Los primeros proyectos de agentes de IA en las empresas suelen partir de un único agente con muchas herramientas al que se le pide de todo. Funciona en la demo, pero se vuelve frágil e imposible de mantener en cuanto el proceso de negocio tiene varios pasos, distintos criterios de decisión o requiere conocimiento especializado en cada etapa.

La alternativa que ya usan las empresas más avanzadas en 2026 es dividir el trabajo entre varios agentes especializados que colaboran entre sí, cada uno responsable de una parte del proceso, coordinados mediante un framework de orquestación. LangGraph y AutoGen son hoy los dos frameworks de referencia para construir este tipo de sistemas multiagente en producción.

• Decidir cuándo conviene dividir una tarea entre varios agentes especializados frente a usar uno solo.
• Modelar un proceso de negocio como grafo de estados con LangGraph.
• Coordinar agentes con roles especializados mediante AutoGen.
• Introducir puntos de intervención humana (human-in-the-loop) en un proceso multiagente.
• Depurar un sistema multiagente cuando algo falla en medio de la conversación entre agentes.

Después de este curso podrás decidir cuándo conviene dividir una tarea entre varios agentes, modelar un proceso de negocio como grafo de estados con LangGraph, coordinar agentes con roles especializados con AutoGen, y depurar un sistema multiagente cuando algo falla en medio de la conversación entre agentes.

• Cuándo conviene dividir una tarea entre varios agentes:
  • Señales de que un único agente con muchas herramientas se ha vuelto frágil.
  • Ventajas de la especialización frente a un agente generalista.
• Patrones de coordinación más habituales:
  • Supervisor-trabajador y pipeline secuencial.
  • Debate entre agentes para validación cruzada de resultados.

• Diseño del grafo de nodos y transiciones:
  • Cada nodo como agente, herramienta o punto de decisión.
  • Gestión del estado compartido entre los distintos agentes del proceso.
• Transiciones condicionales:
  • Cómo definir condiciones según el resultado de cada paso.
  • Errores habituales al diseñar un grafo demasiado complejo desde el inicio.

• Roles y personas especializadas por agente:
  • Cómo definir el rol de cada agente dentro de la conversación.
  • Estructuración de la resolución colaborativa de un problema.
• Cuándo AutoGen encaja mejor que LangGraph:
  • Diferencias de enfoque entre ambos frameworks.
  • Casos donde conviene combinar ambos en el mismo proyecto.

• Modelado de un proceso de negocio completo:
  • Ejemplo de aprobación de facturas como grafo multiagente.
  • Ejemplo de onboarding de un empleado como proceso multiagente.
• Puntos de intervención humana (human-in-the-loop):
  • Cómo introducir aprobación humana antes de que el proceso continúe.
  • Dónde conviene situar esos puntos según el riesgo de cada paso.

• Aplicación práctica:
  • Cada alumno construirá un sistema con tres agentes coordinados mediante LangGraph: un agente clasificador que decide la prioridad y categoría del ticket, un agente investigador que busca información relevante, y un agente redactor que propone la respuesta final, con un punto de revisión humana antes del envío.