Los mejores 50+ agentes de IA de código abierto listados

Todos han estado construyendo agentes de IA, así que, tras probar en la práctica los populares agentes de programación de IA, creadores de agentes de IA y los benchmarks de uso de herramientas para evaluar sus capacidades en el mundo real, hemos elaborado una lista curada de los mejores 50+ agentes de IA de código abierto. Haz clic en los encabezados de categoría para ir directamente a nuestras principales recomendaciones:

¿Cómo pensar en los agentes de IA?

Un agente de IA es un sistema componible que combina planificación, memoria, uso de herramientas y ejecución iterativa. Forma un bucle estructurado alrededor de un LLM que puede tomar decisiones, realizar acciones y adaptarse a nueva información.

Así es como debes pensar en ellos:

• Autonomía y flujos de trabajo: Los agentes de IA van desde la automatización básica de tareas basada en flujos de trabajo predefinidos hasta sistemas totalmente autónomos capaces de descomponer objetivos, usar memoria e interactuar con herramientas. El principal reto técnico radica en mantener el contexto a lo largo de los pasos y coordinar operaciones de varias etapas.
• Contexto y control: El verdadero reto en los agentes de IA es garantizar que el LLM tenga el contexto adecuado en cada paso. Esto incluye gestionar el contenido que se introduce en el LLM y asegurarse de que el agente ejecute tareas relevantes basadas en un contexto actualizado.
• Integración de herramientas: Crear agentes eficaces requiere una integración perfecta con herramientas externas, APIs y fuentes de datos. Marcos como LangChain pueden ayudar a integrar estos recursos externos, pero el control sobre el flujo de trabajo es esencial para adaptar el comportamiento del agente a nuevas entradas.
• Beneficios de los marcos de agentes: Todos los sistemas agénticos, ya sean flujos de trabajo simples o agentes autónomos complejos, pueden beneficiarse de las funciones principales que ofrecen los marcos agénticos. Estas funciones pueden construirse desde cero o aprovecharse de una plataforma de código abierto existente, según sus necesidades.

Nuevos estándares

• Model Context Protocol (MCP): El estándar de la industria para que los agentes hablen con fuentes de datos externas. LangGraph integra MCP para permitir que los agentes se conecten y usen bases de datos y herramientas locales sin envoltorios personalizados.
• Stripe Agentic Commerce Protocol (ACP): Este es el primer estándar industrial en producción que permite a los agentes de IA gestionar pagos, inventario y envíos de forma segura. Permite el “Pago Agéntico”, donde el agente puede completar una compra para el usuario dentro de una interfaz de chat.

¿Qué es exactamente un agente de IA?

No existe una definición consensuada de lo que constituye un “agente de IA”.

• La IA tradicional define a los agentes como sistemas que interactúan con su entorno.
• La encuesta de Simon Willison a profesionales presenta una variedad de definiciones de trabajo de participantes de la industria.²
• Anthropic’s definición describe los principios de diseño para construir agentes de IA eficaces y alineados.³
• Las principales consultoras destacan el papel de los agentes en la automatización de flujos de trabajo empresariales y la toma de decisiones.⁴.

Muchas de ellas incluyen explícitamente flujos de trabajo y situar la autonomía en un extremo del espectro.

Estamos de acuerdo con estos puntos de vista, por lo tanto, no ofrecemos una definición estricta. En su lugar, enumeramos los factores que hacen que un sistema de IA se considere más agéntico:

• Entorno y objetivos:
  • Los sistemas de IA en entornos complejos, como aquellos con múltiples tareas y cambios inesperados, son agénticos.
  • Los sistemas de IA que siguen objetivos sin que se les instruya son agénticos.
• Interfaz de usuario y supervisión: Los sistemas de IA que pueden aprender lenguajes naturales y los sistemas que necesitan menos supervisión del usuario son agénticos.
• Diseño del sistema: Los sistemas que utilizan patrones de diseño como el uso de herramientas (p. ej., búsqueda web, programación) o planificación (p. ej., reflexión, desglose de subobjetivos) son agénticos.

