Olvídate de la Hype: Los Agentes de IA Reales Resuelven Problemas Limitados, No Fantasías de Mundo Abierto
VentureBeat/Ideogram
Dondequiera que mires, la gente habla de agentes de IA como si estuvieran a un aviso de reemplazar departamentos enteros. El sueño es seductor: sistemas autónomos que pueden manejar cualquier cosa que les presentes, sin límites, sin restricciones, solo dales tus credenciales de AWS y resolverán todos tus problemas. Pero la realidad es que simplemente no es así como funciona el mundo, especialmente no en el ámbito empresarial, donde la fiabilidad no es opcional.
Incluso si un agente es un 99% preciso, eso no siempre es suficiente. Si está optimizando rutas de entrega de alimentos, eso significa que uno de cada cien pedidos termina en la dirección equivocada. En un contexto empresarial, ese tipo de tasa de fallo no es aceptable. Es costoso, arriesgado y difícil de explicar a un cliente o regulador.
En entornos del mundo real como finanzas, salud y operaciones, los sistemas de IA que realmente aportan valor no se parecen en nada a estas fantasías fronterizas. No están improvisando en un mundo abierto; están resolviendo problemas bien definidos con entradas claras y resultados predecibles.
Si seguimos persiguiendo problemas de mundo abierto con tecnología a medio completar, gastaremos tiempo, dinero y confianza. Pero si nos concentramos en los problemas que tenemos delante, los que tienen un claro ROI y límites claros, podemos hacer que la IA funcione hoy.
El problema con el bombo del mundo abierto
La industria tecnológica ama un gran objetivo (y tengo que reconocer que yo también). En este momento, el objetivo es IA de mundo abierto — agentes que pueden manejar cualquier cosa, adaptarse a nuevas situaciones, aprender sobre la marcha y operar con información incompleta o ambigua. Es el sueño de la inteligencia general: sistemas que pueden no solo razonar, sino improvisar.
¿Qué hace que un problema sea "de mundo abierto"?
Los problemas de mundo abierto se definen por lo que no sabemos.
Más formalmente, al basarnos en investigaciones que definen estos entornos complejos, un mundo completamente abierto se caracteriza por dos propiedades clave:
- El tiempo y el espacio son ilimitados: La experiencia pasada de un agente puede no aplicarse a nuevos escenarios no vistos.
- Las tareas son ilimitadas: No están predeterminadas y pueden emerger dinámicamente.
En tales entornos, la IA opera con información incompleta; no puede asumir que lo que no se conoce como verdadero es falso, simplemente es desconocido. Se espera que la IA se adapte a estos cambios imprevistos y a nuevas tareas mientras navega por el mundo. Esto presenta un conjunto de problemas increíblemente difíciles para las capacidades actuales de la IA.
La mayoría de los problemas empresariales no son así
En contraste, los problemas de mundo cerrado son aquellos donde se conoce el alcance, las reglas son claras y el sistema puede asumir que tiene todos los datos relevantes. Si algo no es explícitamente verdadero, puede ser tratado como falso. Estos son los tipos de problemas que la mayoría de las empresas enfrentan diariamente: emparejamiento de facturas, validación de contratos, detección de fraudes, procesamiento de reclamos, previsión de inventarios.
Estos no son los casos de uso que típicamente hacen titulares, pero son los que realmente le importan a las empresas y que necesitan resolver.
El riesgo del bombo y la inacción
Sin embargo, el bombo es dañino: Al establecer el estándar en la inteligencia general de mundo abierto, hacemos que la IA empresarial se sienta inaccesible. Los líderes escuchan sobre agentes que pueden hacerlo todo y se congelan, porque no saben por dónde empezar. El problema se siente demasiado grande, demasiado vago, demasiado arriesgado.
Es como intentar diseñar vehículos autónomos antes de haber construido un motor de combustión funcional. El sueño es emocionante, pero saltarse los fundamentos asegura el fracaso.
