Preguntas de entrevista sobre IA agéntica: qué esperar y cómo prepararse

Casi todas las entrevistas de IA agéntica empiezan aquí, porque la respuesta distingue a quienes han construido agentes de quienes solo han leído sobre ellos. La pregunta canónica es de alguna forma: cuál es la diferencia entre un agente IA y una sola llamada a un modelo de lenguaje.

Una respuesta sólida nombra el bucle. Una llamada ordinaria al modelo mapea una entrada a una salida; un agente ejecuta un ciclo de razonamiento, acción, observación y repetición, decidiendo su siguiente paso a partir de lo que retornó el anterior. Desde ese núcleo, los entrevistadores ramifican hacia el vocabulario que esperan que domine:

• ReAct y planificación. Entrelazar trazas de razonamiento con acciones, frente a planificar una secuencia completa por adelantado y luego ejecutarla.
• Herramientas e invocación de funciones. Cómo el modelo recibe acciones que puede tomar en el mundo, y cómo sus resultados vuelven a entrar en su contexto.
• Memoria. Contexto de trabajo a corto plazo frente a recall a largo plazo respaldado por un almacén de vectores o base de datos.
• Autonomía y terminación. Qué decide que el agente ha terminado, y qué evita que bucle para siempre.

El modo de fallo aquí es acumular palabras de moda: listar marcos sin explicar el mecanismo subyacente. Enuncie el bucle con claridad y el resto de la entrevista se abre.

Una vez establecidos los conceptos, la entrevista se convierte en una conversación de diseño, y aquí es donde vive la mayor parte de la señal. Espere un prompt abierto: diseñe un agente que reserve viajes, o clasifique tickets de soporte, o responda preguntas sobre documentos internos. Lo que puntúan es cómo razona sobre las partes móviles, no si llega a una respuesta específica.

Las preguntas que de manera confiable siguen:

• Uso de herramientas ante fallos. Una llamada a herramienta agota el tiempo o devuelve datos inválidos; qué hace el agente. Los reintentos, el retroceso exponencial y una ruta alternativa importan más que el caso exitoso.
• Diseño de memoria. Qué entra al prompt en cada turno, qué se resume, qué se recupera según demanda, y cómo evita el desbordamiento del contexto.
• Anclaje. Cuando la tarea necesita hechos que el modelo no tiene, cómo la recuperación alimenta el bucle sin dejar que pasajes obsoletos o incorrectos lo dirijan.
• Multi-agente versus un solo agente. Cuándo dividir el trabajo entre un orquestador y trabajadores justifica su costo de coordinación, y cuándo es complejidad por sí misma.

Responda con compromisos, no absolutos. Decir «un solo agente con buenas herramientas supera a un sistema multi-agente hasta que la tarea genuinamente tiene subobjetivos paralelos» se lee como experiencia; nombrar una arquitectura como universalmente mejor se lee como lo contrario. Las guías de codificación y diseño de sistemas relacionadas están en el clúster de tipos de entrevista.

Espera que la pregunta difícil sea sobre las entrañas del modelo, y en cambio el entrevistador pregunta cómo sabría si el agente funciona en absoluto. Ese giro es deliberado, y esta sección es lo que sondea. La versión corta: los sistemas de múltiples pasos son difíciles de medir, y admitirlo con un plan supera a pretender que son fáciles.

Las preguntas de evaluación se centran en el problema de la trayectoria: una sola llamada es correcta o incorrecta, pero un agente toma un camino, y una respuesta correcta alcanzada por un camino defectuoso es un error latente. Las respuestas sólidas separan el éxito de la tarea de la calidad de los pasos, mencionan conservar un conjunto fijo de tareas de prueba, y tratan que un modelo califique la salida de otro modelo como útil pero sesgado, no como verdad fundamental.

Las preguntas de producción luego presionan sobre los límites que ningún marco elimina. El costo y la latencia se acumulan con cada paso adicional en el bucle. Un agente sin parada forzosa puede girar en espiral, por lo que las condiciones de terminación y los presupuestos de pasos son diseño real, no una ocurrencia tardía. Y las acciones de alto riesgo necesitan un humano en el bucle, porque un agente que puede actuar autónomamente también puede actuar mal a alta velocidad.

Priya, ingeniería de backend entrevistando para un equipo de plataforma IA, fue invitada a criticar su propio agente de reservas de viajes. Señaló que reintentaría alegremente un pago fallido convirtiéndolo en un cargo doble, y propuso una clave de idempotencia más un paso de confirmación. Ese único modo de fallo honesto hizo avanzar la entrevista más que cualquier nombre de marco.

Las preguntas de IA agéntica resisten las tarjetas de memoria, porque el entrevistador profundiza en lo que usted diga. La preparación es, por tanto, repeticiones bajo presión de seguimiento, no una lista memorizada. Un plan de trabajo:

Construya un agente pequeño de punta a punta antes de la entrevista, incluso uno de juguete: un bucle, dos herramientas reales, una ruta de reintento y una condición de parada. La persona que ha depurado un agente que bucló para siempre responde la pregunta de terminación desde la memoria, no la teoría. Luego ensaye explicándolo en voz alta, porque la entrevista evalúa la narración tanto como el conocimiento.

Para la parte en voz alta, practique contra algo que le refute. Una entrevista simulada que hace una pregunta de diseño y luego interroga su respuesta está más cerca de lo real que leer soluciones modelo; el modo simulación de SubcueAI genera preguntas técnicas específicas del rol y una revisión posterior a la sesión, para que escuche dónde se apagó una respuesta. En la entrevista real, el rol honesto de un asistente es ayudarle a mantener la estructura y recordar un término bajo presión, no suministrar experiencia que no tiene; la anti-fabricación es todo el punto, y el clúster «cómo funciona» es franco sobre ese límite.