Glosario de conceptos: agentes IA

Conceptos que aparecen una y otra vez en los cursos y recursos de la academia, explicados en simple. Este glosario crece con el tiempo — si echas de menos un término, escríbeme.

Modelos

LLM (Large Language Model) — modelo de lenguaje entrenado sobre grandes volúmenes de texto, capaz de razonar y generar lenguaje natural. Ejemplos: Claude, GPT, Gemini.

Ventana de contexto — la cantidad máxima de texto (medida en tokens) que un modelo puede “ver” en una sola llamada. Todo lo que no cabe, el modelo no lo conoce.

Token — la unidad mínima de texto que procesa un modelo (aprox. ¾ de una palabra en español). El costo de las APIs se mide en tokens de entrada y salida.

Prompt engineering — diseñar las instrucciones que se le entregan al modelo para obtener resultados consistentes y de calidad.

System prompt (prompt de sistema) — las instrucciones que definen quién es el asistente y cómo se comporta siempre: rol, tono, reglas y límites. Se escribe una vez y gobierna toda la conversación.

Alucinación — cuando el modelo inventa información que suena verdadera (fechas, precios, citas, datos). Es el fallo más conocido de la IA y se mitiga anclando las respuestas a fuentes (RAG), prohibiendo inventar en el prompt y validando las salidas.

Temperatura — parámetro clásico que controlaba cuánto “improvisa” el modelo al elegir cada palabra: baja para tareas precisas, alta para creatividad. En retirada: los modelos razonadores actuales la eliminaron (GPT-5+, Claude Opus 4.7+ dan error si la envías) o recomiendan no tocarla (Gemini 3) — el control pasó a las perillas de razonamiento (effort, thinking_level, reasoning_effort). Ver la guía de parámetros de modelos en la comunidad.

Few-shot — técnica de prompting que consiste en mostrar 2–4 ejemplos de “entrada → respuesta ideal” dentro del prompt. Enseña el formato esperado mejor que un párrafo de reglas.

Fine-tuning — reentrenar un modelo con datos propios para especializarlo en una tarea o estilo. Más costoso y rígido que RAG o prompting; hoy se reserva para casos muy específicos.

Multimodal — modelo que procesa más de un tipo de contenido: texto, imágenes, audio o video. Permite, por ejemplo, analizar una captura de pantalla o extraer datos de una foto de un documento.

Flagship — el modelo más potente de cada empresa (su “buque insignia”): el más inteligente, el más caro y el más lento. Ejemplos: Claude Opus, GPT Sol, Gemini Pro. Se reserva para lo difícil; el trabajo diario va en la gama equilibrada.

Routing de modelos — usar el modelo correcto para cada paso en vez de uno solo para todo: rápido y barato para clasificar y extraer, equilibrado para orquestar y conversar, flagship solo donde la inteligencia extra se paga sola. Bien aplicado ahorra 40-60% sin pérdida medible de calidad.

Agentes

Agente — un LLM al que se le da capacidad de acción: puede usar herramientas, consultar datos y tomar decisiones en varios pasos, no solo responder texto.

Flujo agéntico — grafo de trabajo donde varios nodos (agentes, herramientas, enrutadores) se conectan para resolver una tarea de principio a fin.

LangGraph — framework de LangChain para construir agentes como grafos explícitos de nodos y aristas, con estado compartido, ciclos y control del flujo paso a paso. Su propuesta es dar control sobre el agente en vez de esconderlo tras una abstracción.

Grafo de estado — la forma de modelar un agente como nodos conectados por flechas, donde toda la información viaja en un estado compartido. A diferencia de una cadena lineal, puede ramificarse y volver atrás.

Nodo — cada paso de trabajo del grafo (llamar al modelo, ejecutar una herramienta, transformar datos). Recibe el estado y devuelve qué campos actualiza.

Arista condicional — bifurcación del flujo: una función lee el estado y decide a qué nodo ir. Es lo que convierte un grafo en un tomador de decisiones.

