Agente (en diseño de producto)
Programa construido sobre un modelo de lenguaje que percibe un entorno (un repositorio, un canvas, una API), decide una secuencia de acciones y las ejecuta con herramientas, en bucle, hasta cumplir un objetivo verificable.
En una analogía · Es un becario muy rápido que no solo te contesta, sino que abre las herramientas, hace el trabajo y te lo trae hecho.
También conocido como: Agente de IA · AI agent · Sistema agéntico
¿Qué es un agente?
Un agente es un programa que usa un modelo de lenguaje como motor de decisión dentro de un bucle: observa el estado de un entorno, elige una acción, la ejecuta con una herramienta, evalúa el resultado y repite hasta cumplir el objetivo o agotar el presupuesto de pasos. La diferencia con un chat es estructural, no de grado: un chat produce texto; un agente produce cambios de estado verificables (un archivo editado, un test en verde, una pull request abierta).
En diseño de producto, los agentes relevantes en 2026 operan sobre tres entornos: el repositorio de código (Claude Code, Cursor), el canvas de diseño (los modos agénticos de Figma) y los pipelines de datos del sistema (build de tokens, auditorías de accesibilidad).
Las cuatro piezas
Todo agente, sea cual sea el proveedor, se compone de lo mismo:
- Modelo. El motor de razonamiento. Decide qué hacer a continuación.
- Herramientas. Las funciones que puede ejecutar: leer archivo, escribir archivo, lanzar un comando, consultar un MCP server.
- Contexto. Lo que el agente sabe en cada paso: instrucciones del sistema, estado del repositorio, resultados de pasos anteriores.
- Bucle de control. El mecanismo que encadena pasos y decide cuándo parar.
De las cuatro, la única que el equipo de un design system controla por completo es el contexto. Por eso la pregunta operativa no es “qué agente usamos” sino “qué lee el agente cuando trabaja con nuestro sistema”.
Qué cambia para un design system
Un design system tiene desde 2025 un consumidor nuevo que no asiste a onboardings ni lee Notion: el agente. Consume lo que está estructurado (tokens en JSON tipado, APIs de componente declaradas, principios en texto plano) e ignora lo que vive en capturas de pantalla, vídeos de Loom o memoria institucional.
La consecuencia práctica: la calidad de lo que un agente genera con tu sistema es proporcional a la calidad de lo que tu sistema expone como dato. Un token sin $type es una cadena opaca; un componente sin API documentada es una invitación a inventar props. Esa exposición se audita con criterios concretos: el procedimiento está en la auditoría AI-readiness en 7 pasos.
Agente, copiloto y chatbot
| Dimensión | Chatbot | Copiloto | Agente |
|---|---|---|---|
| Salida | Texto | Sugerencias en contexto | Cambios de estado |
| Iniciativa | Responde | Completa | Planifica y ejecuta |
| Verificación | Ninguna | El humano acepta o rechaza | Tests, linters, revisión por PR |
| Riesgo si falla | Una mala respuesta | Una mala línea | Un mal merge |
La última fila explica por qué los agentes exigen governance agéntica: cuando el fallo posible es un merge, las reglas del sistema tienen que ser ejecutables, no aspiracionales.
Ver también
- MCP (Model Context Protocol)
- Governance agéntica
- Claude Code para diseñadores
- Cómo escribir principios de diseño que un agente pueda aplicar
El marco completo de agentes como consumidores de un design system se desarrolla en el libro de Joan Arbó; la práctica guiada, en el bootcamp ejecutivo.
Lecturas de referencia
A seguir