Dossier
Historia de los agentes autónomos
La idea de una máquina que persigue un objetivo por su cuenta es tan vieja como la propia inteligencia artificial. Ya en los años sesenta y setenta los sistemas expertos (DENDRAL, MYCIN, XCON) demostraron que un programa podía razonar sobre un dominio y actuar; AlphaGo (2016) llevó esa autonomía al juego; y AutoGPT (2023) la popularizó encadenando un modelo de lenguaje con herramientas en bucles de acción.
Este dossier sigue esa línea —del sistema experto al agente con LLM— usando los hitos verificables y los conceptos (agente, razonamiento, sandbox) que permiten entender qué cambió y qué sigue igual.
Actualizado el 2 de agosto de 2026
Estado actual
El agente autónomo basado en modelos de lenguaje es hoy el frente más activo: planifica, usa herramientas y opera en bucles. Pero la tensión histórica permanece: cuánta autonomía delegar y bajo qué supervisión. El control (sandbox, revisión humana, alineamiento) sigue siendo, como en los sistemas expertos, un debate técnico y de gobernanza abierto, no un detalle resuelto.
Los agentes no nacieron con los LLM: trazar la línea desde los sistemas expertos evita la amnesia que hace creer que todo es nuevo.
En la línea de tiempo
- El “Test de Turing” propone un criterio para la inteligencia de las máquinas
- DENDRAL inaugura los sistemas expertos en Stanford
- MYCIN lleva el razonamiento experto a la medicina
- XCON/R1 prueba el valor comercial de los sistemas expertos en DEC
- El segundo invierno de la IA y el colapso del mercado de máquinas LISP
- Honda presenta ASIMO, icono del robot humanoide
- AlphaGo vence a Lee Sedol y resuelve el Go para la IA
- ChatGPT pone la IA generativa en manos del público masivo
- AutoGPT populariza la idea del agente de IA autónomo
Conceptos clave
Actores
- Alan Turing
- Bruce G. Buchanan
- Carl Djerassi
- Carnegie Mellon University
- DARPA
- David Silver y equipo
- DeepMind
- DeepMind (AlphaGo)
- Demis Hassabis
- Digital Equipment Corporation
- Edward Feigenbaum
- Edward Shortliffe
- fabricantes de máquinas LISP
- Honda
- John McDermott
- Joshua Lederberg
- Lee Sedol
- Mind (revista)
- OpenAI
- proyecto Quinta Generación (Japón)
- Significant Gravitas Ltd.
- Stanford (DENDRAL)
- Stanford University
- Sun Microsystems
- Toran Bruce Richards
- UK AI Safety Institute
Lentes del medio
Preguntas abiertas
- ¿Hasta dónde delegar decisiones en un agente que puede cumplir su objetivo por medios no previstos (el 'juego de especificación')?
- ¿Las habilidades de razonamiento de los modelos actuales son robustas o se rompen con pequeños cambios en el enunciado?
- ¿Una evaluación en sandbox predice el comportamiento real del agente desplegado?
Fuentes esenciales
- The Inspect Sandboxing Toolkit: Scalable and secure AI agent evaluations
UK AI Safety Institute (aisi.gov.uk) · 2025
- Tree of Thoughts / ReAct (encadenamiento de razonamiento y acción en LLM)
Shunyu Yao et al. · 2023