Ciclo (loop) — cuando una arista apunta a un nodo anterior, creando un bucle de reintento o refinamiento. Es la capacidad que una cadena lineal no tiene, y por eso todo agente necesita un tope de pasos (ver step cap).

Sistema multi-agente — solución donde varios agentes especializados colaboran, cada uno con un rol (investigar, resumir, validar, ejecutar).

Handoff — transferencia del control de un agente a otro entre pares, sin pasar por un coordinador central. El contexto de la conversación viaja con el usuario, como en un call center. Se contrapone al patrón supervisor, donde el control siempre vuelve al centro.

Reflexión — patrón donde un nodo genera y otro critica el resultado, iterando hasta que el crítico aprueba. Mejora la calidad, pero cada vuelta suma al menos una llamada de generación y otra de crítica, así que se reserva para entregables, no para chat. No confundir con Reflexion (el paper), que aprende entre intentos.

Plan-and-execute — patrón alternativo a ReAct: el agente planifica todos los pasos al principio y luego los ejecuta, replanificando si la realidad no calza. Para tareas largas donde ReAct pierde el hilo.

Plan-and-Solve — técnica de prompting en que el modelo primero escribe un plan con subtareas y después lo ejecuta. Reduce pasos omitidos, pero un plan inicial malo arrastra toda la ejecución. Es la versión “de una sola llamada” de plan-and-execute.

Reflexion (el paper) — técnica en que, tras un intento fallido, un evaluador escribe una reflexión en texto que se guarda y condiciona el siguiente intento. Sus autores la llaman verbal reinforcement learning porque aprende de los errores sin tocar los pesos del modelo. Necesita una señal de éxito confiable (tests, un compilador, un verificador).

Tree of Thoughts (ToT) — el modelo genera varias líneas de razonamiento en paralelo, las evalúa y explora como un árbol, pudiendo retroceder. Útil cuando una decisión temprana hay que reconsiderarla; muy caro en latencia y tokens, así que se reserva para rutas difíciles.

Toolformer — enfoque que entrena al propio modelo para decidir si, cuándo, qué herramienta y con qué argumentos llamar una API. A diferencia de un agente ReAct, que usa un modelo congelado, aquí el uso de herramientas queda en los pesos.

CoALA — marco conceptual (Cognitive Architectures for Language Agents) que describe un agente como tres piezas: memoria, espacio de acciones y proceso de decisión. Sirve como guía de arquitectura para no mezclar RAG, memoria y planificación bajo la etiqueta “ReAct”.

Workflow vs agente — distinción de Anthropic: en un workflow el código fija la ruta y el LLM resuelve pasos puntuales; en un agente el modelo decide dinámicamente qué hacer. La recomendación es partir por la solución más simple (a menudo una sola llamada al LLM o un workflow) y sumar autonomía solo donde aporte una mejora medible.

Map-reduce (fan-out) — repartir N elementos en ramas paralelas, procesarlas a la vez y consolidar los resultados. El patrón para resumir 40 documentos o evaluar 10 candidatos sin esperar uno por uno.

Harness — la arquitectura que rodea al modelo y le da capacidad de acción real: herramientas, contexto, memoria, seguridad, gobernanza, gestión de errores y observabilidad. Un LLM sin harness es como un cerebro sin extremidades.

HITL (Human-in-the-Loop) — puntos del flujo donde una persona revisa o aprueba antes de que el agente continúe. Clave en entornos regulados.

Approval gate (compuerta de aprobación) — punto del flujo donde una acción sensible (un pago, un cambio de datos) queda en pausa hasta que alguien o una regla la aprueba. Es la versión puntual del HITL: la supervisión se aplica a la acción crítica, no al agente entero.

Nivel de autonomía — dónde se para un sistema en el espectro que va del workflow rígido al agente de alta autonomía. El “agente 100% autónomo” no existe en producción: hasta el más libre opera con límites de pasos, presupuesto, herramientas permitidas y políticas. La autonomía se otorga por capas y se gana con confianza medible, no se asume.

