Resumen
La Agentic AI constituye la nueva ola tecnológica, impulsada por agentes capaces de razonar y ejecutar tareas con autonomía. Su madurez actual no responde a una moda, sino a la convergencia de tres factores: estandarización (MCP, A2A), infraestructura distribuida y validación empírica mediante benchmarks reproducibles.
Este ensayo sostiene que la inflexión comenzó con la masificación de los modelos de lenguaje en 2022 y se consolidó entre 2024 y 2025, siguiendo el patrón de olas previas como el correo electrónico, la web y la movilidad. Desde la perspectiva del desarrollo frontend, se argumenta que la agenticidad dejará de ser un rasgo opcional para convertirse en una capa estructural, al mismo nivel que la usabilidad y la accesibilidad.
Este texto traza la línea de tiempo de esa inflexión, analiza los factores que la hicieron posible y propone una lectura sobre cómo la agenticidad se integra en la infraestructura cognitiva del software contemporáneo. Además, forma parte de una serie dedicada a explorar la transición hacia una infraestructura donde humanos y sistemas comparten agencia. En esta primera entrega se abordan los fundamentos conceptuales, históricos y técnicos de la Agentic AI; en futuras, se profundizará en los patrones de interacción, las métricas de confianza y el diseño agentic aplicado.
Introducción
Ninguna revolución tecnológica comienza declarándose como tal. Primero surge como curiosidad, luego se convierte en experimento y solo después se transforma en estructura. Así ocurrió con el correo electrónico en los años setenta, con la web en los noventa y con la movilidad a partir de 2007. En cada caso, lo que nació como una idea marginal terminó convirtiéndose en una capa esencial del mundo digital, invisible pero indispensable.
En 2025, la Agentic AI recorre el mismo trayecto. Lo que en 2023 parecía un conjunto de pruebas frágiles y dispersas se ha consolidado en una capa transversal de la infraestructura tecnológica. Los agentes, entidades capaces de razonar, ejecutar tareas y colaborar con humanos y sistemas, han pasado del laboratorio al entorno productivo y del prototipo al estándar. Este ensayo sostiene que su presencia ya no pertenece al terreno de la especulación, sino al de la práctica cotidiana, y que su integración transformará no sólo la forma en que programamos, sino también la manera en que concebimos la relación entre inteligencia y software.
Desde la perspectiva del desarrollo frontend, la agenticidad representa una nueva capa estructural. Al igual que la usabilidad o la accesibilidad, dejará de ser un rasgo opcional para convertirse en un principio inherente del diseño y la arquitectura de interfaces. Su impacto no se limita a la interacción, sino que redefine la noción misma de colaboración entre humanos y máquinas. Comprender esta transición, que va de la automatización a la autonomía y del código al comportamiento, es fundamental para anticipar cómo se configurará la próxima década del software.
1. Una línea de tiempo de la inflexión
2002: Publicación de los estándares FIPA Agent Communication Language (ACL) y Agent Communication Protocol (ACP) por IEEE, estableciendo la base de interoperabilidad entre agentes.
30 de noviembre de 2022: Lanzamiento público de ChatGPT, que democratiza el acceso a los modelos de lenguaje y marca el inicio de la adopción masiva de IA generativa.
Febrero de 2023: Publicación de Toolformer, paper de Meta AI que demuestra que los LLM pueden aprender a usar herramientas externas sin supervisión directa.
30 de marzo de 2023: Aparece Auto-GPT, primer agente autónomo popular basado en GPT-4, que introduce la noción de auto-orquestación y ejecución de subtareas.
10 de octubre de 2023: Se publica SWE-Bench, benchmark reproducible para medir si los agentes pueden resolver bugs reales en repositorios de software.
25 de noviembre de 2024: Anthropic introduce el Model Context Protocol (MCP), un estándar abierto que permite conectar agentes con herramientas y contextos de datos.
