Resumen: La IA agente representa un cambio transformador en la inteligencia artificial, pero su rápido avance ha llevado a una comprensión fragmentada, que a menudo combina sistemas neuronales modernos con modelos simbólicos obsoletos, una práctica conocida como modernización conceptual. Este estudio elimina esta confusión al introducir un novedoso marco de paradigma dual que clasifica los sistemas agentes en dos linajes distintos: el simbólico/clásico (que se basa en la planificación algorítmica y el estado persistente) y el neuronal/generativo (que aprovecha la generación estocástica y la orquestación impulsada por indicaciones). A través de una revisión sistemática basada en PRISMA de 90 estudios (2018-2025), proporcionamos un análisis integral estructurado en torno a este marco en tres dimensiones: (1) los fundamentos teóricos y los principios arquitectónicos que definen cada paradigma; (2) implementaciones de dominios específicos en atención médica, finanzas y robótica, lo que demuestra cómo las restricciones de la aplicación dictan la selección de paradigmas; y (3) desafíos éticos y de gobernanza específicos de cada paradigma, que revelan riesgos divergentes y estrategias de mitigación. Nuestro análisis revela que la elección del paradigma es estratégica: los sistemas simbólicos dominan los dominios críticos para la seguridad (por ejemplo, la atención médica), mientras que los sistemas neuronales prevalecen en entornos adaptativos y ricos en datos (por ejemplo, las finanzas). Además, identificamos lagunas críticas en la investigación, incluido un déficit significativo en los modelos de gobernanza para sistemas simbólicos y una necesidad urgente de arquitecturas neurosimbólicas híbridas. Los hallazgos culminan en una hoja de ruta estratégica que sostiene que el futuro de la IA agente no radica en el dominio de un paradigma, sino en su integración intencional para crear sistemas que sean a la vez adaptables y confiables. Este trabajo proporciona el conjunto de herramientas conceptuales esenciales para guiar la investigación, el desarrollo y las políticas futuras hacia sistemas inteligentes híbridos robustos y confiables.
Publicado originalmente en export.arxiv.org el 29 de octubre de 2025.
Ver fuente original
