¿Cuáles son los pilares de la inteligencia artificial?
No existe una lista oficial de «pilares de la IA»: cada autor, curso o empresa propone la suya. Lo que sí hay es bastante acuerdo en qué hace falta para que un sistema de inteligencia artificial funcione. Yo lo resumo en cuatro pilares, porque es la forma más sencilla de explicarlo en una empresa o en clase:
- Datos. La IA moderna aprende a partir de ejemplos. Sin datos suficientes, variados y de calidad no hay modelo que sirva, y si los datos están sesgados, el modelo también lo estará.
- Algoritmos y modelos. Son los métodos que extraen patrones de esos datos: desde una regresión hasta las redes neuronales profundas y los grandes modelos de lenguaje, como los que usan ChatGPT o Claude.
- Capacidad de cómputo. Entrenar y ejecutar modelos grandes exige procesadores especializados (GPU y similares) y mucha energía. Buena parte del salto de la última década se explica por este pilar.
- Personas y criterio. Alguien tiene que definir el problema, decidir qué datos usar, revisar resultados, detectar errores y responder por las decisiones. Es el pilar que más se olvida y el que más falla en las empresas.

Si uno de los cuatro cojea, el sistema entero cojea. Es frecuente ver proyectos con un modelo excelente que fracasan porque los datos de la empresa están dispersos, o porque nadie tiene claro qué problema se quería resolver.
Los pilares de un agente de IA
Cuando la conversación pasa de la IA en general a los agentes de IA, sistemas que no solo responden sino que actúan por ti, la estructura cambia un poco.

La guía práctica de OpenAI para construir agentes, publicada en abril de 2025, describe un agente a partir de tres componentes básicos [1]:
- Modelo: el modelo de lenguaje que razona y decide.
- Herramientas: las funciones, API y fuentes de datos que le permiten actuar (consultar un CRM, enviar un correo, buscar en la web).
- Instrucciones: las pautas y límites que definen cómo debe comportarse, incluidas las salvaguardas.
Rodrigo Meade lo plantea de forma parecida en WIRED en Español [2]. Critica que muchos productos que se llaman «agentes» son en realidad flujos de trabajo disfrazados, que encadenan pasos de forma rígida. Su propuesta es pensar en tres capas:
- Agentes: la capa cognitiva, con un rol, unos objetivos y capacidad de razonar. El «qué».
- Acciones: las capacidades del agente, convertidas en herramientas o funciones. El «cómo».
- Interacciones: los puntos de contacto con personas, otros agentes y sistemas. El «dónde».
A esos componentes yo añadiría un cuarto pilar práctico: la memoria y el contexto. Un agente que no recuerda lo que ya hizo, ni sabe en qué punto está la tarea, repite errores y obliga a explicarle todo cada vez.
Cómo usar estos pilares para evaluar un proyecto
Antes de contratar o construir una solución de IA, recorre los pilares con preguntas concretas:
| Pilar | Pregunta clave |
|---|---|
| Datos | ¿Tenemos los datos necesarios, son fiables y podemos usarlos legalmente? |
| Modelo | ¿Qué modelo usaremos y lo hemos probado con casos reales de nuestro negocio? |
| Cómputo y coste | ¿Cuánto cuesta cada consulta o cada tarea, y escala con el volumen previsto? |
| Herramientas | ¿A qué sistemas necesita acceder y con qué permisos mínimos? |
| Instrucciones y límites | ¿Qué no debe hacer nunca y cuándo debe pasar el caso a una persona? |
| Personas | ¿Quién revisa los resultados y quién responde si algo sale mal? |
¿Y la emoción y la «metacognición»?
En el debate sobre agentes se habla a menudo de IA «empática» o capaz de reflexionar sobre lo que sabe. Conviene separar lo que existe de lo que se promete:
- Los modelos actuales pueden detectar el tono de un mensaje y ajustar su respuesta, pero no sienten emociones. Hablar de empatía es una metáfora.
- Algunas técnicas permiten que un modelo revise su propia respuesta antes de entregarla, o que un segundo modelo la evalúe. Funciona como control de calidad, no como conciencia.
- Detectar emociones tiene límites legales: en la Unión Europea, el AI Act prohíbe los sistemas de reconocimiento de emociones en el trabajo y en los centros educativos, salvo por motivos médicos o de seguridad [3].
Si quieres pasar de la teoría a la práctica, en la guía práctica de agentes de IA en empresas explico cómo empezar con un caso concreto.
Fuentes y referencias
Fuentes consultadas el 2 de noviembre de 2026.
- [1] OpenAI: «A practical guide to building agents» (PDF), abril de 2025.
- [2] WIRED en Español: «Este es el marco que hay que adoptar para construir agentes verdaderamente inteligentes». Rodrigo Meade, serie PROMPTING, 8 de mayo de 2025.
- [3] Reglamento (UE) 2024/1689 de Inteligencia Artificial, artículo 5, apartado 1, letra f.