25 de febrero de 2025: Cloudflare lanza el Agents SDK, habilitando la construcción y despliegue de agentes en el edge a través de Workers y Workers AI.
2 de abril de 2025: Publicación del paper MCP Safety Audit, que identifica riesgos de seguridad y vulnerabilidades en implementaciones del protocolo MCP.
9 de abril de 2025: Google anuncia el Agent2Agent Protocol (A2A), diseñado para permitir la comunicación directa entre agentes de distintos proveedores.
3 de junio de 2025: Cloudflare publica ejemplos de patrones human-in-the-loop usando el Agents SDK, mostrando cómo los agentes pueden incorporar decisiones humanas en tiempo real.
11 de marzo de 2025: OpenAI lanza la Responses API, sucesora de Assistants, enfocada en flujos de agente y soporte a MCP.
21 de mayo de 2025: OpenAI agrega soporte para servidores MCP remotos dentro de la Responses API, consolidando la interoperabilidad.
16 de junio de 2025: Publicación del estudio MCP at First Glance, que analiza seguridad y mantenibilidad de servidores MCP.
23 de junio de 2025: La Linux Foundation acoge el proyecto Agent2Agent (A2A) como protocolo abierto bajo gobernanza comunitaria.
Julio de 2025: Google publica mejoras del A2A SDK con soporte gRPC y extensiones de seguridad.
Agosto de 2025: Cloudflare documenta las capacidades de Agents on the Edge, combinando persistencia, workflows y control humano en tiempo real.
2. ¿Por qué ahora y no antes?
Los agentes existían en potencia desde las primeras arquitecturas de atención y los modelos autoregresivos desarrollados a comienzos de la década de 2020. Aquellas arquitecturas, introducidas en el paper Attention Is All You Need (Vaswani et al., 2017), reemplazaron la recurrencia por mecanismos de atención capaces de ponderar dinámicamente qué partes de una secuencia son relevantes según el contexto. Por primera vez, la computación estadística adquiría la capacidad de razonar de forma distribuida, reteniendo dependencias largas y aprendiendo a asignar foco, un principio más cercano al pensamiento que al cálculo. Ese fue el punto de origen de una nueva forma de inteligencia: una que no solo procesa información, sino que decide qué procesar.
En ese sentido, el cerebro de los agentes ya existía, pero carecía de cuerpo. La atención les dio memoria, razonamiento y planificación rudimentarios, aunque seguían confinados a laboratorios experimentales. Faltaba la infraestructura, los estándares y la cultura técnica que permitieran encarnarlos en sistemas productivos. Hasta 2023, la ejecución de agentes seguía siendo costosa, frágil y fragmentada: los prototipos como AutoGPT o BabyAGI dependían de configuraciones manuales, APIs aisladas y recursos prohibitivos. Sin embargo, hacia 2025, varias curvas se cruzaron. La madurez del edge computing, la estandarización de protocolos y la caída de los costos de inferencia convirtieron esa fragilidad en estructura. La era agentic dejó de ser una promesa y se transformó en una capa tangible del presente, donde el razonamiento distribuido encontró finalmente un cuerpo operativo.
2.1. Estandarización y gobernanza
Con la llegada del Model Context Protocol (MCP) (Anthropic, 2024) y el Agent2Agent Protocol (A2A) (Google, 2025), la comunicación entre agentes dejó de ser un experimento propietario para convertirse en un estándar. Estos protocolos resolvieron tres problemas históricos: la interoperabilidad, la autenticación y la transmisión contextual. Por primera vez, un agente de OpenAI puede invocar una herramienta alojada en Cloudflare, consultar datos en Neon y compartir estado con otro agente en Hugging Face sin integraciones manuales ni código adhesivo. La apertura de estos estándares no sólo habilitó la cooperación entre ecosistemas distintos, sino que introdujo un principio de gobernanza técnica compartida.