Para una explicación más detallada, ya enumeramos estos factores y analizamos cómo definen los sistemas de IA agénticos.

¿Son estos agentes totalmente autónomos?

Todavía no. La mayoría de los agentes de IA de código abierto mejoran la autonomía del LLM al permitir el uso de herramientas, la toma de decisiones y la resolución de problemas, pero aún requieren entradas estructuradas y una persona en el circuito.

Ejemplos como Devon y PR-Agent siguen lógica predefinida o flujos de trabajo de RL en lugar de demostrar un comportamiento plenamente agéntico. Otros agentes de IA aún carecen de capacidades (Aprendizaje Autónomo + Generalización).

Cuándo (y cuándo no) usar agentes de IA

No todas las aplicaciones de LLM requieren complejidad agéntica. Muchos casos de uso se atienden mejor con generación aumentada por recuperación (RAG) ligera.

Los sistemas agénticos introducen sobrecarga arquitectónica: gestión de memoria, orquestación de herramientas, manejo de errores y bucles de control que aumentan la latencia y el coste. Por ejemplo, en nuestros benchmarks, observamos que las tasas de éxito de los agentes de IA disminuían después de 35 minutos de interacción humana.

Para mitigar estos riesgos, es esencial probar los sistemas agénticos en entornos controlados e implementar barreras de seguridad sólidas antes de su despliegue.

Los agentes son más valiosos cuando los pasos no se pueden predecir ni codificar fácilmente. Son especialmente adecuados para situaciones en las que:

• Las tareas son dinámicas y de varios pasos, con lógica ramificada o subobjetivos poco claros.
• El uso de herramientas es condicional o adaptativo, lo que exige que el sistema elija qué herramienta invocar en función de la entrada o del estado anterior.
• Se requiere memoria o contexto a largo plazo, entre sesiones o etapas de ejecución.
• La ejecución debe responder a la retroalimentación del entorno, como resultados de API, salidas de búsqueda o acciones fallidas.
• Se necesita colaboración con una persona en el circuito, donde deben combinarse autonomía y supervisión (p. ej., copilotos de IA).

Por otro lado, los flujos de trabajo o las llamadas sin estado a LLM son preferibles cuando:

• La lógica de la tarea es estática o predecible, como rellenar formularios o transformar contenido.
• La baja latencia es crítica, como en interacciones orientadas al usuario.
• Minimizar el coste es esencial, especialmente evitando llamadas recursivas a LLM y una orquestación compleja.

Leer más

Estos son nuestros últimos benchmarks sobre infraestructura utilizada habitualmente por sistemas agénticos:

• Navegadores remotos: Cómo la infraestructura de navegadores permite a los agentes interactuar con la web de forma segura.
• Benchmark de MCP para navegadores: Los mejores servidores MCP para uso de herramientas y acceso web.

Ejemplos de agentes de IA de código abierto

Algunas herramientas descritas como “agentes de IA” en realidad no son tan agénticas; estos sistemas (p. ej., Devon PR-agent) son en gran medida flujos de trabajo de IA basados en RL, con LLMs organizados a través de rutas de código predefinidas.

1. Marcos de agentes (Crea el tuyo)

Bibliotecas modulares y SDKs para que los desarrolladores creen agentes con control sobre la lógica, la memoria, las herramientas y la orquestación.

✳️ Algunos agentes como SmolAgents y Agno encajan tanto en las categorías de marcos de agentes como de automatización de flujos de trabajo.

Marcos de agentes generales

Marcos que se centran en construir agentes, ofreciendo herramientas flexibles y personalizables para orquestar flujos de trabajo, configuraciones multiagente y casos de uso generales.

• LangGraph – Orquestación de flujos de trabajo de LLM basada en grafos – LangGraph es software propietario, pero ofrece una biblioteca de código abierto para el desarrollo de agentes. Ideal para RAG pipelines, memoria de agente/ gestión de estado y configuraciones multiagente.
• AutoGen – Colaboración asíncrona multiagente – Diseñado para coordinar agentes que usan herramientas mediante APIs similares a chat. Ideal para automatizar flujos de trabajo complejos, especialmente en generación autónoma de código.
• CrewAI – Marco multiagente sin código o de bajo código – Una de las herramientas más fáciles para empezar, ofrece plantillas de agentes listas para usar (p. ej., agente de preparación de reuniones).

