Harrison Chase, CEO de LangChain, publica un artículo conceptual que establece un cambio de paradigma fundamental en la comprensión de los sistemas de IA agénticos: en el software tradicional, el código documenta la aplicación; en el caso de los agentes de IA, las trazas desempeñan ese papel.
En el desarrollo de software tradicional, los desarrolladores comprenden el funcionamiento de una aplicación examinando su código - la lógica de decisión existe de forma explícita en la base de código. Los sistemas basados en agentes funcionan de manera diferente. Aunque los desarrolladores orquestan las llamadas al LLM, "las decisiones reales - qué herramienta llamar, cómo razonar sobre el problema, cuándo detenerse, qué priorizar - todo eso ocurre en el modelo en tiempo de ejecución".
Chase afirma que el código de orquestación sigue siendo depurable, pero la inteligencia que impulsa las decisiones reside en el propio modelo, no en el repositorio. El código se convierte en un mero "andamiaje" alrededor de la lógica real.
Las trazas registran la secuencia de pasos que realizan los agentes, documentando patrones de razonamiento, selecciones de herramientas, resultados y temporización. Este cambio reconfigura las prácticas operativas: "la depuración, las pruebas, el perfilado, la monitorización - todo ello pasa de operar sobre código a operar sobre trazas".
A diferencia del software determinista, donde entradas idénticas producen salidas idénticas, los agentes de IA generan diferentes cadenas de razonamiento a partir de la misma entrada. Comparar trazas se vuelve esencial para comprender las diferencias de comportamiento.
El artículo detalla los impactos en cada práctica de desarrollo. La depuración pasa de examinar código a inspeccionar trazas para identificar dónde falló el razonamiento. Las pruebas requieren enfoques "impulsados por evaluaciones" (eval-driven) que capturan trazas durante la ejecución con validación continua en producción. La optimización del rendimiento se centra en los patrones de decisión dentro de las trazas - identificando llamadas a herramientas innecesarias y rutas de razonamiento ineficientes.
La monitorización evoluciona de la vigilancia del tiempo de actividad a la evaluación de calidad, midiendo el éxito de las tareas y la eficiencia del razonamiento. Las plataformas de observabilidad se convierten en los principales espacios de colaboración donde los equipos discuten las decisiones de los agentes. El análisis de producto se integra con el análisis del comportamiento de los agentes.
Chase concluye con una advertencia: "Construir agentes sin una observabilidad robusta significa operar sin acceso a la documentación central de la lógica".