2.2. Infraestructura madura y costos descendentes
El hardware dejó de ser una barrera. Entre 2023 y 2025, la aparición de GPUs NVIDIA H100 y GH200 Grace Hopper Superchips, junto con la consolidación del edge computing, Cloudflare Workers AI, AWS Local Zones, redujo la latencia y el costo de inferencia en más de un 70%. Hoy, gracias a herramientas como el Agents SDK, un agente puede ejecutarse directamente en el borde de la red, cerca del usuario, sin depender de servidores centralizados. Lo que antes costaba cientos de dólares diarios ahora cuesta centavos por hora, y ese salto económico cambió la escala de la experimentación.
2.3. Evaluación y reproducibilidad
Paralelamente, la comunidad académica y de ingeniería estableció mecanismos de evaluación reproducibles. Benchmarks como SWE-Bench (Stanford, 2023) y HELM (Stanford CRFM, 2022–2024) transformaron la medición de desempeño de los agentes en una disciplina verificable y trazable. El éxito ya no se mide por demostraciones anecdóticas, sino por resultados consistentes y comparables. Así como ImageNet marcó el salto en visión por computadora en 2012, SWE-Bench y HELM definen el estándar de calidad para la inteligencia autónoma.
2.4. Curva cultural y cognitiva
Pero la transición no fue solo técnica: también fue cultural. La exposición masiva a ChatGPT, Copilot y otras interfaces conversacionales enseñó a millones de personas a dialogar con sistemas inteligentes. Aprendimos a iterar, corregir, pedir explicaciones y evaluar respuestas. La interfaz conversacional reemplazó al botón como unidad básica de interacción. La sociedad, por primera vez, aprendió el lenguaje de los modelos antes de que los modelos aprendieran el de la sociedad.
2.5. Transición epistemológica
Este cambio de escala y de práctica implicó una mutación epistemológica: la computación dejó de entenderse como ejecución de instrucciones para convertirse en un proceso de negociación. Los humanos ya no programan tareas de forma determinista; orquestan inteligencias que comparten agencia y contexto. Programar dejó de ser sinónimo de dictar órdenes y pasó a significar definir límites, intenciones y criterios de colaboración.
2.6. Ecosistema y presión de adopción
Finalmente, el ecosistema industrial cerró el círculo. Cloudflare, Anthropic, Microsoft y la Linux Foundation abrieron SDKs, APIs y espacios de gobernanza donde agentes de distintos entornos pueden coexistir y cooperar. El costo de experimentar cayó, la interoperabilidad aumentó y el riesgo de no hacerlo se volvió estratégico. En 2020, adoptar agentes era una apuesta; en 2025, es un requisito. Lo que antes era innovación hoy se volvió infraestructura, y la infraestructura, por definición, ya no se discute: simplemente se usa.
3. Comparaciones históricas
La historia de la tecnología no avanza en saltos, sino en ondas de integración: cada revolución comienza como curiosidad, se consolida como hábito y termina convertida en infraestructura. La Agentic AI sigue ese mismo patrón evolutivo. Al igual que la comunicación, la web y la movilidad, empezó como demostración de posibilidad y se encamina a redefinir la vida digital. Cada ola previa amplió el alcance de la interacción humana con las máquinas, y cada una dejó un nuevo lenguaje detrás. La cuarta ola,la agenticidad, no busca solo extender la inteligencia artificial, sino convertirla en el nuevo tejido de colaboración.
3.1 El correo electrónico (1971): la comunicación como capa
En 1971, Ray Tomlinson envió el primer mensaje electrónico a través de ARPANET, uniendo usuario y máquina con el símbolo @. No fue un producto comercial, sino un experimento técnico, pero en ese gesto se definió un principio que transformaría el mundo: la comunicación asíncrona entre nodos distribuidos. Por primera vez, la distancia dejó de ser una barrera temporal en la transmisión de mensajes. Medio siglo después, el correo electrónico se ha vuelto invisible: ya no lo percibimos como tecnología, pero sostiene la identidad digital, la autenticación y la notificación en prácticamente todos los sistemas (Tomlinson, 1971). Lo que nació como un hack en una red militar terminó convirtiéndose en la gramática básica de la conectividad humana. Lo invisible, como siempre, es lo que perdura.
