¿Cómo toma decisiones una inteligencia artificial? Un modelo de lenguaje grande, el tipo de IA entrenado con enormes cantidades de texto que está detrás de asistentes como Claude, aprende a predecir la siguiente palabra, y cada respuesta sale de lo que aprendió más las instrucciones y la información que tiene a la vista en ese momento. Un agente de IA suma un ciclo encima: elige una herramienta, lee el resultado y decide el siguiente paso.
Cómo toma decisiones una inteligencia artificial: aprende de datos y predice la siguiente palabra
Anthropic, la empresa que creó Claude, explica en «Tracing the thoughts of a large language model» (27 de marzo de 2025) que los modelos como Claude no los programan directamente las personas. Se entrenan con grandes cantidades de datos y, durante ese entrenamiento, aprenden sus propias estrategias para resolver problemas.
El primer paso es el preentrenamiento, que el glosario de Anthropic describe como entrenar al modelo con una gran colección de texto sin etiquetar. En el caso de Claude, el modelo se preentrena para predecir la siguiente palabra a partir del texto anterior del documento. El glosario de Anthropic aclara que los modelos que solo están preentrenados no son buenos de por sí para responder preguntas ni para seguir instrucciones.
Por eso se refinan después. El ajuste fino (fine-tuning) sigue entrenando al modelo con datos adicionales, y el RLHF (aprendizaje por refuerzo con retroalimentación humana) pone a personas a ordenar dos o más respuestas de ejemplo para que el modelo aprenda a preferir las que quedaron mejor ubicadas.
Cada respuesta es una elección entre opciones probables
La temperatura es un ajuste que controla qué tan aleatorias son las predicciones del modelo al generar texto, según el glosario de Anthropic. Si es baja, da respuestas más conservadoras que se quedan con lo más probable, y si es alta, salidas más creativas y variadas.
Lo que el modelo tiene a la vista es su ventana de contexto, que el glosario define como la cantidad de texto que el modelo puede mirar y consultar al generar una respuesta. Anthropic la llama una «memoria de trabajo», distinta de los datos con los que el modelo se entrenó. La ventana de contexto es como la carpeta de políticas que le dejas abierta en el escritorio a un empleado nuevo.
Un modelo a veces adivina en vez de admitir que no sabe
En «Why Language Models Hallucinate» (publicado en arXiv el 4 de septiembre de 2025), Kalai, Nachum, Vempala y Zhang explican que los modelos a veces adivinan cuando no están seguros y hacen afirmaciones que parecen correctas pero son falsas, en vez de admitir la duda. A esas respuestas inventadas se les llama alucinaciones, y los autores sostienen que ocurren porque el entrenamiento y la evaluación premian adivinar por encima de reconocer la incertidumbre.
Contra las alucinaciones, en MAGIA Solo configuramos tu asistente para quedarse en lo que sabe de tu negocio y no inventar precios ni prometer cosas que no ofreces.
Las decisiones de IA en un agente siguen un ciclo de herramientas y resultados
La guía de OpenAI «A practical guide to building agents» define a los agentes como sistemas que cumplen tareas por ti con independencia. Según OpenAI, un agente usa un modelo de lenguaje grande para manejar la tarea y tomar decisiones, elige las herramientas según el punto en que va la tarea y opera siempre dentro de límites claramente definidos. Si algo falla, el agente puede detenerse y devolverle el control al usuario.
Una herramienta es una función que el modelo puede pedir que se ejecute, como buscar en la web. En la documentación de Anthropic, Claude decide cuándo usar una herramienta según lo que pide el usuario y la descripción de esa herramienta, y las instrucciones base que recibe el modelo (su system prompt) pueden orientar cuándo la usa y cuándo responde directo.
En «Building effective agents» (19 de diciembre de 2024), Anthropic dice que los agentes suelen ser modelos de lenguaje que usan herramientas en un ciclo, guiados por lo que les devuelve su entorno. En cada paso necesitan datos reales, como el resultado de una herramienta, para evaluar cómo van, y pueden pausar para pedir la opinión de una persona en puntos de control o cuando se traban. Anthropic aclara que buena parte de las herramientas técnicas que describe «Building effective agents» cambió desde entonces.
Las decisiones de IA en tu negocio dependen de reglas claras
La guía de OpenAI dice que las instrucciones claras reducen la ambigüedad y mejoran la toma de decisiones del agente, con menos errores. Recomienda armarlas con tus procedimientos, guiones de atención o políticas, y prever casos como un cliente que da datos incompletos.
La guía de OpenAI «A practical guide to building agents» nombra dos señales principales para pasarle un caso a una persona. Una es superar un límite de intentos, como cuando el agente no entiende lo que quiere el cliente después de varias pruebas, y la otra son las acciones delicadas, irreversibles o de alto riesgo, que deberían pasar por supervisión humana hasta que crezca la confianza en el agente.
En MAGIA Solo tu asistente arranca de tu información real: en la Fase 0 nos das tu información y ejemplos de cómo hablas (servicios, precios, cómo respondes hoy), y con eso entrenamos el tono del asistente para que suene a tu marca. Lo pruebas tú antes de la entrega. Cuando una consulta se pone delicada o sale de su alcance, el asistente te la pasa a ti en lugar de improvisar.
MAGIA Solo te entrega en 15 días un asistente con tu voz y tus precios
Cuando trabajas solo, cada mensaje sin responder es una venta que se enfría. MAGIA Solo está pensado para profesionales y negocios chicos, como médicos, abogados, coaches y clínicas. En 15 días te entregamos un sistema que responde, agenda y cobra por ti, y queda a tu nombre.
El asistente responde WhatsApp de día y de noche con tu voz y tus precios. Ofrece tus horarios, agenda la cita, manda el recordatorio y cobra con un link de pago en el mismo chat.
Te lo entregamos andando, con tres sesiones de capacitación y un manual sencillo, y durante los 6 meses de acompañamiento afinamos cualquier respuesta que no te guste. Código, datos, dominio, cuentas y hasta las claves quedan a tu nombre desde el día uno. No es un experimento: llevamos más de 500 proyectos construidos, más de 100,000 clientes atendidos por IA y sistemas operando en 5 países.
MAGIA Solo es un pago único de 4,500 USD. La operación mensual (los servidores donde corre el sistema y la IA que atiende) se paga aparte, a costo, directo a los proveedores y a tu nombre. Si quieres que el sistema siga alojado y operado por Catalizadora, eso requiere un plan activo, desde 99 USD al mes.
Si buscas soluciones de toma de decisiones de IA para atender a tus clientes sin vivir pegado al chat, en la página de MAGIA Solo ves todo lo que incluye y agendas una llamada.