Todos estamos de acuerdo que el mundo ha estado viviendo una gran transformación, una quinta revolución industrial, desde el lanzamiento público, en noviembre de 2022, de ChatGPT. Desde aquel momento, el término inteligencia artificial parece estar en boca de todos. El número de usuarios de la herramienta ha crecido exponencialmente, así como también el número de distintas aplicaciones que hacen uso de la inteligencia artificial generativa.
Los modelos de lenguaje de gran tamaño (LLMs, por sus siglas en inglés), que constituyen la columna vertebral de la inteligencia artificial generativa, se encuentran evolucionando rápidamente. Ya no se trata solo de ChatGPT. Hay otras herramientas como Claude, Gemini y LLaMA que están demostrando capacidades sorprendentes en la generación de texto, comprensión del lenguaje natural y asistencia en tareas complejas.
Sin embargo, a pesar del impresionante rendimiento de estas herramientas, estos LLMs siguen operando de forma reactiva, respondiendo a solicitudes de usuarios sin una comprensión profunda del contexto y más aún, sin la capacidad de tomar decisiones autónomas y, sobre todo, de ejecutarlas. Justo aquí es donde entra en juego el nuevo paradigma de los agentes de inteligencia artificial.
Los agentes de IA son sistemas diseñados para percibir su entorno, procesar información y actuar en consecuencia para alcanzar objetivos específicos. A diferencia de los LLMs tradicionales, estos agentes pueden interactuar con múltiples sistemas, adaptarse a cambios en tiempo real y tomar decisiones basadas en datos actualizados. Por ejemplo, un agente de IA podría monitorear el inventario de una tienda en línea y ajustar automáticamente los precios o las promociones según la demanda y la competencia, o incluso colocar pedidos a proveedor para resurtir la mercancía.
No obstante, estos agentes aún enfrentan desafíos significativos, como la necesidad de una supervisión humana constante, limitaciones en la comprensión contextual y dificultades para manejar situaciones imprevistas.
La inteligencia artificial agéntica representa la siguiente evolución de los agentes de IA, dotándolos de una mayor autonomía y capacidad de razonamiento. Estos sistemas no solo responden a estímulos, sino que pueden planificar, aprender de experiencias pasadas y tomar decisiones complejas sin intervención humana directa. Aún más, pueden coordinar el trabajo conjunto de varios agentes de IA en esta toma de decisiones. Por ejemplo, una IA agéntica en el sector logístico podría reorganizar rutas de entrega en tiempo real ante imprevistos como el tráfico o condiciones climáticas adversas, optimizando recursos y tiempos de manera autónoma.
Esta capacidad de actuar de forma independiente y adaptativa abre nuevas posibilidades en sectores diversos como salud, logística, automotriz, finanzas, etc. Sin embargo, también plantea retos significativos. El primero de ellos es la privacidad de los datos y la seguridad. La autonomía de estos sistemas requiere de acceso a grandes cantidades de datos. Sin un manejo de seguridad adecuado, se podría comprometer la información. Segundo, estos sistemas necesitan de mayor transparencia, que permita entender cómo y por qué una IA agéntica toma ciertas decisiones, sobre todo aquellas que son sensibles (e.g. aplicaciones en el sector salud). Por último, será necesario dotar a la IA agéntica de marcos regulatorios claros y específicos.
De acuerdo con varios expertos, se espera que para 2030, la inteligencia artificial agéntica se integre de manera más profunda en diversas industrias. Si esto es así, las empresas tendrán que invertir en el desarrollo de sistemas más robustos y éticos, mientras que los gobiernos deberán trabajar en la creación de regulaciones que garanticen un uso responsable.
La colaboración entre humanos y máquinas será esencial, con la IA agéntica actuando como una extensión de nuestras capacidades, permitiendo que nos enfoquemos en tareas más creativas y estratégicas.
Profesor de Dirección de Operaciones de IPADE Business School