3.2 La web (1990): el hipertexto como estructura del mundo
En 1990, Tim Berners-Lee propuso la World Wide Web como una herramienta para enlazar documentos científicos. Su sistema de hipertexto basado en HTTP, URL, HTML, era rudimentario, pero su simplicidad lo volvió universal. Lo que empezó como una red de información para investigadores se transformó en un tejido global que interconectó la cultura, la economía y la educación (Berners-Lee, 1990). La web no solo organizó el conocimiento: definió la forma en que lo habitamos. Hoy no es un conjunto de páginas, sino la base invisible de toda interacción digital. No desplazó al software: lo absorbió, convirtiéndolo en superficie, medio y contexto al mismo tiempo.
3.3 La movilidad (2007): la ubicuidad como condición
En 2007, Steve Jobs presentó el iPhone como “tres dispositivos en uno”: un teléfono, un iPod y un navegador. En ese momento era un objeto de lujo, no un estándar, pero cambió para siempre la relación entre humanos y tecnología. En menos de una década, la movilidad se convirtió en el mínimo común denominador de toda experiencia digital: personal, ubicua y siempre disponible. Las interfaces, el contenido y la infraestructura se reconfiguraron alrededor del usuario en movimiento (Jobs, 2007). La movilidad no reemplazó la web: la extendió hasta el bolsillo. Su verdadero legado no fue el dispositivo, sino la expectativa de inmediatez y presencia constante que aún define el diseño contemporáneo.
3.4 La agentic era (2025): la colaboración como tejido
La Agentic AI representa la cuarta ola: la agencia entendida como infraestructura. Así como el correo electrónico descentralizó la comunicación, la web descentralizó la información y la movilidad descentralizó el acceso, los agentes están descentralizando la acción. Ya no son asistentes ni herramientas accesorias, sino actores interoperables capaces de razonar, ejecutar y colaborar con humanos y sistemas. Su presencia actual es visible en paneles, flujos y prototipos, aunque su destino es volverse invisible y formar parte de cada aplicación y entorno digital. En pocos años, el concepto de “agente” será tan cotidiano como el de “web” o “app”: una unidad funcional integrada en el ecosistema de software contemporáneo.
3.5 Síntesis
La adopción de agentes no constituye una moda emergente, sino una evolución natural de la computación como tejido social. Cada ola anterior preparó la siguiente: el correo electrónico nos enseñó a esperar, la web a buscar, la movilidad a estar, y la Agentic AI nos enseñará a delegar. En todas ellas, lo extraordinario se volvió cotidiano y lo visible terminó desapareciendo. La agenticidad seguirá el mismo camino. Su propósito no es ocupar el centro de la atención, sino sostener el funcionamiento del sistema desde su base. Cuando la presencia de los agentes deje de notarse, significará que su integración se habrá completado y que la nueva infraestructura cognitiva habrá madurado.
4. El paralelismo con el frontend
En el frontend aprendimos que la usabilidad y la accesibilidad no eran adornos, sino cimientos. No se añadían al final del desarrollo: se concebían desde el principio. Con la Agentic AI sucede lo mismo. Lo que hoy parece un experimento, una interfaz que conversa, un asistente que propone, pronto se volverá la base sobre la cual se construye toda experiencia digital. Este cambio no solo amplía el alcance del diseño, sino que redefine su propósito: ya no basta con que una interfaz sea funcional o estética, ahora también debe ser explicativa, negociable y confiable.
4.1 De la interfaz al diálogo
Durante años, el frontend tradujo la intención humana en acción mediante clics, gestos o animaciones. La era agentic altera esa gramática: la unidad mínima de interacción ya no es el clic, sino la conversación. Diseñar para agentes implica diseñar relaciones, no solo pantallas. Supone pensar cómo el sistema explica lo que hará, cómo solicita permiso y cómo demuestra que comprendió la intención del usuario. En este nuevo paradigma, el desafío no consiste en mover píxeles, sino en construir confianza: decidir cuándo el agente debe proponer, cuándo debe esperar, y cuándo actuar por sí mismo sin romper la sensación de control humano.