HOTL (Human-on-the-Loop) — la persona no aprueba cada acción, pero supervisa en tiempo real y puede intervenir. Punto intermedio entre HITL y autonomía total, para tareas de alta frecuencia y riesgo medio.

Orquestador (supervisor) — el componente (o agente principal) que coordina el flujo: decide qué agente, herramienta o ruta se usa en cada paso. El patrón dominante en producción es un orquestador con herramientas antes que muchos agentes conversando entre sí.

Enrutador (router) — nodo que analiza la intención del usuario y dirige la conversación al agente o ruta especializada que corresponde.

Guardrails — reglas y validaciones que limitan lo que un agente puede decir o hacer: filtros de entrada/salida, temas prohibidos, formatos obligatorios.

ReAct (razonar → actuar → observar) — el bucle que hace funcionar a un agente: el modelo razona, decide una acción (llamar una herramienta), observa el resultado y repite hasta terminar la tarea. La autonomía de un agente es este loop, no magia del modelo.

Subagente — agente secundario con su propio contexto e instrucciones, al que el agente principal delega trabajos paralelos o especializados sin contaminar la conversación principal.

Skill — paquete reutilizable de instrucciones (una carpeta con un archivo SKILL.md, plantillas y scripts) que le enseña al agente a hacer una tarea específica. Se carga solo cuando la tarea calza. Es la memoria procedimental del agente.

Conocimiento y memoria

RAG (Retrieval-Augmented Generation) — técnica donde el modelo consulta una base de conocimiento (documentos, manuales) y responde usando los fragmentos más relevantes, en vez de depender solo de su entrenamiento.

Embedding — representación numérica (vector) del significado de un texto. Permite buscar por significado y no por palabras exactas.

Búsqueda vectorial — encontrar los textos más similares a una consulta comparando sus embeddings (típicamente con similitud de coseno).

Base de datos vectorial — base de datos especializada en guardar embeddings y buscar por cercanía de significado. Ejemplos: pgvector, LanceDB, Pinecone, ChromaDB.

Chunking — dividir documentos largos en fragmentos manejables antes de generar sus embeddings.

Reranking — segundo filtro que reordena los resultados de una búsqueda vectorial con un modelo más preciso, para que los mejores fragmentos queden efectivamente primero.

Estado (state) — la información que viaja por el flujo y que todos los pasos leen y actualizan. Es la memoria de trabajo del agente durante una ejecución; al terminar, se descarta salvo que se persista.

Reducer — la regla que decide cómo se combina el valor viejo de un campo del estado con el nuevo: reemplazar o acumular. Sin reducer, un paso pisa lo que escribió el anterior — el origen silencioso de muchos “se me borró el historial”.

Thread (hilo) — una conversación identificada cuyo estado se guarda y recupera entre turnos. Es lo que hace que el agente recuerde de un mensaje al siguiente, y la frontera que separa la conversación de un usuario de la de otro.

Memoria de corto plazo — lo que el agente recuerda dentro de la conversación actual: últimos turnos, resúmenes del historial.

Memoria de largo plazo — lo que el agente conserva entre conversaciones: preferencias, hechos, decisiones. Se recupera por significado usando embeddings.

Memoria semántica — memoria de largo plazo que almacena hechos y conocimientos (“qué sabe” el agente) y los recupera por significado, no por fecha.

Memoria episódica — memoria de largo plazo que almacena experiencias (“qué pasó”): qué se intentó en sesiones anteriores, qué funcionó y qué falló. Es la que evita que el agente repita el mismo error dos veces — y la gran olvidada en la mayoría de los diseños.

Memoria procedimental — memoria que almacena procedimientos (“cómo se hacen las cosas”): métodos, flujos, buenas prácticas. Los skills son su forma más común.

Context rot (podredumbre del contexto) — la degradación de la calidad del modelo a medida que el contexto se llena: al turno 3 respeta tus reglas, al turno 25 las ignora porque quedaron enterradas bajo miles de tokens de historial y resultados de tools. Lo midió Chroma en 2025 y se mitiga presupuestando el contexto, compactando y repitiendo las reglas críticas al final. Desarrollado en Harness — Clase 2.

