Polifonia.org | Para la mayoría de las personas, el aprovechamiento de la inteligencia artificial empieza con una o varias preguntas. Cada vez más pensadas, más afinadas. Empecemos por señalar que un prompt o un conjunto de prompts es una instrucción (o varias) que damos al LLM, para buscar una respuesta.
Los prompts.
Un prompt o un conjunto de prompts carecen de autonomía (a diferencia del Agente). No ejecutan acciones, ni toman decisiones, más allá de generar una o varias respuestas requeridas por instrucción.
Un asistente.
Un asistente es un modelo creado con el fin de interactuar contigo, que está programado para cumplir un rol con rasgos de coherencia en la conversación. Cierto que puede realizar tareas, si se las pides (como dirigir un correo electrónico programado), pero no tiene capacidad para actuar solo, se diría que carece de objetivo propio.
En lo estricto, un asistente ha sido conformado como un LLM, pero es en esencia reactivo, no autónomo.
Un agente.
A diferencia de los prompts, un agente puede organizar y distribuir tareas, planificar, poner en marcha acciones, activar herramientas, auto enmendarse y funcionar con base en objetivos.
Las capacidades del agente incluyen búsqueda en internet, ejecución de código y llamado de APIs. También la lectura y escritura sobre archivos y control de software externo. La importancia estratégica del agente radica en que éste programa cuándo debe activar cada herramienta y acción.
¿Qué lenguajes de programación predominan en el trabajo de los LLM?
Cuando hablamos de LLMs (ChatGPT, Claude, Grok, Gemini, DeepSeek), los lenguajes predominantes son:
Python. Es ágil para crear prototipos y posee el mayor ecosistema listo para la IA.
C++ / CUDA. Puede acelerar las inferencias y entrenar modelos desde el inicio) y, en fecha reciente; y
Rust. Es un lenguaje de creciente uso, atractivo para crear modelos a gran escala y cuenta con una amplia infraestructura de IA.
También vale la pena mencionar a JavaScript/TypeScript, porque es uno de los más empleados para las interfaces web y la navegación de los LLMs, y Go. Se usa en servidores ligeros y para generar y transmitir APIs de IA.
¿Con qué lenguage debo trabajar para crear agentes útiles para investigación en humanidades y ciencias sociales?
El lenguaje más apropiado (y empleado) para trabajar y crear agentes útiles para la investigación en humanidades y ciencias sociales, es Python.
Los Agentes no requieren entrenar modelos —como lo hacen los LLM—. Sólo buscan disponer de un conjunto preciso y programado de instrucciones que nos ayuden a articular, razonar y emplear de modo correcto las herramientas disponibles.
Así que para las ciencias sociales y las humanidades, el lenguaje de Python es la mejor elección.
Python permite trabajar, por ejemplo, con modalidades diversas de análisis textual para la investigación. Facilita hacer la minería necesaria para analizar discursos, realizar análisis cualitativo. Se pueden recuperar y sistematizar las redes semánticas, recuperar información proposográfica, y depurar y analizar los corpus documentales y epistolares.
Fuentes: JavaScript y Python: PyPI Documentos.
Imagen de la portada: imagen
Imagen de la portada: generada por Gemini, sobre una solicitud para ilustrar prompts y agentes.
Texto: Editor.
