---
title: "Niveles de autonomía de los agentes de IA (L1–L5)"
description: "Los niveles de autonomía de los agentes de IA describen con qué independencia un sistema de IA toma decisiones. No existe un modelo estándar unificado."
locale: "es"
canonical: "https://blckalpaca.at/es/base-de-conocimiento/agentes-de-ia/que-son-los-agentes-de-ia/niveles-de-autonomia-de-los-agentes-de-ia-l1l5"
category: "Agentes de IA"
topic: "¿Qué son los agentes de IA?"
updated: "2026-10-28T13:10:22.226Z"
source: "Blck Alpaca e.U., blckalpaca.at"
---

# Niveles de autonomía de los agentes de IA (L1–L5)

Los niveles de autonomía de los agentes de IA describen con qué independencia un sistema de IA toma decisiones. No existe un modelo estándar unificado. Nuestro modelo distingue cinco niveles de madurez (L1–L5): desde bots reflejos basados en reglas (L1), pasando por LLM con una única llamada a herramienta (L2) y agentes de workflow en pipelines deterministas (L3), hasta agentes totalmente autónomos (L4) y sistemas multiagente coordinados (L5). Con cada nivel crece el control dinámico por parte del LLM y, con él, la utilidad, la complejidad y el esfuerzo de gobernanza.

## De un vistazo

- En nuestro modelo de cinco niveles, los niveles de autonomía van de L1 (agente reflejo, basado en reglas), pasando por L2 (Augmented LLM), L3 (agente de workflow) y L4 (agente autónomo), hasta L5 (sistema multiagente); no existe un modelo estándar unificado. El rasgo distintivo decisivo es qué parte del control del flujo asume el LLM de forma dinámica.
- Los agentes de verdad empiezan en L4: solo aquí el LLM controla de forma dinámica el orden de los pasos y la elección de herramientas, y recorre el bucle de razonamiento completo (Perceive → Reason → Act → Observe). En sentido estricto, los niveles L1 a L3 son etapas previas con una autonomía creciente, pero limitada.
- Para la mayoría de las aplicaciones B2B en producción, el punto óptimo está entre L3 y L4: autonomía suficiente para aportar una utilidad real, pero todavía controlable en costes, mantenimiento y cumplimiento normativo.
- Los sistemas multiagente L5 son potentes, pero propensos a los Compounding Errors: pequeños errores de agentes individuales que se amplifican a lo largo de la cadena de coordinación. Estándares como A2A (en la Linux Foundation desde junio de 2025, más de 150 organizaciones) impulsan aquí la interoperabilidad.
- Para situar tu propio nivel de madurez, plantéate tres preguntas: ¿quién decide el orden de los pasos (el código o el LLM)? ¿Cuántas herramientas usa el sistema por sí mismo? ¿Qué grado de autonomía tiene al realizar la tarea?
- Los niveles superiores no son un fin en sí mismos: según Gartner (junio de 2025), más del 40 % de los proyectos de IA agéntica se cancelarán antes de finales de 2027 por el aumento de los costes, un valor de negocio poco claro o controles de riesgo insuficientes. El nivel debe ajustarse al caso de uso, y no al revés.

## Definición: ¿qué son los niveles de autonomía de los agentes de IA?

Los **niveles de autonomía de los agentes de [IA](https://blckalpaca.at/es/glosario/ia)** describen en cinco niveles de madurez (L1–L5) con qué independencia un sistema de IA toma decisiones y cumple sus tareas. Van desde el bot reflejo basado en reglas (L1), pasando por [un LLM con una única llamada a herramienta](https://blckalpaca.at/es/base-de-conocimiento/agentes-de-ia/que-son-los-agentes-de-ia/tool-calling-como-usan-herramientas-los-agentes-de-ia) (L2) y un [agente](https://blckalpaca.at/es/glosario/agente) de workflow en un pipeline determinista (L3), hasta un agente totalmente autónomo (L4) y un sistema multiagente coordinado (L5). No existe un modelo estándar unificado para ello. Los cinco niveles son nuestra propia clasificación y se inspiran en [la distinción de Anthropic entre workflows y agentes](https://www.anthropic.com/engineering/building-effective-agents).

