Recientemente, un grupo de expertos en inteligencia artificial discutió sobre las experiencias prácticas y desafíos al implementar sistemas de IA en diversas industrias. Moderado por el CEO de TrueFoundry, el panel incluyó a Kishore Aradhya de Frontdoor, Eli Tsinovoi de UKG, Shafik “SQ” Quoraishee de The New York Times y Manish Nigam de Ameriprise Financial, quienes compartieron lecciones valiosas fuera del ámbito teórico.
Una de las principales recomendaciones de los expertos fue comenzar con proyectos pequeños. Kishore Aradhya resaltó que avanzar rápidamente hacia «marcos avanzados de agencia» puede ser contraproducente. Su equipo prefiere centrarse en problemas concretos con resultados medibles, como la automatización de revisiones de reclamaciones de seguros, antes de enfrentar desafíos más complejos.
Asimismo, el acceso a modelos de IA resultó ser más complicado de lo que parece. Cada empresa tiene diferentes enfoques para manejar la infraestructura de IA. Eli Tsinovoi utiliza Google Cloud’s Vertex AI para controlar el uso de tokens, mientras que Kishore se decanta por Snowflake por razones de gobernanza. En cambio, The New York Times mantiene infraestructuras separadas para asegurar la fidelidad de la información.
El debate también incluyó la necesidad de gateways específicos para IA frente a los tradicionales API gateways. Eli cree que los tradicionales pueden evolucionar para gestionar el tráfico de IA, mientras que Manish argumenta que los sistemas de agentes requieren capacidades más avanzadas.
Una revelación crucial del panel fue la ausencia de un sistema unificado de trazabilidad a nivel empresarial. La falta de estandarización complica el seguimiento y la resolución de problemas. Según Eli, las plataformas observacionales suelen funcionar bien en demostraciones, pero no tanto en el ámbito real.
Otra discusión clave se centró en la definición de «agente» en el contexto de IA. Manish lo define como un modelo con acceso a herramientas y memoria, lo cual tiene un gran impacto en el desarrollo de estos sistemas y en cómo se entienden sus recomendaciones.
Por último, los panelistas coincidieron en que hay barreras significativas para la adopción de sistemas de agentes. La necesidad de alinear a los humanos con las partes interesadas y centrarse en los problemas reales, en lugar de soluciones prematuras, es esencial para el éxito. A medida que las empresas avanzan en sus esfuerzos de IA, resulta evidente que la infraestructura y la comprensión de sus capacidades son más cruciales que el modelo mismo.
En resumen, la implementación efectiva de la IA se basa en pasos evolutivos, priorizando la colaboración humana y construyendo sobre bases comprobadas para lograr una innovación real y sostenible.
