Agentes IA en producción: 7 lecciones aprendidas

Leccion 1: Los agentes fallan silenciosamente

Un agente puede entrar en un loop infinito, generar costes sin control, o producir outputs incorrectos sin que nadie lo note. La observabilidad no es opcional: Langfuse/OpenTelemetry desde el día 1.

Leccion 2: Circuit breakers son obligatorios

Sin max_iterations, un agente puede llamar a tools en loop infinito. Sin timeout por step, una tool puede colgar indefinidamente. Sin budget máximo, los costes se disparan. Implementa los tres.

Leccion 3: HITL no es un nice-to-have

Human-in-the-loop para acciones destructivas (enviar emails, modificar BD, desplegar código). Un agente que envía un email incorrecto a un cliente genera más daño que valor.

Leccion 4: El coordinator debe leer, no delegar ciegamente

Anti-pattern: "Based on your findings, fix the bug." El coordinator debe leer los findings del worker y especificar exactamente qué hacer. Delegar sin entender = resultados impredecibles.

Leccion 5: Los costes escalan más rápido de lo que crees

Un agente que hace 5 tool calls por request, con 1000 tokens por call, a $3/M tokens: parece barato. A 10K requests/día: $450/mes solo en LLM. Monitoriza coste por request desde el día 1.

Leccion 6: Usa el modelo más barato que funcione

Haiku para clasificar, Sonnet para generar, Opus solo para razonamiento complejo. Routing por complejidad puede reducir costes 60-80%.

Leccion 7: Evalúa antes de desplegar

Sin eval dataset, no sabes si un cambio mejora o empeora tu agente. CI gate con threshold mínimo. No deploys sin evals. La diferencia entre "funciona" y "funciona en producción".