El Agente tiene dos variables, una es el flujo de trabajo (workflow) que controla la dirección de la tarea, y la otra es el contexto (context) que controla la generación de contenido. 1) Si tanto el workflow como el context son altamente deterministas, este tipo de tareas son fáciles de automatizar, similar a la RPA tradicional. Por ejemplo, al procesar facturas o tareas de llenado de formularios, la IA actúa más como un adhesivo, con un espacio de actuación bastante limitado. 2) Si el workflow es determinista pero el context es incierto, es decir, el proceso es fijo pero la entrada es variable, el Agente necesita completar la información en términos de semántica y comprensión. Por ejemplo, en preguntas y respuestas de servicio al cliente o en la interpretación de contratos, se requiere el uso de herramientas externas como búsquedas, gráficos de conocimiento, etc., para llenar los vacíos de información y hacer que los resultados de inferencia sean más acordes a lo esperado. 3) Si el workflow es incierto pero el context es determinista, es decir, la entrada es clara pero los métodos son diversos, el Agente debe planificar el camino de manera autónoma. Por ejemplo, en la generación de informes de análisis de mercado o recomendaciones personalizadas, la mayoría de los Agentes de RL de extremo a extremo son buenos en este tipo de tareas, ya que han aprendido una gran cantidad de planificación de caminos y enfoques para resolver problemas durante la fase de entrenamiento. 4) Y cuando tanto el workflow como el context son inciertos, se trata del escenario más complejo, donde se requiere tanto inferencia como exploración. Por ejemplo, en el diseño de soluciones innovadoras o en la recopilación de información entre departamentos, este tipo de Agente tiende a ser más generalista. Su efectividad depende de la riqueza de las herramientas que se le proporcionen, especialmente la capacidad de programación debe estar maximizada y abierta, por ejemplo, permitiéndole aprender a buscar y clonar repositorios en Github y modificar el código para resolver problemas, haciéndolo trabajar como un humano. Por lo tanto, para hacer bien un Agente, primero hay que definir el escenario. En esencia, la automatización resuelve problemas de "determinismo", mientras que la inteligencia resuelve problemas de "incertidumbre".