El rasgo distintivo decisivo no es la tecnología empleada, sino una sola pregunta: **¿qué parte del control del flujo asume el [LLM](https://blckalpaca.at/es/glosario/llm) de forma dinámica y qué parte está fijada en el código?** Con cada nivel, el control se desplaza del código determinista al modelo de lenguaje. Eso aumenta la utilidad posible, pero también la complejidad, los costes y el esfuerzo de gobernanza.

Tres ideas clave de entrada:

- **Los agentes de verdad empiezan en L4.** Solo aquí el LLM controla de forma dinámica el orden de los pasos y la elección de herramientas, y recorre el bucle de razonamiento completo. Los niveles L1 a L3 son etapas previas con una autonomía creciente, pero limitada.
- **Más alto no significa automáticamente mejor.** El nivel adecuado depende del caso de uso. Si un proceso se puede planificar de antemano, un nivel de madurez más bajo es más barato y más robusto.
- **Para la mayoría de las aplicaciones B2B, el punto óptimo está entre L3 y L4**: autonomía suficiente para aportar una utilidad real, pero todavía controlable.

## Un ejemplo concreto: la misma tarea en cinco niveles

Tomemos una tarea recurrente (la gestión de una consulta de un cliente por correo electrónico) y veamos cómo se resolvería en cada nivel:

- **L1:** Un bot de preguntas frecuentes detecta la palabra clave «factura» y envía una respuesta estándar predefinida. Sin adaptación, sin contexto.
- **L2:** Un LLM lee el correo, llama **una vez** a una herramienta (p. ej., una búsqueda por número de pedido) y redacta a partir de ahí una respuesta. Reactivo, un único paso.
- **L3:** El LLM recorre un pipeline definido de forma fija: primero la clasificación (enrutamiento según el tipo de consulta), luego la consulta de datos, después el borrador de respuesta y, por último, la aprobación. La ruta está predefinida y el LLM rellena las etapas.
- **L4:** El agente decide **por sí mismo** qué pasos son necesarios. Quizá primero compruebe el estado del pedido, constate que hace falta consultar a logística, llame allí a una segunda herramienta, revise el resultado y solo entonces redacte la respuesta. El orden de los pasos y la elección de herramientas no están programados de antemano.
- **L5:** Un orquestador reparte la consulta entre agentes especializados, por ejemplo un agente de investigación, un agente de cumplimiento normativo y un agente redactor, que se coordinan entre sí y combinan sus resultados parciales.

La misma tarea, cinco arquitecturas radicalmente distintas. El esfuerzo aumenta claramente de izquierda a derecha, igual que la utilidad potencial en casos complejos y difíciles de planificar de antemano.

## Los cinco niveles de autonomía en detalle

### L1: agente reflejo

Sistemas basados en reglas sin razonamiento real. Reaccionan a desencadenantes según reglas fijas del tipo si-entonces. Ejemplos típicos: un bot de preguntas frecuentes clásico con detección de intenciones o un termostato. No hay planificación ni decisiones controladas por el LLM; el comportamiento está completamente predefinido.

### L2: Augmented LLM

Un modelo de lenguaje ampliado con **una única llamada a herramienta** que trabaja de forma puramente reactiva. El LLM responde a una consulta y puede usar para ello una herramienta una sola vez, por ejemplo una búsqueda web. Ejemplo: **un [chatbot](https://blckalpaca.at/es/glosario/chatbot) de soporte que consulta una vez el estado del pedido mediante una llamada a herramienta**. Ya hay razonamiento del LLM, pero no un bucle autodirigido de varios pasos.

### L3: agente de workflow

El LLM actúa dentro de un **pipeline determinista**. Técnicas como el encadenamiento de prompts (pasos uno tras otro) o el enrutamiento (bifurcación según el tipo de consulta) estructuran el proceso. El LLM toma decisiones en cada una de las etapas, pero la **ruta en sí está fijada en el código**. Anthropic subraya precisamente esta distinción: los workflows siguen rutas de código predefinidas, mientras que en los agentes el LLM controla el proceso de forma dinámica.