Marcos de agentes especializados

Marcos con un enfoque especializado en tipos específicos de comportamientos o integraciones de agentes.

• Camel – Simulación de agentes basada en roles – Optimizado para agentes colaborativos de interpretación de roles que utilizan razonamiento estructurado. Ideal para la automatización de flujos de trabajo y la generación de datos sintéticos.
• Mastra – Desarrollo de agentes integrado en el frontend – basado en JavaScript, ideal para incrustar agentes en aplicaciones orientadas al usuario.
• PydanticAI – Control mínimo de agentes con seguridad de tipos – Proporciona validación estricta y rutas lógicas transparentes con Pydantic.
• Cybersecurity IA (CAI) – Marco de agentes de ciberseguridad impulsado por IA – Proporciona pruebas de penetración, descubrimiento de vulnerabilidades y red teaming con capacidades human-in-the-loop, aprovechando grandes modelos de lenguaje e integraciones con herramientas como Nmap.
• Atomic Agents – Creador de agentes personalizados granular y basado en esquemas – Construido para estructura granular de agentes y lógica componible.
• SmolAgents – SDK ligero de agentes para desarrolladores – Abstracción mínima, enruta la lógica mediante Python en lugar de JSON.

Entornos de ejecución de agentes (Agentes autónomos preconstruidos)

Agentes preconstruidos y autónomos que puedes ejecutar de inmediato (como una aplicación). Suelen admitir la ejecución autónoma de tareas a partir de objetivos en lenguaje natural.

Totalmente autónomos:

• Auto-GPT – Descomposición de objetivos y ejecución autónoma – Divide los objetivos en subtareas y las completa utilizando herramientas, memoria y razonamiento. Ofrece agentes preconstruidos y una interfaz de bajo código.
• AIlice – Ejecución local de tareas de propósito general – Ejecuta tareas complejas en el dispositivo, admite herramientas locales y manipulación de archivos. Su objetivo es crear un asistente de IA, similar a JARVIS, basado en el LLM de código abierto.
• Manus IA – Operaciones generales en un entorno aislado. Ejecuta herramientas y flujos de trabajo en un sandbox seguro, capaz de gestionar operaciones multidominio y de varios pasos de forma autónoma. Fue adquirido por Meta, integrándose en el ecosistema “Personal Ambient Intelligence” de Meta.⁵

Parcialmente autónomos:

• BabyAGI – Ejecutor de bucle de tareas iterativo – Crea, prioriza y ejecuta listas de tareas en un bucle de retroalimentación. Ideal para experimentos de generación de tareas.

Basados en navegador/interfaz:

• AgentGPT – Agente autónomo desplegado en el navegador – Permite a los usuarios crear y ejecutar agentes de tareas a través de una interfaz web. Ligero, ideal para experimentación.
• OpenManus – Agente de navegador persistente – Diseñado para flujos de trabajo que abarcan sesiones en entornos de navegador. Utiliza herramientas como Playwright para automatizar interacciones web. Bueno para usar en pipelines de automatización existentes. La configuración es rápida con Conda.

2. Automatización y orquestación de flujos de trabajo

Herramientas que automatizan flujos de trabajo e integran múltiples plataformas o servicios, a menudo con capacidad para integrar agentes de IA.

Agentes generales de automatización e integración de flujos de trabajo

Plataformas que conectan APIs, desencadenan eventos y automatizan tareas, facilitando la creación e integración de flujos de trabajo en diferentes sistemas.