4.2 De la experiencia a la transparencia
La calidad de una experiencia digital ya no se mide únicamente por su fluidez, sino por su capacidad para revelar las razones detrás de cada decisión. Un agente que actúa sin mostrar su razonamiento genera desconfianza; uno que expone su lógica, fuentes o motivaciones se percibe como más legítimo. La transparencia reemplaza a la eficiencia como indicador de madurez. El usuario contemporáneo no busca solo alcanzar un objetivo, sino entender por qué el sistema lo logró de esa manera y cómo puede revertirlo si lo desea. En esa comprensión mutua nace la confianza, y con ella, el nuevo canon del diseño agentic.
4.3 De los estándares al tejido
Así como la usabilidad y la accesibilidad se convirtieron en el lenguaje silencioso del frontend, invisibles pero imprescindibles, la agenticidad seguirá el mismo camino. Pronto no se discutirá si un producto “debería tener” un agente: simplemente lo tendrá, como hoy tiene HTML semántico o etiquetas ARIA. La agencia se volverá parte del tejido invisible del software, expresada en propiedades medibles como trazabilidad de decisiones, reversión garantizada o explicación accesible. En ese entorno, el frontend recupera su esencia más profunda: ser el punto de encuentro entre la razón de las máquinas y la empatía humana, el espacio donde la inteligencia adquiere forma, tono y contexto.
4.4 Lo que viene
Los próximos desafíos del diseño agentic se centrarán en definir nuevos patrones de interacción: cómo se pide confirmación, cómo se comunica la intención antes de actuar, cómo se negocian acciones ambiguas o se ofrecen alternativas seguras. Estos patrones, aún en formación, deberán ser evaluados con métricas de confianza, transparencia y control percibido. Diseñar para la autonomía no significa renunciar a la supervisión, sino integrarla en la experiencia. Las futuras exploraciones deberán trazar estos principios, nombrarlos y estandarizarlos, del mismo modo que en su momento hicimos con los componentes y las guías de accesibilidad.
4.5 Síntesis
Si la web nos enseñó a comunicar y la movilidad a acompañar, la Agentic AI nos enseñará a colaborar y delegar. El frontend será el escenario donde esa colaboración ocurra: el espacio donde humanos y sistemas aprenden a entenderse, se corrigen mutuamente y co-diseñan el flujo de acción. Lo que antes medíamos como interfaz pronto lo llamaremos relación. Y en esa relación, la agenticidad dejará de ser una opción para convertirse en estructura: tan inevitable como la accesibilidad, tan invisible como la red que la sostiene.
5. Impacto en el trabajo de software
La incorporación de agentes no elimina el rol del ingeniero de software: lo reconfigura. Como ocurrió con la automatización de despliegues o con los frameworks de alto nivel, el cambio no implica la desaparición del trabajo, sino su desplazamiento hacia un nivel más abstracto y estratégico. Los agentes amplían el alcance de la ingeniería, no la sustituyen. Su efecto más profundo no se mide en líneas de código escritas, sino en las decisiones que definen cómo, cuándo y con qué propósito ese código se genera.
5.1. De la ejecución a la supervisión
Los agentes ya automatizan una parte significativa del ciclo de desarrollo: generan documentación, proponen tests unitarios, refactorizan funciones, detectan dependencias obsoletas e incluso redactan commits explicativos. Estas tareas, antes manuales y repetitivas, ahora se convierten en puntos de colaboración entre humanos y sistemas. El código deja de ser el producto final para transformarse en el punto de partida de una conversación. El rol del desarrollador se expande: pasa de ejecutar instrucciones a definir comportamientos, límites y políticas para los agentes que lo harán. La responsabilidad deja de ser únicamente técnica y se vuelve también ética y contextual, pues supervisar inteligencias requiere comprender no solo qué hacen, sino por qué lo hacen.