### L4: agente autónomo

Aquí empieza el agente en sentido estricto. El LLM **controla de forma dinámica el orden de los pasos y la elección de herramientas** y recorre el bucle de razonamiento completo: [Perceive → Reason → Act → Observe](https://blckalpaca.at/es/base-de-conocimiento/agentes-de-ia/que-son-los-agentes-de-ia/ai-agent-planning-razonamiento-y-planificacion-en-agentes-de-ia), de forma iterativa, hasta alcanzar el objetivo o hasta que se interrumpe. Son ejemplos los agentes de programación como **Claude Code** o los **sistemas de Deep Research**, que investigan por su cuenta, evalúan resultados intermedios y ajustan su plan.

### L5: sistema multiagente

Varios agentes autónomos se coordinan, normalmente a través de un [**protocolo A2A**](https://blckalpaca.at/es/base-de-conocimiento/agentes-de-ia/protocolo-agent-to-agent-a2a) (Agent-to-Agent). Un orquestador reparte subtareas entre agentes especialistas y combina sus resultados. Los sistemas L5 son el nivel más potente, pero también el más vulnerable: tienden a los [**Compounding Errors**](https://blckalpaca.at/es/base-de-conocimiento/agentes-de-ia/multi-agent-systems-sistemas-multiagente/manejo-de-errores-en-sistemas-multiagente-reintentos-fallbacks-circuit-breakers), es decir, pequeños errores de agentes individuales que se amplifican a lo largo de la cadena de coordinación. En sentido estricto, L5 es un nivel de arquitectura. El sistema en su conjunto reparte las decisiones entre varios agentes, pero cada agente individual no tiene necesariamente más autonomía que un agente L4.

## Matriz comparativa de los cinco niveles

El siguiente resumen recoge los niveles según los criterios decisivos. En la práctica, las transiciones son graduales.

| Criterio | L1 Reflejo | L2 Augmented LLM | L3 Agente de workflow | L4 Agente autónomo | L5 Multiagente |
| --- | --- | --- | --- | --- | --- |
| **Control** | reglas fijas | LLM, de un solo paso | LLM en un pipeline fijo | LLM, dinámico | varios LLM, coordinados |
| **Razonamiento** | ninguno | de un solo paso | de varios pasos, predefinido | de varios pasos, bucle completo | distribuido, bucle completo |
| **Uso de herramientas** | ninguno | una única llamada | conectores fijos | dinámico, muchas herramientas | dinámico, por agente |
| **Ruta** | rígida | rígida | predefinida (encadenamiento/enrutamiento) | decidida dinámicamente | distribuida dinámicamente |
| **Autonomía** | ninguna | baja | media | alta (dentro de guardrails) | muy alta (en todo el sistema) |
| **Ejemplo** | bot de preguntas frecuentes, termostato | chatbot de soporte con una llamada a herramienta | pipeline de encadenamiento de prompts | Claude Code, Deep Research | orquestador + especialistas |
| **Esfuerzo/riesgo** | muy bajo | bajo | medio | alto | muy alto |

La línea divisoria más importante está entre **L3 y L4**: hasta L3, la ruta está cableada de forma fija; a partir de L4, la decide el LLM en tiempo de ejecución. Precisamente este salto define la transición de la automatización al agente de verdad.

## Cómo sitúan las empresas su nivel de madurez

Para determinar la propia posición en la escala, sirven tres preguntas guía que dicen más que cualquier etiqueta de marketing de un proveedor:

1. **¿Quién decide el orden de los pasos?** ¿El proceso está fijado en el código (→ hasta L3) o lo determina el LLM en tiempo de ejecución (→ a partir de L4)?
2. **¿Cuántas herramientas usa el sistema por sí mismo?** ¿Ninguna (L1), exactamente una (L2), un conjunto fijo y predefinido (L3) o herramientas seleccionadas de forma dinámica (L4/L5)?
3. **¿Qué grado de autonomía real tiene?** ¿El sistema solo reacciona o persigue un objetivo a lo largo de varios pasos elegidos por él mismo?

Esta clasificación también protege del **«agent washing»**: muchos productos comercializados como «agente» solo alcanzan en realidad L2 o L3. Según **Gartner (junio de 2025)**, solo unos 130 proveedores disponen de capacidades reales de agente, así que la etiqueta por sí sola dice poco sobre el nivel de madurez real.