• n8n – Automatización visual de flujos de trabajo e integración de API – Conecta aplicaciones, disparadores y flujos de datos mediante un editor de nodos. Combina la creación visual sin código con JavaScript/Python personalizado y admite más de 400 integraciones. Puedes autoalojarlo y ejecutar flujos de trabajo de agentes de IA con LangChain. Ideal para personas técnicas.
• PlanExe – Herramienta de planificación de LLM a Gantt/WBS – Planificador de IA similar a la investigación profunda de OpenAI. Convierte objetivos en lenguaje natural en cronogramas estructurados utilizando LlamaIndex.
• Agno ✳️ – Creador de flujos de trabajo y agentes apto para desarrolladores – Encaja tanto como herramienta de automatización de flujos de trabajo (ayuda a automatizar tareas y flujos) como creador de agentes.
• SmolAgents ✳️ – SDK ligero de agentes para desarrolladores – SmolAgents es lo bastante flexible para encajar como un SDK de agentes ligero (para marcos de agentes) y como herramienta de flujo de trabajo (ya que se integra con los modelos de Hugging Face).
• Windmill – Plataforma de desarrollo de código abierto y motor de flujos de trabajo – Convierte scripts en interfaces de usuario, APIs y trabajos cron; admite Python, TypeScript, Go y otros lenguajes.
• Activepieces – Plataforma de automatización de código abierto – Creador visual de flujos de trabajo autoalojado para automatizar tareas e integrar aplicaciones con mínima programación. Admite 280+ MCP servidores para ejecutar tareas de IA distribuidas y cadenas de agentes a escala.
• Huginn – Automatización web y gestión de agentes – Crea agentes para automatizar tareas web y supervisión.
• Node-RED – Desarrollo basado en flujos para IoT y datos en tiempo real – Integra servicios y automatiza tareas con un editor de flujos basado en el navegador.

Orquestación de flujos de trabajo multiagente

Marcos diseñados para coordinar agentes que interactúan en flujos de trabajo estructurados e integrar sistemas multiagente.

• HyperAgent – Orquestación de agentes para todo el ciclo de vida del software – Los agentes trabajan juntos para planificar, programar y verificar tareas de ingeniería.
• Supercog – agentic – Orquestación modular con bloques lógicos reutilizables – Diseñado para la automatización escalable, estructurada y basada en equipos.

3. Automatización y navegación web

Agentes que navegan por sitios web de forma autónoma y realizan tareas de varios pasos, como rellenar formularios, extraer datos y automatizar la navegación web.

Agentes web autónomos y copilotos

Agentes autónomos de propósito general (con capacidad web):

• AgenticSeek – Agente de navegación web totalmente autónomo – Manus IA totalmente local. Se especializa en la extracción de datos y el rellenado de formularios, automatizando tareas web.
• Agent-E – Agente de automatización de navegador consciente del DOM – Se centra en interactuar con páginas web mediante el análisis del DOM (Modelo de Objetos del Documento), ideal para hacer clic en botones y rellenar formularios.
• AutoWebGLM – Agente web basado en LLM – Utiliza aprendizaje por refuerzo y simplificación de HTML para una mejor navegación en sitios web complejos.

Agentes de navegación web basados en visión (multimodales):

• Autogen extensión WebSurfer – Agente web multimodal – Combina entradas de texto y visuales (capturas de pantalla) para mejorar la interacción web.
• Skyvern – Agente de IA con visión por computadora – Automatiza flujos de trabajo utilizando LLMs y visión por computadora, manejando elementos tanto textuales como visuales.
• WebVoyager – Agente web con visión – Utiliza texto y capturas de pantalla para mejorar la navegación en sitios web con muchas imágenes.

Para más información sobre automatización y navegación web de código abierto, aquí tienes un análisis estructurado de algunas de las principales herramientas y agentes:

Agentes de uso de computadora

Agentes de navegación web

Kits de herramientas de automatización y scraping web

LLM para RPA web y extensiones de navegador

Scrapers y rastreadores web de IA

Herramientas de búsqueda web con IA

4. Agentes de programación y desarrollo

Agentes de IA diseñados para ayudar con tareas de programación, proporcionando soporte en tiempo real a los desarrolladores mediante sugerencias de código, depuración y automatización de tareas.

