
Para muchos, el padre de la Inteligencia Artificial es Alan Turing —para mí también— pero reconozco la gran obra de otras mentes brillantes como John McCarthy (quien acuñó el término “Inteligencia Artificial”), Marvin Minsky, Norbert Wiener (padre de la Cibernética) y tantos pioneros que abrieron este camino. Fue Turing quien, en la década de 1950, se atrevió a formular la pregunta: “¿Pueden las máquinas pensar?”. Esta pregunta sentó las bases de toda la discusión sobre IA que aún hoy sigue vigente. Pero antes de eso, en 1936, Turing ideó algo revolucionario: lo que hoy conocemos como la Máquina de Turing. Se trataba de un modelo teórico de una máquina capaz de manipular símbolos sobre una cinta infinita siguiendo un conjunto finito de reglas. Con este concepto, Turing quería demostrar que cualquier problema matemático que pueda resolverse mediante pasos lógicos (un algoritmo) podía ser resuelto por una máquina suficientemente general.
Esto no solo afecta a ejecutivos, sino también a mandos medios, áreas de atención a usuarios y clientes, y a ciudadanos que buscan información clara, como reportes de políticas públicas o datos históricos.
La solución: IA que actúa como un asistente inteligente
Imagina un sistema conversacional que entienda preguntas en lenguaje natural y entregue respuestas precisas en segundos, con datos confiables, gráficos claros y proyecciones útiles. Esto es lo que promete la Agentic AI y su variante técnica, la Agentic RAG.
Conceptos clave
Agentic AI: Es una IA que actúa como un “agente” autónomo. Interpreta tu pregunta, decide qué información necesita, la busca en distintas fuentes (ERP, PDFs, bases de datos) y entrega una respuesta útil. Ejemplo: “¿Cuánto gastamos por beneficiario en el plan de becas este trimestre?” → Respuesta con datos exactos y un gráfico.
A diferencia de un sistema que solo responde preguntas, una Agentic AI tiene un grado de autonomía progresiva, lo que significa que puede planificar los pasos que debe seguir, decidir cómo y con qué herramientas ejecutarlos, y adaptarse al contexto sin necesidad de intervención humana en cada etapa. Este enfoque transforma a la IA en un agente activo y contextual, no en un simple respondedor de comandos.
Agentic RAG: Combina la Agentic AI con Retrieval-Augmented Generation (RAG), una técnica que busca datos reales antes.
En esencia, la Máquina de Turing era un experimento mental: no existía físicamente, pero sirvió para formalizar la idea de cálculo mecánico y sentar las bases de la computación moderna. Su objetivo era responder a una pregunta que intrigaba a los matemáticos: ¿existen problemas que ninguna máquina pueda resolver?
Turing demostró que sí: existen problemas no computables. Pero, al mismo tiempo, mostró que una máquina universal —lo que hoy reconocemos como una computadora— podía, en teoría, resolver cualquier problema computable, siempre que se le dieran las instrucciones adecuadas.