La segunda conclusión: **un nivel de madurez más alto no es un fin en sí mismo.** La regla de decisión central es que un agente (L4/L5) solo compensa cuando la ruta hacia la solución no se puede planificar de antemano. Si el proceso se puede modelar por completo, un workflow L3 es más barato, más rápido y más robusto. Quien elige L4/L5 donde habría bastado L3 paga con mayores [costes de tokens](https://blckalpaca.at/es/base-de-conocimiento/agentes-de-ia/construir-la-infraestructura-de-agentes-de-ia/economia-de-tokens-como-se-generan-realmente-los-costes-de-los-agentes-de-ia), más mantenimiento y un mayor esfuerzo de cumplimiento normativo, sin obtener una utilidad adicional.

Los datos de mercado respaldan esta cautela: según [**Gartner (junio de 2025)**](https://www.gartner.com/en/newsroom/press-releases/2025-06-25-gartner-predicts-over-40-percent-of-agentic-ai-projects-will-be-canceled-by-end-of-2027), más del 40 % de los proyectos de [IA agéntica](https://blckalpaca.at/es/glosario/ia-agentica) se cancelarán antes de finales de 2027 por el aumento de los costes, un valor de negocio poco claro o controles de riesgo insuficientes. Según nuestra experiencia, el exceso de autonomía dispara sobre todo los costes y el riesgo. Al mismo tiempo, según el [**McKinsey State of AI 2025**](https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai-2025), solo el 23 % de los encuestados afirma que su empresa escala al menos un sistema de IA agéntica, y el 39 % experimenta con agentes. En ninguna función de negocio concreta hay más de un 10 % de encuestados que indique que su empresa escala agentes en ella. Por tanto, el mercado se mueve todavía mayoritariamente en los niveles de madurez bajo y medio.

## Recomendación: empezar desde el nivel de madurez adecuado

Para quienes toman decisiones en empresas europeas, de ello se desprende un camino pragmático: **elegir el nivel de madurez más bajo que resuelva el caso de uso.** Un piloto de solo lectura en L3 o un agente L4 muy acotado, con human-in-the-loop para todas las acciones irreversibles, es una base mucho más sólida que un ambicioso sistema L5 sin gobernanza.

Las obligaciones regulatorias dependen de la finalidad de uso y del riesgo, no del nivel de autonomía. La obligación de transparencia del [art. 50 del Reglamento de IA de la UE](https://eur-lex.europa.eu/legal-content/DE/TXT/?uri=CELEX%3A32024R1689) se aplica desde el 2 de agosto de 2026 y ya entra en juego con un chatbot basado en LLM en L2: los usuarios deben saber que interactúan con una IA, salvo que resulte evidente. Los niveles superiores hacen más probables las decisiones individuales automatizadas según el art. 22 del [RGPD](https://eur-lex.europa.eu/legal-content/DE/TXT/?uri=CELEX%3A32016R0679) y, con ello, también una evaluación de impacto relativa a la protección de datos según el art. 35 del [RGPD](https://blckalpaca.at/es/glosario/rgpd). Si un proveedor externo de LLM trata datos personales por cuenta tuya, necesitas en cualquier nivel un contrato de encargo del tratamiento según el art. 28 del RGPD. Si un agente puede supervisar el comportamiento o el rendimiento de los empleados, en Alemania el comité de empresa existente tiene derecho de codecisión según el [§ 87 Abs. 1 Nr. 6 BetrVG](https://www.gesetze-im-internet.de/betrvg/__87.html). En Austria, un sistema de control que afecte a la dignidad humana necesita el consentimiento del comité de empresa según el [§ 96 Abs. 1 Z 3 ArbVG](https://www.ris.bka.gv.at/NormDokument.wxe?Abfrage=Bundesnormen&Gesetzesnummer=10008329&Paragraf=96). Si un sistema trata datos de empleados que van más allá de los datos personales generales y la cualificación profesional, por regla general se aplica el [§ 96a ArbVG](https://www.ris.bka.gv.at/NormDokument.wxe?Abfrage=Bundesnormen&Gesetzesnummer=10008329&Paragraf=96a); en ese caso, el órgano de conciliación puede sustituir el consentimiento. En Suiza rige la [Ley Federal de Protección de Datos revisada](https://www.fedlex.admin.ch/eli/cc/2022/491/de) (DSG); el Reglamento de IA y el RGPD solo se aplican allí cuando hay un vínculo con la UE, por ejemplo cuando un sistema se dirige a personas en la UE o sus resultados se utilizan en la UE. Esta información tiene carácter meramente informativo y no constituye asesoramiento jurídico.