Resuelve lo que tienes frente a ti
Los problemas de mundo abierto son excelentes para demostraciones y aún mejores para rondas de financiamiento. Pero los problemas de mundo cerrado son donde está realmente el valor hoy. Son solucionables, testeables y automatizables. Y están dentro de cada empresa, solo esperando el sistema adecuado para abordarlos.
La pregunta no es si la IA resolverá problemas de mundo abierto eventualmente. La pregunta es: ¿Qué puedes desplegar realmente ahora mismo que haga que tu negocio sea más rápido, más inteligente y más confiable?
Cómo son realmente los agentes empresariales
Cuando la gente imagina agentes de IA hoy, tienden a imaginar una ventana de chat. Un usuario escribe un aviso y el agente responde con una respuesta útil (quizás incluso activa una o dos herramientas). Eso está bien para demostraciones y aplicaciones de consumo, pero no es cómo funcionará la IA empresarial en la práctica.
En la empresa, la mayoría de los agentes útiles no son iniciados por el usuario, son autónomos.
No permanecen inactivos esperando que un humano les dé una indicación. Son procesos de larga duración que reaccionan a los datos a medida que fluyen a través del negocio. Toman decisiones, llaman a servicios y producen resultados, de forma continua y asincrónica, sin necesidad de que se les diga cuándo comenzar.
Imagina un agente que monitorea nuevas facturas. Cada vez que llega una factura, extrae los campos relevantes, los verifica contra órdenes de compra abiertas, señala discrepancias y envía la factura para su aprobación o rechazo, sin que nadie le pida que lo haga. Solo escucha el evento (“nueva factura recibida”) y comienza a trabajar.
O piensa en la integración de clientes. Un agente podría esperar el momento en que se crea una nueva cuenta y luego iniciar una cascada: verifica documentos, ejecuta verificaciones de conocimiento del cliente (KYC), personaliza la experiencia de bienvenida y programa un mensaje de seguimiento. El usuario nunca sabe que el agente existe. Simplemente funciona. De manera confiable. En tiempo real.
Así es como lucen los agentes empresariales:
- Son impulsados por eventos: Se activan por cambios en el sistema, no por avisos de usuario.
- Son autónomos: Actúan sin la iniciativa humana.
- Son continuos: No se inician para una sola tarea y desaparecen.
- Son mayormente asincrónicos: Trabajan en segundo plano, no en flujos de trabajo bloqueantes.
Construyendo la base correcta
El futuro de la IA en la empresa no comienza con la AGI. Comienza con la automatización que funciona. Eso significa enfocarse en problemas de mundo cerrado que sean estructurados, acotados y ricos en oportunidades para un verdadero impacto.
No necesitas un agente que pueda hacer todo. Necesitas un sistema que pueda hacer algo de forma confiable:
- Una reclamación encaminada correctamente.
- Un documento analizado con precisión.
- Un cliente seguido a tiempo.
Esos logros se acumulan. Reducen costos, liberan tiempo y generan confianza en la IA como parte confiable de la arquitectura.
Y llegar allí no requiere avances en ingeniería de avisos o apostar por el próximo modelo que generalice mágicamente. Requiere hacer lo que los buenos ingenieros han hecho siempre: Descomponer problemas, construir sistemas componibles y conectar componentes de maneras que sean testeables y observables.
Los sistemas multi-agente impulsados por eventos no son una panacea; son solo una arquitectura práctica para trabajar con herramientas imperfectas de manera estructurada. Te permiten aislar dónde se necesita inteligencia, contener dónde no se necesita y construir sistemas que se comporten de manera predecible incluso cuando las partes individuales no lo hacen.
Esto no se trata de perseguir la frontera. Se trata de aplicar principios básicos de ingeniería de software a una nueva clase de problemas.
Sean Falconer es el emprendedor en residencia de IA en Confluent.
¿Quieres conocimientos más inteligentes en tu bandeja de entrada? Inscríbete en nuestros boletines semanales para obtener solo lo que importa a los líderes empresariales de IA, datos y seguridad. Suscríbete ahora.
Comments ()