El problema central de los agentes de inteligencia artificial dejó de ser su creación y pasó a ser su sostenimiento en el tiempo, afirmó Marcio Aguiar, director de la división Enterprise de NVIDIA para América Latina, en un comunicado difundido por la compañía. Según el ejecutivo, construir un agente capaz de ejecutar tareas específicas se volvió relativamente sencillo, pero mantenerlo funcionando todos los días, dentro de un presupuesto sostenible y con reglas claras sobre lo que puede o no hacer, es el verdadero obstáculo que enfrentan las empresas.
Los agentes de inteligencia artificial son sistemas que, a diferencia de los modelos que solo responden preguntas o generan texto e imágenes, ejecutan tareas de forma autónoma, acceden a documentos y toman decisiones limitadas dentro de reglas y permisos definidos. Su desarrollo atrajo fuertes inversiones durante el último año y multiplicó los anuncios corporativos, pero la brecha entre lo que las empresas muestran en sus demostraciones y lo que logran sostener en funcionamiento real se convirtió en uno de los debates centrales del sector tecnológico.
PUBLICIDAD
“Lo que vemos hoy es que muchas empresas ya han pasado de la fase de experimentación a la implementación de la inteligencia artificial, pero convertir esos proyectos en operaciones consistentes sigue siendo un reto”, sostuvo Aguiar en el comunicado. El directivo describió una distancia concreta entre el momento de la presentación de un proyecto y su funcionamiento sostenido: “Una demostración convence a la junta directiva en veinte minutos, pero lo que realmente define el éxito del proyecto es lo que ocurre en los seis meses siguientes, cuando el agente debe funcionar todos los días, dentro de un costo que la empresa pueda sostener y con reglas claras sobre lo que puede o no puede hacer”.
El diagnóstico de NVIDIA identifica tres errores recurrentes en las empresas que intentan escalar sus proyectos de agentes autónomos. El primero es subestimar el consumo de recursos computacionales que exigen estos sistemas una vez que pasan de un entorno de prueba a un uso masivo. El segundo es tratar la seguridad y la gobernanza como una etapa posterior al lanzamiento, en lugar de incorporarlas desde el diseño inicial. El tercero es escalar los proyectos sin tener claro el retorno de inversión esperado. La combinación de estos factores deriva, según el ejecutivo, en presupuestos excedidos, agentes desactivados tras incidentes de seguridad y proyectos piloto que permanecen indefinidamente en fase de experimentación sin llegar a producción.
PUBLICIDAD
Detrás de este diagnóstico hay un cambio en la naturaleza técnica de los propios agentes. La mayoría de los sistemas que operan hoy se activan mediante un comando puntual, ejecutan una tarea específica y terminan su actividad. Los llamados agentes autónomos de larga duración, en cambio, funcionan de manera continua en segundo plano: revisan a intervalos regulares sus listas de tareas, identifican cuáles requieren acción, ejecutan lo que está dentro de sus permisos y remiten a personas únicamente los casos que exigen una decisión humana. Este modo de funcionamiento implica un acceso más amplio y constante a datos internos, lo que eleva las exigencias de seguridad respecto de los agentes que se activan de forma puntual.
Aguiar situó esta discusión en el centro de la conversación que, según anticipa, dominará al sector en los próximos meses. “La pregunta que se hará el mercado de ahora en adelante no es quién tiene un agente, sino quién logra mantenerlo operando de manera segura y generando resultados”, planteó el ejecutivo, para quien las compañías que traten la infraestructura de soporte como un componente estratégico, y no como una capa técnica secundaria, estarán mejor posicionadas para escalar sus proyectos de inteligencia artificial.
PUBLICIDAD
Aguiar concluyó que la diferencia entre las empresas en los próximos dos años no estará determinada por el acceso a los modelos de inteligencia artificial, cada vez más equiparado entre competidores, sino por la capacidad de convertirlos en operaciones confiables bajo las reglas específicas de cada negocio. Esa capacidad de sostener en el tiempo lo que hoy funciona en una demostración será, según el planteo de NVIDIA, el factor que determine qué empresas logren capturar el valor prometido por la inteligencia artificial agéntica y cuáles queden atrapadas en una fase de experimentación permanente.