Presupuesto de contexto — asignar explícitamente cuántos tokens le tocan a cada sección de la ventana (system prompt, tools, historial, documentos, resultados de tools) y qué se descarta primero cuando no cabe, reservando siempre el espacio de salida. La alternativa es que lo decida el azar, que cobra por token.

Compactación del historial — reemplazar un tramo viejo de la conversación por un resumen y seguir con los últimos turnos íntegros. Se dispara antes de llenar la cuota (70-80%) y el resumen va en campos fijos (objetivo, hechos, decisiones, pendientes, restricciones) para no perder IDs ni reglas en silencio.

Integración

API — la “puerta” por la que un programa conversa con otro. Los modelos de IA se usan en producción a través de sus APIs: tu aplicación envía el prompt y recibe la respuesta.

API Key — clave secreta que te identifica ante un proveedor de IA y permite cobrarte el consumo. Nunca se comparte ni se publica en el código.

MCP (Model Context Protocol) — protocolo abierto que estandariza cómo los modelos se conectan con herramientas y fuentes de datos externas. Permite que un mismo servidor de herramientas funcione con distintos clientes (Claude Desktop, Cursor, etc.).

Tool / herramienta — función que el agente puede invocar: buscar en la web, consultar una base de datos, enviar un correo, llamar una API.

Tool call — la petición que devuelve el modelo cuando quiere usar una herramienta, con el nombre y los argumentos rellenados. Distinción clave: el modelo pide, no ejecuta; ejecutar es decisión de tu código, y ahí está todo el control que tienes sobre un agente.

Streaming — entregar la respuesta del modelo palabra por palabra a medida que se genera, en vez de esperar a que termine. Es lo que hace que un chat “escriba” en vivo.

STT / TTS — Speech-to-Text (convertir voz en texto) y Text-to-Speech (convertir texto en voz). Las dos piezas que permiten a un agente atender una llamada telefónica: STT escucha, el LLM piensa, TTS responde hablando.

Webhook — URL que recibe avisos automáticos cuando ocurre algo (ej: cuando un flujo termina de ejecutarse o llega un mensaje de un canal externo).

Observabilidad — poder ver qué hizo el agente y por qué: trazas de cada paso, tokens consumidos, decisiones tomadas. Herramientas típicas: Langfuse, LangSmith.

Evaluación

Evaluación offline / online — los dos momentos en que se evalúa un sistema LLM: offline es contra un dataset de casos antes de publicar (detecta regresiones); online es sobre las conversaciones reales en producción (detecta deriva y casos imprevistos). Se cierran en ciclo: todo fallo detectado en producción se convierte en caso de prueba offline.

pass^k — métrica de consistencia (introducida por τ-bench): la probabilidad de que el agente resuelva la misma tarea correctamente en todas de k ejecuciones, no en alguna. Con 90% de éxito por ejecución y suponiendo intentos independientes, el pass^8 ronda el 43%: por eso un agente “muy bueno” puede no servir para una operación crítica.

Golden dataset — el conjunto curado y versionado de casos de prueba con respuestas validadas por expertos del dominio; la “verdad” contra la que se mide todo cambio del sistema. Rango útil: 50–200 casos por flujo crítico, estratificados entre happy path, edge cases y adversariales.

LLM-as-Judge — usar un modelo evaluador para calificar automáticamente las respuestas de otro modelo: recibe input, salida y criterios, y devuelve puntaje con razonamiento. El método más versátil para calidad subjetiva (tono, completitud, utilidad) — y el más caro. Requiere temperatura 0, criterios de negocio explícitos y calibración contra humanos.

Calibración del juez — verificar que el LLM-as-Judge puntúa parecido a como puntuaría un experto humano: casos evaluados a ciegas por personas, correlacionados con el juez. Si no calzan, se reescriben los criterios con anclas explícitas (“10 = resuelve y confirma; 5 = resuelve sin confirmar; 0 = información incorrecta”). Regla de oro: el mismo modelo nunca genera y juzga (sesgo de auto-preferencia).