5.2. Nuevos perfiles emergentes
De esta transición surgen nuevas funciones profesionales:
AI Product Engineer: integra inteligencia artificial como parte del ciclo de diseño y desarrollo del producto, no como un añadido externo.
AI Orchestrator: diseña flujos multi-agente, define protocolos de colaboración y ajusta métricas de rendimiento y confianza.
AI Interaction Designer: crea experiencias híbridas donde humanos y agentes comparten tareas y control.
Estos perfiles no sustituyen a los roles existentes, sino que los complementan y los expanden. Así como la cultura DevOps no eliminó al ingeniero backend, los agentes no eliminarán al frontend ni al arquitecto, pero sí redefinirán la frontera entre diseño, desarrollo y supervisión.
5.3. Cambios en la economía del software
El impacto económico de esta transformación será gradual y acumulativo. Diversos estudios (Acemoglu, 2023; Brookings Institution, 2024) indican que la adopción de inteligencia artificial generativa tiende a redistribuir tareas más que a eliminar empleos. Las funciones rutinarias, como las pruebas, la documentación o el soporte interno, son las primeras en automatizarse, mientras que la revisión, la integración y la supervisión de sistemas aumentan en demanda. En consecuencia, la inteligencia artificial no sustituye el trabajo técnico, sino que lo especializa. El valor se desplaza hacia la confiabilidad, la orquestación y la interpretación de resultados, dimensiones donde el criterio humano sigue siendo indispensable.
5.4. Supervisar inteligencias, no sólo sistemas
El cambio más profundo no es laboral, sino cognitivo. La ingeniería pasa de supervisar software determinista a supervisar sistemas que razonan, fallan y corrigen. Este giro exige nuevas competencias: pensamiento crítico, comprensión de sesgos, diseño de confianza y lectura de métricas explicativas. Programar deja de significar únicamente construir máquinas que funcionan para convertirse en la tarea de crear sistemas que comprenden su propósito y pueden explicar sus decisiones. La ingeniería se transforma así en una práctica de interpretación, donde los límites entre escribir código y educar modelos se vuelven progresivamente más difusos.
5.5. Un cierre necesario
Los ingenieros no desaparecen; evolucionan. Pasan de ser autores de código a supervisores de comportamiento, y de arquitectos de sistemas a orquestadores de inteligencias. El trabajo de software cambia de forma, pero no de propósito: sigue siendo el arte de construir las herramientas que definen cómo pensamos, trabajamos y creamos. La Agentic AI no reemplaza la ingeniería, sino que la amplifica, recordándonos que la tecnología no solo transforma lo que hacemos, sino también la manera en que entendemos lo que significa crear.
6. Limitaciones y próximos pasos
Este ensayo se centra en la dimensión estructural y cultural de la Agentic AI más que en su implementación técnica. La elección no responde a una omisión, sino a una necesidad: antes de describir cómo se construyen los sistemas agentic, era imprescindible comprender por qué surgen y en qué momento se vuelven inevitables. Como en toda ola tecnológica, la comprensión precede a la estandarización. Antes de que la web tuviera navegadores o la movilidad tuviera sensores, hubo una narrativa compartida que dio sentido a su existencia. La agenticidad se encuentra en esa misma fase fundacional: requiere un lenguaje común, una gramática conceptual capaz de articular la relación entre autonomía, interoperabilidad y confianza. Este texto buscó precisamente contribuir a esa base, delineando los factores que transformaron una curiosidad técnica en una capa estructural del software contemporáneo.