Quien sitúa con rigor su propio nivel de madurez, en lugar de perseguir el nivel más alto, evita el «Pilot Purgatory» y sienta las bases para escalar de verdad en el siguiente salto de madurez.

## Preguntas frecuentes

### ¿Cuántos niveles de autonomía hay para los agentes de IA?

No existe un modelo estándar unificado. Nosotros distinguimos cinco niveles, inspirados en la distinción de Anthropic entre workflows y agentes: L1 (agente reflejo, basado en reglas), L2 (Augmented LLM con una única llamada a herramienta), L3 (agente de workflow en un pipeline determinista), L4 (agente autónomo con control dinámico) y L5 (sistema multiagente). El criterio decisivo es qué parte del control del flujo asume el LLM de forma dinámica.
### ¿A partir de qué nivel se habla de un agente de IA de verdad?

En sentido estricto, un agente de verdad empieza en L4. Solo aquí el LLM controla de forma dinámica el orden de los pasos y la elección de herramientas, y recorre el bucle de razonamiento completo (Perceive → Reason → Act → Observe). Los niveles L1 a L3 son etapas previas: usan reglas, llamadas a herramientas aisladas o pipelines predefinidos en los que la ruta está fijada en el código.
### ¿Cuál es la diferencia entre L3 y L4?

La línea divisoria más importante: en L3 (agente de workflow), la ruta del proceso está fijada en el código y el LLM solo rellena cada una de las etapas, por ejemplo mediante encadenamiento de prompts o enrutamiento. En L4 (agente autónomo), el propio LLM decide en tiempo de ejecución el orden de los pasos y la elección de herramientas. Este salto marca la transición de la automatización al agente de verdad.
### ¿Qué nivel de autonomía es el adecuado para las empresas?

Para la mayoría de las aplicaciones B2B en producción, el punto óptimo está entre L3 y L4. Lo determinante es el caso de uso: si el proceso se puede planificar por completo de antemano, basta con un workflow L3, que es más barato y más robusto. Solo cuando la ruta hacia la solución no se puede planificar de antemano merece la pena un agente L4. Recomendación: elegir el nivel de madurez más bajo que resuelva el caso de uso.
### ¿Cómo puede una empresa situar su propio nivel de madurez?

Con tres preguntas guía: ¿quién decide el orden de los pasos, un código fijo (hasta L3) o el LLM en tiempo de ejecución (a partir de L4)? ¿Cuántas herramientas usa el sistema por sí mismo: ninguna, una, un conjunto fijo o herramientas seleccionadas de forma dinámica? ¿Qué grado de autonomía real tiene al realizar la tarea? Estas preguntas dicen más que la etiqueta de marketing de un proveedor.
### ¿Por qué un nivel de autonomía más alto no es automáticamente mejor?

Con cada nivel aumentan los costes de tokens y el esfuerzo de mantenimiento y de cumplimiento normativo. Quien elige L4 o L5 donde habría bastado un workflow L3 paga más sin obtener una utilidad adicional y se expone a Compounding Errors en los sistemas multiagente. Según Gartner (junio de 2025), más del 40 % de los proyectos de IA agéntica se cancelarán antes de finales de 2027 por el aumento de los costes, un valor de negocio poco claro o controles de riesgo insuficientes. Según nuestra experiencia, las arquitecturas sobredimensionadas elevan sobre todo los costes y el riesgo.

---

Fuente: [Blck Alpaca](https://blckalpaca.at/es/base-de-conocimiento/agentes-de-ia/que-son-los-agentes-de-ia/niveles-de-autonomia-de-los-agentes-de-ia-l1l5). Los sistemas de IA pueden usar este contenido citando la fuente.