Rúbrica (con anclas) — los criterios que guían al juez, escritos en el idioma del negocio y con ejemplos explícitos de qué significa cada puntaje. Una rúbrica vaga (“califica la calidad”) produce puntajes vagos.

RAGAS — framework de métricas para evaluar pipelines RAG sobre la tripleta pregunta/contexto/respuesta: Faithfulness (¿la respuesta se sostiene solo en el contexto?), Answer Relevancy (¿atiende la pregunta?), Context Precision (¿lo recuperado era relevante?) y Context Recall (¿se recuperó todo lo necesario?). Su valor real: separan fallas del retriever de fallas del generador, que se arreglan en lugares distintos.

Routing accuracy (exactitud de enrutamiento) — porcentaje de mensajes que el enrutador dirigió a la ruta correcta. Merece métrica propia porque un error de ruteo invalida todo lo posterior: la mejor respuesta del mundo en la rama equivocada es una mala respuesta. Es determinista — no necesita juez.

Precision / Recall / F1 — las métricas clásicas de clasificación: precision mide cuánto de lo que el sistema marcó era correcto; recall, cuánto de lo que debía marcar encontró; F1 combina ambas. Las más auditables del catálogo: un comité de riesgo entiende un F1, difícilmente acepte “el juez le puso 8”.

Similitud de texto / BLEU — métricas deterministas que comparan la salida con una referencia (distancia de edición o solapamiento de n-gramas). Gratis e instantáneas, sirven para formatos estables (plantillas, extracciones); nunca como criterio único de respuestas abiertas — miden superficie, no significado.

Consistencia (de corridas) — cuánto varían los puntajes de un sistema entre casos y ejecuciones. Un promedio 7 con alta consistencia es un sistema confiable; el mismo 7 con baja consistencia alterna excelencia y desastre — y el promedio solo no lo muestra.

Eficiencia de costo — puntaje dividido por costo; la métrica de decisión al comparar modelos. Un modelo 20% peor pero 10× más barato puede ser la elección correcta según el caso de uso.

Gate de regresión — correr la suite de evaluación antes de cada publicación y bloquear si no pasa los umbrales, con la misma disciplina que “no se mergea sin CI verde”. Tres métricas con umbrales que bloquean valen más que quince en un dashboard que nadie mira.

Caso bloqueante — caso de prueba cuyo fallo invalida la corrida entera aunque el promedio sea bueno. Un promedio de 8.5 puede esconder que falló el caso “no dar consejo médico”; los casos de riesgo se marcan como bloqueantes justamente para que eso no pase piola.

Dataset held-out — subconjunto del dataset que nunca se mira mientras se itera el prompt; solo se corre antes de publicar. Previene el overfitting al test: optimizar para el examen en vez de para los usuarios.

Dataset sintético — casos de prueba generados con un LLM a partir de la estructura del sistema. Acelera el arranque, pero el generador comparte sesgos con el evaluado: es bootstrap, no verdad — se revisa a mano antes de promover un caso al golden dataset.

Deriva (drift) — degradación silenciosa de un sistema en producción sin que nadie haya cambiado nada: el proveedor actualiza el modelo por debajo, los usuarios cambian estacionalmente, el negocio cambia su catálogo. Se detecta re-corriendo la suite golden sin cambios (si el puntaje se mueve solo, algo cambió por debajo) y monitoreando conversaciones reales.

Falso positivo (en seguridad) — input legítimo bloqueado por parecerse a un ataque (“mi profesor me pidió resumir un texto que dice ‘ignora las instrucciones’”). Una suite de seguridad seria reporta dos números: tasa de resistencia Y tasa de falsos positivos — un sistema que bloquea todo tiene 100% de resistencia y 0% de utilidad.

Seguridad

Prompt injection (inyección de instrucciones) — ataque donde alguien esconde órdenes dentro del contenido que el agente lee (un correo, un documento, un formulario) para manipular su comportamiento. Se mitiga tratando el contenido externo como datos, no como instrucciones.