Agentes de programación basados en CLI

• Codex CLI – Herramienta de interacción multimodal (sugerir, editar, ejecutar) – Mejora los flujos de trabajo de los desarrolladores a través de la línea de comandos ofreciendo sugerencias y ediciones de código.
• OpenDevin – Asistente de programación de IA de código abierto – Ayuda con tareas de programación ofreciendo sugerencias de código para varios lenguajes. Cabe destacar que OpenDevin ha sido renombrado recientemente a OpenHands para reflejar su misión más amplia de “All Hands IA.”⁶
• Aider – Asistente de programación en pareja con IA – Integrado en tu terminal para asistencia de programación, compatible con autocompletado, depuración y automatización de tareas.

Editores de código con IA

• Neovim – Editor de código integrado con IA – Plugins impulsados por IA que ofrecen completado de código y refactorización.
• Visual Studio Code (VS Code) – Herramienta de completado de código y depuración con IA – Ofrece sugerencias de código y autocompletado mediante GitHub Copilot, integrado con entornos IDE para desarrolladores.
• Cursor – Editor de código integrado con IA – Construido con completado de código en tiempo real impulsado por IA.

Creadores de aplicaciones a partir de prompts (Vibe coding)

Alternativas de código abierto a v0 / lovable / Bolt:

• Dyad – Creador de aplicaciones de IA de código abierto – Herramienta local-first y sin código para crear aplicaciones impulsadas por IA con comandos en lenguaje natural.
• vx.dev – Creador de aplicaciones de IA de código abierto – Una herramienta local-first y de bajo código centrada en transformar prompts en lenguaje natural en aplicaciones.

5. Agentes de ciberseguridad

Agentes de IA diseñados para mejorar las operaciones de ciberseguridad, incluidas tareas como pruebas de penetración, descubrimiento de vulnerabilidades, red teaming y detección autónoma de amenazas.

• YAWNING TITAN – Simulación abstracta de ciberseguridad basada en grafos – Apoya el entrenamiento de agentes para operaciones cibernéticas autónomas con un enfoque en entornos basados en grafos.
• bumpgen – Agente de gestión de paquetes – Actualiza paquetes npm (gestor de paquetes de Node.js) automáticamente.
• Agentes de LLM de ciberseguridad – Tareas de ciberseguridad impulsadas por LLM – Construido sobre AutoGen. Utilizado en varias aplicaciones de investigación para demostrar la automatización EDR de ChatGPT y CI/CD automatizado para ingeniería de detección.

6. Agentes de creación de contenido de vídeo con IA

Agentes de IA que ayudan a generar, editar y mejorar contenido visual y multimedia, incluyendo arte, imágenes y vídeos.

• Mochi – Generación de texto a vídeo – Convierte prompts de texto en vídeo, con un enfoque en la creación de vídeos de formato corto. Ideal para generar vídeos rápidamente a partir de descripciones textuales.
• CogVideo – Generación de texto a vídeo – Convierte prompts de texto en vídeo con alta fidelidad, permitiendo la creación de imagen a vídeo. Una herramienta más avanzada para la generación de vídeo de alta calidad a partir de texto o imágenes.
• Allegro – Generación de texto a vídeo – Convierte prompts de texto en vídeo con un enfoque en la creación de contenido creativo. Esta herramienta enfatiza la síntesis creativa de vídeo a partir de texto para producir narrativas visuales únicas.
• DALL·E (versiones de código abierto) – Generación de texto a vídeo – Genera imágenes a partir de descripciones de texto, convirtiendo prompts escritos en contenido visual detallado y creativo.

No te pierdas nuestros análisis comparativos e insights basados en datos. El botón abre Google; seleccionar AIMultiple confirma que deseas ver AIMultiple con más frecuencia en los resultados de búsqueda de Google.

Añadir como fuente preferida

7. Agentes financieros

Agentes de IA que ofrecen mejoras automatizadas mediante aprendizaje por refuerzo o análisis de datos financieros en tiempo real.

• FinRL – Aprendizaje por refuerzo automatizado para trading – Aprende y ejecuta de forma autónoma estrategias de trading basadas en datos de mercado, adaptándose a entornos financieros dinámicos.
• OpenBB Terminal – Análisis de datos financieros – Proporciona información financiera autónoma para el trading en tiempo real, permitiendo a los profesionales de la inversión tomar decisiones informadas.

