Function calling y uso de herramientas: cómo la IA pasa a la acción
Un modelo de lenguaje, por sí solo, solo sabe hacer una cosa: producir texto. No puede consultar el tiempo de hoy, buscar una reserva, enviar un correo ni consultar una base de datos. Todo lo que dice procede de lo que aprendió en el entrenamiento más lo que tú pongas en el prompt. El function calling, también llamado uso de herramientas, es lo que permite a un modelo llegar más allá de sí mismo. Es el puente entre una IA que habla y una IA que hace.
La idea básica
Con el uso de herramientas, al modelo se le informa de un conjunto de herramientas que tiene permitido usar. Cada herramienta tiene un nombre, una descripción de lo que hace y una descripción de la información que necesita. Una herramienta del tiempo podría necesitar una ciudad y una fecha. Una consulta de reserva podría necesitar un número de confirmación.
Cuando llega una pregunta, el modelo la lee y decide si responder requiere una herramienta. Si es así, el modelo no intenta inventar la respuesta. En su lugar, escribe una pequeña petición estructurada: qué herramienta llamar y qué pasarle. El sistema que lo rodea ejecuta la herramienta, obtiene el resultado real y se lo devuelve al modelo. El modelo redacta entonces su respuesta usando ese resultado.
Un ejemplo sencillo
Un huésped pregunta a un asistente: "¿Está abierto el spa mañana por la tarde?" El modelo sabe que no puede responder eso de memoria. Ve una herramienta llamada check_opening_hours que recibe una instalación y una fecha. Genera una petición: check_opening_hours, spa, mañana. El sistema la ejecuta contra el horario en vivo del hotel y devuelve "abierto de 10:00 a 20:00". El modelo lo lee y responde: "Sí, el spa abre mañana de diez de la mañana a ocho de la tarde."
Fíjate en lo que el modelo no hizo. No adivinó el horario. Reconoció una laguna, hizo la pregunta correcta al sistema correcto e informó de la respuesta real.
Por qué esto importa
El uso de herramientas convierte un modelo de interlocutor bien informado en algo capaz de actuar dentro de sistemas reales. Cambian tres cosas.
Los datos pasan a estar en vivo. En lugar de depender de datos de entrenamiento caducados, el modelo puede obtener precios, disponibilidad o estado actuales en el momento de la pregunta.
Las acciones se vuelven posibles. Una herramienta puede hacer cosas, no solo informar de ellas. Reservar una mesa, crear un ticket, enviar una confirmación. El modelo decide cuándo, la herramienta hace el trabajo.
Las conjeturas disminuyen. Cuando un modelo dispone de una herramienta para algo, tiende a usarla en vez de inventar. Dar a un modelo las herramientas adecuadas es una de las formas más eficaces de reducir las alucinaciones sobre datos concretos.
El modelo decide, el sistema actúa
Un detalle importante es que el modelo nunca ejecuta la herramienta por sí mismo. Solo produce una petición. El software que lo rodea decide si atenderla, la ejecuta y controla lo que vuelve. Esa separación es lo que mantiene seguro el uso de herramientas. Un modelo puede pedir cancelar una reserva, pero el sistema puede exigir confirmación, comprobar permisos o negarse. El modelo propone, el sistema dispone.
Dónde conecta con los agentes
El uso de herramientas es la base de los agentes de IA. Un agente es un modelo que puede usar herramientas en bucle: llamar a una, leer el resultado, decidir qué hacer a continuación, llamar a otra. Reservar un viaje podría implicar consultar vuelos, luego hoteles, luego disponibilidad, cada uno una llamada de herramienta distinta encadenada por el razonamiento del modelo. Los protocolos más recientes para conectar modelos con herramientas, como MCP, son en esencia formas estándar de describir herramientas para que cualquier modelo pueda usarlas.
Qué significa esto para tu empresa
A medida que los asistentes ganan herramientas, la pregunta pasa de "¿me conoce la IA?" a "¿puede la IA llegar hasta mí?". Un modelo con una herramienta que consulta tu disponibilidad, tu carta o tu horario puede dar respuestas precisas y actuales e incluso aceptar reservas. Un modelo sin forma de llegar a ti vuelve a adivinar a partir de lo que leyó una vez. Poner tu información a disposición en un formato estructurado y legible por máquina es lo que hace que tu empresa sea utilizable como herramienta, no solo mencionable como dato.
Haz que tu empresa sea recomendable para la IA
Estos son los mecanismos que hay detrás de la visibilidad en IA. Si quieres ayuda para convertirlos en una estructura que funcione para tu empresa, hablemos.
Hablemos →