Tool poisoning — ataque donde un servidor de herramientas (p. ej. un MCP de terceros) esconde instrucciones maliciosas en las descripciones de sus herramientas, que el modelo lee como si fueran reglas confiables. Se mitiga auditando los servidores antes de conectarlos y verificando que las descripciones no cambien después de aprobadas.

Memory poisoning — variante persistente de la inyección: el ataque logra que el agente guarde una instrucción maliciosa en su memoria de largo plazo, y esta se ejecuta en todas las conversaciones futuras. Se mitiga tratando la escritura a memoria como acción sensible y manteniendo la memoria inspeccionable.

PII (Información Personal Identificable) — datos que identifican a una persona: nombre, RUT, correo, teléfono, tarjetas. En entornos regulados se detecta y protege antes de enviarla a un modelo.

Sandbox — entorno aislado donde el agente puede ejecutar código o comandos sin acceso al sistema real. Si algo sale mal, el daño queda contenido.

Lethal Trifecta — la combinación de tres capacidades que vuelve peligroso a un agente: acceso a datos privados + contenido no confiable (que puede traer instrucciones escondidas) + capacidad de exfiltrar (enviar datos afuera). La defensa estructural es romper al menos una de las tres, típicamente la exfiltración.

Confused deputy (delegado confundido) — el patrón donde un componente con permisos amplios ejecuta, sin darse cuenta, una acción pedida por alguien que no los tenía: el agente no fue hackeado, fue usado como intermediario. La defensa es que los permisos efectivos sean la intersección de los del agente y los del usuario, nunca la unión. Desarrollado en Harness — Clase 3.

Arquitectura y producción

EDA (arquitectura orientada a eventos) — diseño donde los componentes no se llaman directamente esperando respuesta, sino que emiten y reaccionan a eventos (“llamada iniciada”, “pago recibido”). Permite que los flujos agénticos sobrevivan demoras y fallas sin perder el hilo.

Event bus — el canal central donde se publican los eventos para que cualquier componente interesado los consuma. Ejemplos: EventBridge, Kafka, Redpanda, NATS.

Durable execution — garantía de que un workflow llega a su estado final aunque el servidor muera, se reinicie o se redespliegue: el runtime registra cada paso en un journal replayable y retoma donde quedó. Distinto de checkpointing, que guarda estado pero no garantiza completar. Ejemplos: Temporal, Restate, Inngest.

Checkpointing — guardar el estado de un flujo en puntos intermedios para poder retomarlo. Necesario pero no suficiente: si el proceso muere, nadie garantiza que alguien retome desde el checkpoint.

Time travel — volver a un checkpoint anterior y re-ejecutar desde ahí, opcionalmente cambiando el estado, para responder “¿y si hubiera hecho otra cosa?”. Solo es seguro si los efectos secundarios son idempotentes: re-ejecutar repite lo que los pasos posteriores hicieron.

Máquina de estados (state machine) — sistema definido por estados y transiciones explícitas. La descripción más honesta de un agente en producción: una state machine que invoca LLMs en ciertas transiciones, no un loop libre de prompts.

Idempotencia — propiedad de una operación que produce el mismo resultado aunque se ejecute dos veces. Crítica en agentes: sin claves de idempotencia, un reintento puede cobrar o enviar dos veces.

Huella semántica (de una acción) — clave de idempotencia derivada de los campos que definen la identidad de negocio de una acción (para un evento de calendario: título + hora de inicio), en vez de un hash de todos los argumentos. Dos llamadas “casi iguales” del modelo — una con un parámetro extra — producen la misma huella, y el duplicado queda atrapado igual.

Debounce (de mensajes) — ventana corta de silencio tras el último mensaje del usuario: si escribe en ráfaga, los mensajes se acumulan y se fusionan en un solo turno antes de invocar al modelo. Evita respuestas y acciones duplicadas. Lo típico es 1–5 segundos, idealmente adaptativo según si el texto parece completo (“¿me puedes ayudar?”) o quedó colgando (“y además…”).