8. Agentes de salud

Agentes de IA que ayudan en el diagnóstico médico, la monitorización de enfermedades y la obtención de información de salud mediante el análisis de datos de pacientes e informes médicos.

• HIA (Agente de Información de Salud) – Análisis de informes médicos – Analiza informes médicos y proporciona información de salud.
  IA-HealthCare-Assistant – Diagnóstico y monitorización de enfermedades – Diagnostica y monitoriza enfermedades utilizando datos de pacientes.

9. Agentes de investigación

Agentes de IA que ayudan en la recopilación de datos, las revisiones bibliográficas y la comprobación de hipótesis, agilizando el proceso de investigación.

• ChemCrow – Agente autónomo de investigación química – Integra LLMs con herramientas químicas para planificar y ejecutar tareas experimentales y computacionales complejas en el análisis químico.
• GPT Researcher – Asistente de investigación general autónomo – Realiza búsquedas en línea estructuradas, analiza contenido y elabora informes de investigación detallados con una intervención mínima del usuario.

10. Agentes de análisis de datos

Agentes de IA que procesan, analizan e interpretan datos para proporcionar información procesable y apoyar la toma de decisiones.

Finanzas

• FinRobot – Agente de análisis de datos financieros – Automatiza la interpretación y la elaboración de informes de datos financieros utilizando grandes modelos de lenguaje.

Agentes de inteligencia empresarial y consultas

• Wren IA – Agente de información empresarial de texto a SQL – Convierte preguntas en lenguaje natural en consultas SQL para informes empresariales.
• Entaoai – Herramienta de ingeniería de datos asistida por GenAI – Proporciona una interfaz de chat para tareas de consulta y transformación de datos.
• Vanna IA – Agente de lenguaje natural a SQL – Genera consultas SQL basadas en prompts del usuario para explorar datasets estructurados.

Agentes de redes sociales

• Agente de personalidad de Twitter – Agente de análisis de redes sociales – Analiza el historial de tweets para inferir rasgos de comportamiento y personalidad.

11. Agentes de asistencia personal

Agentes de IA que ayudan con la gestión de tareas, la programación y la organización personal, mejorando la productividad y la gestión del tiempo.

• VacAIgent (agente CrewAI preconstruido) – Asistente de planificación de viajes – Genera de forma autónoma itinerarios de viaje completos utilizando Streamlit y LLMs.
• Inbox Zero – Asistente de correo electrónico – prioriza, clasifica y resume mensajes mediante procesamiento de lenguaje natural e integración con Gmail.
• Cal – Agente de programación de calendario – Automatiza la creación, reprogramación y resumen de reuniones mediante interacción basada en LLM.

Construcción de sistemas de agentes de IA

Muchos marcos de IA están controlados por un único proveedor o repositorios públicos, pero están estrictamente gobernados.

Estos proyectos suelen evolucionar hacia modelos open core: el código base sigue siendo gratis, pero la orquestación multiagente, la observabilidad o el control detallado pueden quedar restringidos tras licencias comerciales. En algunos ecosistemas “abiertos”, el uso en producción suele requerir la adopción de un backend bloqueado.

Fuente⁷

Proyectos reales de agentes de IA

Según nuestra experiencia, estos son algunos agentes de IA y sus aplicaciones:

• Editores de código de IA para el desarrollo de API y creación de aplicaciones
• Ejecución de capturas de pantalla a código para la generación de sitios web con IA
• Agentes de uso de computadora para pedir entregas, hacer una reserva en un restaurante o diseñar una habitación.

Otros proyectos independientes de agentes de IA:

Otros proyectos de agentes de IA por marco:

Lecturas adicionales

• Comparar 20 LLM herramientas de seguridad y marcos de código abierto

Cita esta investigación

Elige el formato que se ajuste al lugar donde vas a publicar. Pegar la versión con enlace en tu CMS conserva el enlace de retroceso.

