¿Qué viene después de la IA de agentes? Esta es la poderosa tecnología que lo cambiará todo

Dentro de diez años, quedará claro que las principales maneras en que usaremos la Inteligencia Artificial (IA) generativa alrededor de 2025 —elaborar contenido rápidamente con base en instrucciones simples e interacciones abiertas— fueron apenas los componentes básicos de una tecnología que cada vez se incorporará en maneras más impactantes.

El verdadero efecto económico llegará a medida que diferentes modelos de IA generativa se combinen con la lógica del software tradicional para impulsar actividades costosas como la gestión de proyectos, el diagnóstico médico y el procesamiento de reclamos de seguros de maneras cada vez más automatizadas. 

En mi trabajo de consultoría ayudo a las empresas más grandes del mundo a diseñar e implementar soluciones de IA. He observado que la mayoría de las organizaciones aún tienen dificultades para obtener un valor sustancial de las aplicaciones de IA generativa. Por impresionantes y satisfactorias que sean, el hecho de que sean imprevisibles dificulta su integración en los procesos empresariales altamente estandarizados que impulsan la economía.

IA de agentes contra IA interpretativa

La IA de agentes, que ha recibido una gran atención en los últimos meses por su potencial para realizar tareas empresariales con poca intervención humana, presenta limitaciones similares. Los agentes evolucionan para asistir en tareas específicas, como la creación rápida de sitios web, pero sus flujos de trabajo y resultados serán demasiado variables para las grandes organizaciones con procesos de gran volumen que requieren previsibilidad y fiabilidad.

Sin embargo, los mismos enormes modelos de IA que impulsan las herramientas más conocidas hoy en día se implementan cada vez más de otra manera, más transformadora desde el punto de vista económico, a la que llamo “IA interpretativa”. Y es probable que ese sea el verdadero motor de la revolución de la IA a largo plazo.

A diferencia de la IA generativa y la agéntica, la IA interpretativa permite a las computadoras comprender información desordenada, compleja y desestructurada, e interpretarla de manera predecible y definida.

Al utilizar gran parte de la misma infraestructura de TI, esta tecnología emergente puede impulsar los procesos complejos de grandes organizaciones sin necesidad de intervención humana en cada paso.

Casos de uso

Algunas aplicaciones de IA interpretativa ya se utilizan. Por ejemplo, los médicos ahorran mucho tiempo al usar herramientas de IA interpretativa para escuchar conversaciones con pacientes y completar la información en sus historiales médicos electrónicos para realizar un seguimiento de la atención y facilitar la facturación. En un futuro próximo, esta tecnología podría determinar la culpa en accidentes de tráfico con base en informes policiales redactados en miles de formatos diferentes, o procesar videos grabados desde la pantalla de un portátil mientras se edita una presentación para proporcionar a los compañeros de equipo una actualización automática del trabajo realizado. Las aplicaciones son diversas y abarcan todo tipo de sectores.

Según estimaciones para áreas como la programación y el marketing, donde la IA generativa es más aplicable, la IA interpretativa podría generar entre 20% y 40% de aumento de productividad para la mitad del PIB que proviene de las grandes corporaciones. Sin embargo, primero deben comprometerse a desarrollar una estrategia integral a largo plazo que involucre múltiples funciones empresariales y una experimentación minuciosa, y a cambiar los procesos y las normas de la cultura laboral arraigadas que frenan su adopción. Si se implementa correctamente, los obstáculos son superables y los beneficios podrían ser enormes.

Una aplicación diferente de los modelos de IA generativa

Uno de los motores más fundamentales del crecimiento económico es el esfuerzo continuo por estandarizar y escalar un proceso específico para hacerlo más rápido, económico y fiable. Pensemos en las cadenas de montaje que permiten la producción en masa, o en la codificación de protocolos de comunicación informática en Internet para su uso en redes dispares.

La IA generativa ha sido, en general, decepcionante en cuanto a automatización. Por ejemplo, muchas empresas han intentado usar chatbots de IA generativa para reducir el tiempo que su personal de recursos humanos dedica a responder preguntas de los empleados sobre políticas internas. Sin embargo, el resultado abierto de estos sistemas requiere revisión humana, lo que hace que el ahorro de mano de obra sea, en el mejor de los casos, modesto. Esta tecnología parece heredar gran parte de la imprevisibilidad humana, junto con su capacidad para imitar sus habilidades creativas y de razonamiento.

La IA agéntica promete realizar trabajos complejos de manera autónoma, con agentes de IA inteligentes que desarrollan y ejecutan planes para alcanzar objetivos paso a paso, sobre la marcha. Sin embargo, incluso cuando los agentes adquieren la inteligencia suficiente para ayudar a un trabajador del conocimiento típico a ser más productivo, sus resultados serán variables.

La IA interpretativa da paso a la inteligencia artificial. Por primera vez, las computadoras pueden procesar eficazmente el significado del lenguaje humano, con todos sus matices y contexto tácito, gracias a los modelos de un tamaño sin precedentes desarrollados por empresas como Open AI y Google. La IA interpretativa es el mecanismo que permite utilizar los modelos para explotar este avance revolucionario.

Mayor rapidez y precisión

Hasta ahora, la capacidad de las computadoras para capturar, almacenar, agregar, resumir y evaluar las actividades de una gran organización se limitaba a aquellas que eran fáciles de cuantificar con datos. La IA interpretativa puede ejecutar estas funciones con rapidez y precisión para otras actividades importantes, a gran escala y con un coste marginal mínimo. Por ejemplo, las empresas ya no necesitarán procesos manuales para supervisar y gestionar los niveles de actividad y el progreso en tareas de los trabajadores del conocimiento, como la codificación de una función en una solución de software o el desarrollo de estrategias de contacto específicas para el cliente, que suelen requerir personal de gestión intermedia dedicado a la recopilación de información.

Las empresas pueden aumentar su productividad al usar IA interpretativa para una variedad de otras cuestiones de los empleados que antes eran difíciles de medir, incluido el tono y la calidad de sus interacciones con los clientes, sus normas culturales en el lugar de trabajo y su cumplimiento de las políticas de la oficina y las expectativas de comportamiento.

Transformar la gestión del trabajo del conocimiento

El uso de la IA interpretativa facilitará las transformaciones generalizadas que propician nuevas y eficientes maneras de trabajar en las grandes organizaciones —responsables de organizar y producir la mayor parte de los bienes y servicios del mundo—. Reducirá drásticamente la necesidad de un trabajo extenso, costoso, lento y poco agradable para los mandos intermedios, que requiere coordinar programas complejos e interrelacionados de actividades en todos los equipos y disciplinas.

Mejor aún, puede entender de manera eficiente aspectos operacionalmente vitales pero opacos de cómo se hace el trabajo, tales como décadas de código y datos heredados que hacen que incluso cambios menores en el proceso tecnológico resulten una tarea que consume mucho tiempo y representa un desafío para cualquier empresa de larga duración.

Por supuesto, la IA interpretativa no es mutuamente excluyente con la IA generativa y la IA agéntica; de nuevo, es simplemente una manera diferente de utilizar los potentes modelos que impulsan estas tecnologías. Es decididamente poco atractiva, sin duda, pero para las empresas que buscan maneras de maximizar el impacto económico de la IA en los próximos años, es justo lo poco atractiva que necesitan.