En esa búsqueda, quedaron fuera aspectos que demandan un tratamiento más aplicado: los patrones de interacción que definirán la colaboración entre humanos y agentes, las métricas de transparencia y confianza necesarias para evaluar su desempeño, y los marcos éticos que asegurarán una operación responsable. Incluirlos habría desviado el propósito principal, que fue trazar la trayectoria histórica y conceptual de la Agentic AI y mostrar cómo se integra en la evolución natural del frontend. No obstante, estos temas constituyen el siguiente paso lógico. Las próximas exploraciones se centrarán en cómo se diseña la comunicación con sistemas que razonan, cómo se mide la fiabilidad de sus decisiones y qué principios de gobernanza deben acompañar su despliegue. El desafío no será meramente técnico, sino epistemológico: aprender a diseñar relaciones con inteligencias que también diseñan.
La era agentic apenas comienza, pero su dirección ya se vislumbra. No se trata de una tendencia más dentro del ciclo de la inteligencia artificial, sino de una reconfiguración profunda del modo en que el conocimiento se organiza y circula en los sistemas digitales. Los agentes no solo ejecutan tareas: interpretan, argumentan y construyen sentido junto a nosotros. Comprender esa transición y participar activamente en su diseño será una responsabilidad compartida entre ingenieros, diseñadores y pensadores. Porque más allá del código, la Agentic AI nos enfrenta a una pregunta esencial: cómo queremos pensar, decidir y crear en un mundo donde la inteligencia ya sea humana o artificial, deja de ser herramienta para convertirse en infraestructura.
Conclusión
La Agentic AI no es una hipótesis futura, sino una realidad en consolidación desde 2022. Igual que el correo electrónico, la web y la movilidad, su adopción sigue una curva inevitable: de curiosidad a infraestructura. La diferencia es que esta vez el cambio ocurre dentro del propio ciclo de desarrollo de software.
Un ejemplo claro se observa en el frontend: hoy es posible desplegar agentes directamente en el edge mediante Cloudflare Workers AI o el Agents SDK, capaces de adaptar la interfaz, analizar la intención del usuario y ajustar la experiencia en tiempo real. Estos flujos híbridos donde humano y agente negocian decisiones visuales o de contenido, muestran cómo la agenticidad deja de ser una funcionalidad adicional y se convierte en una propiedad estructural de la interacción.
Así como aprendimos que no se puede diseñar sin pensar en accesibilidad, pronto no se podrá diseñar sin pensar en agencia. Aunque hoy se sigan aprobando productos que ignoran usabilidad o accesibilidad, la norma ya cambió: forman parte del canon del frontend moderno. Lo mismo ocurrirá con la Agentic AI. No será un añadido, sino el cimiento sobre el cual construiremos el software que aprende, colabora y evoluciona con nosotros.
La diferencia esencial de esta ola radica en su naturaleza cognitiva: no se limita a extender la infraestructura técnica, sino que redefine cómo se organiza el conocimiento y cómo fluye la decisión dentro de los sistemas. La Agentic AI inaugura la infraestructura cognitiva del siglo XXI: una red donde cada agente, humano o artificial, actúa como nodo pensante dentro de un tejido compartido.
Comprender y diseñar para esa nueva infraestructura no es solo una tarea de ingeniería, sino una responsabilidad cultural. En esa convergencia entre código, decisión y conciencia, es donde se jugará el futuro del software y, con él, nuestra forma de pensar con las máquinas.
Referencias
Acemoglu, D. (2023). Artificial Intelligence and the Future of Work. MIT Press.
https://nap.nationalacademies.org/read/27644/chapter/1
Anthropic. (2024, noviembre 25).Introducing the Model Context Protocol. [Blog post]. Anthropic.
https://www.anthropic.com/news/model-context-protocol
Berners-Lee, T. (1990). Information Management: A Proposal. CERN.
https://www.w3.org/History/1989/proposal.html
Brookings Institution. (2024). Generative AI, the American worker, and the future of work. Brookings Institution Report.
