Hay personas a las que uno vuelve una y otra vez cuando intenta entender el mundo. En mi caso, Carl Sagan es una de ellas. Siempre he admirado su forma de mirar la ciencia, pero también su manera de mirar al ser humano. Tenía esa rara capacidad de hablar del universo sin hacernos sentir insignificantes y, al mismo tiempo, recordarnos lo pequeños que somos. Conseguía mezclar conocimiento, curiosidad, prudencia y asombro sin caer ni en el dogmatismo ni en la ingenuidad. Por eso, cuando pienso en una transformación tan profunda como la inteligencia artificial, me resulta inevitable hacerme una pregunta: ¿qué haría Carl Sagan si hoy pudiera sentarse delante de una IA? No creo que empezara preguntándole cómo ser más productivo, cómo automatizar tareas o cómo ahorrar unas horas de trabajo. Me lo imagino haciendo algo mucho más propio de él: preguntando por las estrellas. Querría saber qué podemos descubrir ahora sobre los planetas que orbitan otras estrellas, qué condiciones hacen posible que aparezca la vida, cuántos mundos podrían albergarla o qué probabilidades existen de que alguna civilización haya recorrido antes que nosotros un camino parecido al que estamos empezando a recorrer. Sagan nunca entendió la ciencia simplemente como una acumulación de datos. Para él era una forma de situarnos en el universo, de comprender nuestro lugar y, en cierto modo, de conocernos mejor a nosotros mismos. Quizá por eso me sigue pareciendo una referencia tan válida décadas después. A lo largo de la historia hemos creado herramientas que ampliaron nuestras capacidades. El telescopio amplió nuestra vista. El microscopio nos permitió descubrir mundos que no sabíamos que existían. Los ordenadores multiplicaron nuestra capacidad de cálculo. La inteligencia artificial añade algo diferente. Empieza a participar en el propio proceso de analizar información, relacionar conceptos, descubrir patrones y generar posibles respuestas. Para

(Más)…

Cuando hablamos de inteligencia artificial solemos fijarnos en el modelo. En GPT, Claude, Gemini o cualquier otro LLM. Pero un sistema de IA moderno es mucho más que eso. 🧠 El modelo es el cerebro, pero alrededor necesita una arquitectura completa que le permita entender lo que pide el usuario, mantener contexto, decidir qué hacer, utilizar herramientas y devolver un resultado útil de forma segura. La petición entra por sus “sentidos”: texto, voz, imagen o archivos. 🛡️ Los guardrails actúan como protección, filtrando riesgos y aplicando límites. El harness prepara el entorno de trabajo: contexto, permisos, herramientas y estado. El orquestador organiza los pasos y decide qué debe hacerse primero, qué herramienta utilizar y cuándo termina la tarea. Después entra en juego el modelo, que interpreta, razona y toma decisiones. 💾 La memoria y los sistemas RAG aportan contexto y recuperan información relevante. 🦾 Function Calling conecta ese razonamiento con acciones reales: consultar APIs, acceder a bases de datos, leer archivos, navegar o interactuar con otros sistemas. Cuando hace falta ejecutar algo delicado, 📦 el sandbox proporciona un entorno aislado y controlado. Finalmente, el sistema genera una respuesta y la entrega al usuario. 🔎 Mientras todo ocurre, la observabilidad y los logs registran qué ha pasado, qué herramientas se han utilizado y dónde puede mejorarse el proceso. La idea importante es esta: La potencia real de una IA no depende solo del modelo, sino de toda la arquitectura que lo rodea. Ahí está buena parte del salto actual: pasar de modelos que simplemente responden preguntas a sistemas capaces de entender, recordar, planificar, actuar y colaborar con nosotros. hashtag#InteligenciaArtificial hashtag#AI hashtag#AgentesIA hashtag#AgenticAI hashtag#LLM hashtag#RAG hashtag#Tecnología hashtag#Software hashtag#Innovación