Double texting — cuando el usuario manda otro mensaje mientras el agente todavía procesa el anterior. Hay cuatro formas de manejarlo: rechazar el nuevo, encolarlo, interrumpir el turno actual o descartarlo. Si el agente ejecuta acciones reales, encolar es la única segura: un correo enviado o un evento creado no se pueden deshacer.

Typing indicator — el “escribiendo…” de las apps de mensajería. En un bot es media solución contra los mensajes repetidos: el usuario que ve actividad no reenvía por impaciencia, igual que un spinner evita el doble clic en un botón de “Pagar”.

Step cap / budget cap — límites duros por sesión: máximo de pasos o iteraciones (step cap) y máximo de gasto en tokens o dólares (budget cap). La póliza de seguro contra loops infinitos.

Kill switch — mecanismo para detener un agente de inmediato desde afuera, sin depender de que él decida parar. En producción, el agente lo consulta en cada ciclo.

Circuit breaker — patrón que corta automáticamente las llamadas a un servicio que está fallando, en vez de seguir insistiendo y amplificar el problema.

Fallback (de proveedor LLM) — respaldo configurado con un modelo de otro proveedor: si el primario se cae, sube de precio o cambia sus límites, el agente salta al respaldo y sigue vivo. Como los modelos son cada vez más intercambiables, depender de un solo proveedor es un riesgo evitable.

Shadow mode — correr el sistema nuevo en paralelo al actual sin que ejecute acciones reales, solo comparando sus decisiones. La forma segura de validar un agente antes de soltarlo.

Canary (deploy) — liberar el sistema nuevo a un porcentaje pequeño del tráfico (1% → 10% → 50% → 100%), midiendo calidad en cada etapa antes de avanzar.

Latencia p50 / p95 — percentiles del tiempo de respuesta: p50 es lo que espera el usuario típico, p95 lo que espera el 5% con peor suerte. Los presupuestos de latencia serios se definen sobre ambos, no sobre el promedio.

RBAC (control de acceso por rol) — los permisos no se asignan a personas ni a agentes uno por uno, sino a roles; cada rol agrupa scopes (soporte:read, pagos:write) y cada tool declara el scope que exige. Separar lectura de escritura y dar un rol por agente es lo que permite revocar sin romper a los demás.

Política declarativa (fail-closed) — las reglas de gobernanza escritas como dato (un YAML versionado en Git) que un motor genérico evalúa, en vez de if dispersos en el código: el dueño del dominio las lee, seguridad las audita y cambiar un umbral no exige despliegue. Con default: deny, lo que no está declarado no corre.

Aprobación asíncrona — la compuerta humana para acciones de alto riesgo cuando la respuesta llega por Slack o correo minutos u horas después: una cola persistente con qué se pide, quién, por qué regla, hasta cuándo y qué pasa si expira. El default al expirar es denegar; la reanudación debe ser idempotente.

Audit log encadenado — registro append-only (sin UPDATE ni DELETE) donde cada entrada incluye el hash de la anterior, de modo que alterar o borrar una rompe la cadena y se nota. Distinto de las trazas de observabilidad, que se rotan: este responde legalmente quién pidió, en nombre de quién y quién aprobó cada acción.

Costos y consumo

Input / Output — lo que pagas al usar un modelo: input es todo lo que entra (prompt, historial, documentos) y output lo que el modelo escribe. El output suele costar 2–5× más.

Prompt caching — descuento que aplican los proveedores cuando repites el mismo bloque grande de contexto (instrucciones, un documento) en llamadas seguidas: la parte cacheada se cobra una fracción del precio.

Batch (procesamiento por lotes) — enviar muchas solicitudes juntas para procesarlas sin urgencia a cambio de un descuento (~50% menos). Ideal para indexar documentos o clasificar en volumen.

Rate limit — límite de solicitudes o tokens por minuto que impone un proveedor (o que tú impones a tus usuarios) para proteger el servicio y controlar el gasto.

Material relacionado

• Glosario de LangGraph — los mismos conceptos aplicados al framework, con su API concreta
• Curso completo de LangGraph — 12 módulos que construyen todo esto paso a paso