2025 debería ser el año del agente de IA, ¿verdad?
No exactamente, reconoce Google Cloud y Replit: dos grandes actores en el espacio de agentes de IA y socios en el “codificación de vibración“movimiento – en un evento reciente de VB Impact Series.
Incluso mientras ellos mismos desarrollan herramientas de agencia, los líderes de ambas compañías dicen que las capacidades aún no están disponibles.
Esta realidad limitada se reduce a dificultades con los flujos de trabajo heredados, datos fragmentados y modelos de gobernanza inmaduros. Además, las empresas no entienden que los agentes no son como otras tecnologías: requieren un replanteamiento y un rediseño fundamental de los flujos de trabajo y los procesos.
Cuando las empresas crean agentes para automatizar el trabajo, “la mayoría de ellos son ejemplos de juguetes”, dijo Amjad Masad, director ejecutivo y fundador de Replit, durante el evento. “Se entusiasman, pero cuando empiezan a implementarlo, no funciona muy bien”.
Construyendo agentes basados en los propios errores de Replit
Masad señaló que la confiabilidad y la integración, no la inteligencia en sí, son dos barreras clave para el éxito de los agentes de IA. Los agentes suelen fallar cuando se ejecutan durante largos períodos de tiempo, acumulan errores o carecen de acceso a datos limpios y bien estructurados.
El problema con los datos empresariales es que son confusos (están estructurados, no estructurados y almacenados por todas partes) y rastrearlos es un desafío. Además, hay muchas cosas no escritas que hace la gente y que son difíciles de codificar en los agentes, dijo Masad.
“La idea de que las empresas simplemente van a activar agentes y que los agentes reemplazarán a los trabajadores o automatizarán automáticamente el flujo de trabajo simplemente no es el caso hoy en día”, dijo. “Las herramientas no están ahí”.
Más allá de los agentes, están las herramientas de uso de la computadora, que pueden ocupar el espacio de trabajo de un usuario para tareas básicas como la navegación web. Pero todavía están en su infancia y pueden ser problemáticos, poco fiables e incluso peligrosos a pesar del rápido entusiasmo.
“El problema es que los modelos de uso de las computadoras son realmente malos en este momento”, dijo Masad. “Son caras, son lentas, están avanzando, pero sólo tienen un año”.
Replit está aprendiendo de su propio error a principios de este año cuando se borró su codificador de IA toda la base de código de una empresa en una prueba. Masad admitió: “Las herramientas no estaban lo suficientemente maduras”, y señaló que desde entonces la empresa ha aislado el desarrollo de la producción.
Técnicas como las pruebas de bucle, la ejecución verificable y el aislamiento del desarrollo son esenciales, señaló, aunque pueden consumir muchos recursos. Replit ha incorporado capacidades in-the-loop en la versión 3 de su agente, y Masad dijo que su agente de próxima generación puede funcionar de forma autónoma durante 200 minutos; algunos lo ejecutaron durante 20 horas.
Aún así, reconoció que los usuarios han expresado su frustración por los tiempos de demora. Cuando realizan una “instrucción intensa”, es posible que tengan que esperar 20 minutos o más. Idealmente, expresaron que quieren participar en un ciclo más creativo en el que puedan ingresar múltiples indicaciones, trabajar en múltiples tareas a la vez y ajustar el diseño a medida que trabaja el agente.
“La manera de resolver esto es el paralelismo, creando múltiples bucles de agentes y haciendo que trabajen en estos recursos independientes, permitiéndote hacer el trabajo creativo al mismo tiempo”, dijo.
Los agentes exigen un cambio cultural
Más allá de la perspectiva técnica, existe un obstáculo cultural: los agentes operan de manera probabilística, pero las empresas tradicionales están estructuradas en torno a procesos deterministas, señaló Mike Clark, director de desarrollo de productos de Google Cloud. Esto crea un desajuste cultural y operativo a medida que los LLM llegan con herramientas, marcos de orquestación y procesos completamente nuevos.
“No sabemos cómo pensar en los agentes”, dijo Clark. “No sabemos cómo resolver lo que pueden hacer los agentes”.
Las empresas que hacen esto bien están siendo impulsadas por procesos ascendentes, señaló: software sin código, de bajo código y creación de herramientas en las trincheras canalizadas a actores más grandes. Hasta la fecha, las implementaciones exitosas son limitadas, cuidadosamente definidas y fuertemente supervisadas.
“Si miro el 2025 y esta promesa de ser el año de los agentes, fue el año en el que mucha gente pasó construyendo prototipos”, dijo Clark. “Ahora estamos en medio de esta fase a gran escala”.
¿Cómo se protege un mundo sin pastos?
Otra dificultad es la seguridad de los agentes de IA, lo que también requiere repensar los procesos tradicionales, señaló Clark.
Los perímetros de seguridad están diseñados para todo, pero eso no funciona cuando los agentes necesitan acceso a muchos recursos diferentes para tomar las mejores decisiones, afirmó Clark.
“Esto realmente está cambiando nuestros modelos de seguridad, cambiando nuestro nivel base”, afirmó. “¿Qué significan menos privilegios en un mundo sin pastos e indefensión?”
En última instancia, debe haber un replanteamiento de la gobernanza en toda la industria y las empresas deben alinearse en un modelo de amenazas en torno a los actores.
Clark destacó la disparidad: “Si observa algunos de nuestros procesos de gobernanza, se sorprendería mucho de que el origen de esos procesos fuera alguien en una máquina de escribir eléctrica IBM, escribiendo por triplicado y entregándoselo a tres personas. Ese no es el mundo en el que vivimos hoy”.