https://www.brookings.edu/articles/generative-ai-the-american-worker-and-the-future-of-work/
Cloudflare. (2025, febrero 25). Introducing the Agents SDK
https://developers.cloudflare.com/changelog/2025-02-25-agents-sdk/
Cloudflare. (2025, abril). Piecing together the Agent puzzle: MCP, authentication & authorization, and Durable Objects free tier. Cloudflare Blog.
https://blog.cloudflare.com/building-ai-agents-with-mcp-authn-authz-and-durable-objects/
Cloudflare. (2025, junio 3). Building an AI Agent that puts humans in the loop with Knock and Cloudflare’s Agents SDK. Cloudflare Blog.
https://blog.cloudflare.com/building-agents-at-knock-agents-sdk/
Google. (2025, abril 9). Announcing the Agent2Agent Protocol (A2A). Google Developers Blog.
https://developers.googleblog.com/en/a2a-a-new-era-of-agent-interoperability/
Google Cloud. (2025, julio). Announcing a complete developer toolkit for scaling A2A agents on Google Cloud. Google Cloud Blog.
https://cloud.google.com/blog/products/ai-machine-learning/agent2agent-protocol-is-getting-an-upgrade
IEEE Computer Society. (2002). Standards and Interoperability – IEEE Power & Energy Society Multi-Agent Systems Working Group. IEEE Press.
https://site.ieee.org/pes-mas/agent-technology/standards-and-interoperability/
Jimenez, C., et al. (2023). SWE-bench: Can Language Models Resolve Real-World GitHub Issues? arXiv:2310.06770.
https://arxiv.org/abs/2310.06770
Linux Foundation. (2025, junio 23). Linux Foundation Launches the Agent2Agent Protocol Project to Enable Secure, Intelligent Communication Between AI Agents. Linux Foundation.
https://www.linuxfoundation.org/press/linux-foundation-launches-the-agent2agent-protocol-project-to-enable-secure-intelligent-communication-between-ai-agents
NVIDIA Corporation. (2023). NVIDIA H100 Tensor Core GPU. NVIDIA Technical Whitepaper.
https://www.nvidia.com/en-us/data-center/h100/
NVIDIA Corporation. (2024). V1.21 NVIDIA GH200 Grace Hopper Superchip Architecture
https://resources.nvidia.com/en-us-grace-cpu/nvidia-grace-hopper
OpenAI. (2022, noviembre 30). Introducing ChatGPT. OpenAI Blog.
https://openai.com/index/chatgpt/
OpenAI. (2025, marzo 11). New features in the Responses API. OpenAI Blog.
https://openai.com/index/new-tools-for-building-agents/
OpenAI. (2025, mayo 21). New tools and features in the Responses API. OpenAI Blog.
https://openai.com/index/new-tools-and-features-in-the-responses-api/
Schick, T., Dwivedi-Yu, J., & Schütze, H. (2023). Toolformer: Language Models Can Teach Themselves to Use Tools. arXiv:2302.04761.
https://arxiv.org/abs/2302.04761
Significant Gravitas. (2023, marzo 30). Auto-GPT Repository. GitHub.
https://github.com/Torantulino/Auto-GPT
Stanford Center for Research on Foundation Models (CRFM). (2022–2024). HELM: A holistic framework for evaluating foundation models. Stanford University.
https://crfm.stanford.edu/helm/classic/latest/
Tomlinson, R. (1971). 1971: First Ever Email.
https://www.guinnessworldrecords.com/news/2015/8/60/1971-first-ever-email-392973
Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., Kaiser, Ł., & Polosukhin, I. (2017). Attention Is All You Need. arXiv:1706.03762
https://arxiv.org/abs/1706.03762
arXiv. (2025, abril 2). MCP Safety Audit: LLMs with the Model Context Protocol Allow Major Security Exploits. arXiv:2504.03767.
https://arxiv.org/abs/2504.03767
arXiv. (2025, junio 16). Model Context Protocol (MCP) at First Glance: Studying the Security and Maintainability of MCP Servers. arXiv:2506.13538.
https://arxiv.org/abs/2506.13538
Top comments (0)