@misc{dilmegani2026,
  author = {Dilmegani, Cem and Şimşek, Hazal},
  title  = {{Los mejores 50+ agentes de IA de código abierto listados}},
  year   = {2026},
  month  = aug,
  howpublished    = {\url{https://aimultiple.com/open-source-ai-agents}},
  note   = {AIMultiple. Recuperado el 16 de Agosto de 2026}
}

Registro de cambios

10 actualizaciones

1. 20264 de Ago

   Se eliminó la entrada 'What are the Top 10 LLM Security Risks' de la sección Further reading.

2. 29 de Ene

   Se agregaron los nuevos estándares Model Context Protocol (MCP) y Stripe Agentic Commerce Protocol (ACP) a la sección '¿Qué es exactamente un agente de IA?'.

3. 202528 de Jul

   Se reemplazó la sección 'Casos de uso de agentes de IA' con una nueva sección 'Cuándo (y cuándo no) usar agentes de IA', que proporciona orientación sobre la aplicabilidad de los agentes.

4. 22 de Jul

   Se eliminó la sección completa sobre Agentes de IA.

5. 21 de Jul

   Se añadió una nueva sección que enumera agentes, marcos y herramientas de IA de código abierto.

6. 13 de Jun

   Se añadieron las secciones de agentes de codificación, agentes de propósito general y constructores de agentes de IA.

7. 12 de Jun

   Se eliminó la sección sobre especializaciones de agentes de IA de código abierto.

8. 24 de Abr

   Se actualizó la lista de agentes de IA de código abierto y sus descripciones.

9. 3 de Ene

   Se reemplazó la introducción de la sección "Ejemplos de agentes de IA de código abierto".

10. 202420 de Sep

    Se eliminó la sección '¿Por qué usar agentes de IA de código abierto?'.

Enlaces de referencia

1.

Reflection Agents

LangChain Blog

2.

Simon Willison on ai-agents

3.

Building Effective AI Agents \ Anthropic

4.

AI Agents: What They Are and Their Business Impact | BCG

Boston Consulting Group

5.

Manus Joins Meta for Next Era of Innovation

6.

One Year of OpenHands: A Journey of Open Source AI Development | Mar 17, 2025

7.

Dapr Agents: AI Agents & Workflows for Production

Diagrid

Cem Dilmegani

Analista Principal

Síguenos

Cem ha sido el analista principal en AIMultiple desde 2017.

El trabajo de Cem en AIMultiple ha sido citado por publicaciones líderes mundiales como Business Insider, Forbes, Morning Brew y Washington Post, empresas globales como Deloitte y HPE, ONG como World Economic Forum y organizaciones supranacionales como European Commission. [1], [2], [3], [4], [5]

A lo largo de su carrera, Cem trabajó como consultor tecnológico, comprador de tecnología y emprendedor tecnológico. Asesoró a empresas en sus decisiones tecnológicas en McKinsey & Company y Altman Solon durante más de una década. También publicó un informe de McKinsey sobre digitalización.

Dirigió la estrategia tecnológica y las adquisiciones de una empresa de telecomunicaciones reportando al CEO. También lideró el crecimiento comercial de la empresa de deep tech Hypatos, que alcanzó unos ingresos recurrentes anuales de 7 dígitos y una valoración de 9 dígitos desde 0 en 2 años. El trabajo de Cem en Hypatos fue cubierto por publicaciones tecnológicas líderes como TechCrunch y Business Insider.

Cem participa habitualmente en conferencias internacionales de tecnología. Se graduó en Bogazici University como ingeniero informático y tiene un MBA de Columbia Business School.

Ver perfil completo

Investigado por

Hazal Şimşek

Analista del sector

Síguenos

Hazal es analista del sector en AIMultiple, centrándose en la inteligencia de procesos (incluida la minería de procesos) y la automatización empresarial (incluidas la automatización de TI y la automatización low-code/no-code).

Ver perfil completo

Sé el primero en comentar

Tu dirección de correo electrónico no será publicada. Todos los campos son obligatorios. Los comentarios se dejan en su idioma original.

Nombre

Dirección de correo electrónico

Comentario

0/450

Publicar comentario