En el cuarto año desde la popularización de la inteligencia artificial generativa, comienza a cobrar fuerza otra forma de uso a través de los agentes.
Por Juan Carlos Luján, columnista.
Casi sin darnos cuenta, estamos pasando de una inteligencia artificial que conversa y genera contenidos a una que también puede ejecutar tareas. ChatGPT apareció el 30 de noviembre de 2022 y fue una puerta de entrada a la IA generativa para el público masivo. Ya estamos en el cuarto año desde su lanzamiento. Mientras seguimos aprendiendo a conversar con estas herramientas, empieza a cobrar fuerza otra forma de utilizarlas.
Podemos describir este cambio con una expresión sencilla: del prompt al proceso. El prompt es la instrucción que damos a la IA. Aprendimos a escribirlo mejor, agregar contexto y detalles, precisar el resultado y pedir correcciones. Ahora esa instrucción también puede poner en marcha una secuencia de acciones. La respuesta puede convertirse en el punto de partida de un trabajo que la herramienta ayuda a ejecutar.
Antes le pedíamos que redactara un correo y nosotros lo copiábamos para enviarlo. Le solicitábamos información sobre un trámite y luego abríamos la página para realizarlo. Nos ayudaba a preparar los datos de una inscripción, pero completar el formulario seguía siendo nuestra tarea. Entre la respuesta y el resultado había varios pasos que debíamos realizar.
Con una IA que tiene funciones de agente, parte de ese recorrido puede delegarse. Según las herramientas disponibles y los permisos concedidos, puede buscar información, navegar por una página, trabajar con archivos y completar campos. Para hacerlo, combina la interpretación del encargo con acciones sobre un entorno digital. La conversación sigue presente, pero ahora también permite orientar y supervisar la ejecución.
Hay, sin embargo, un detalle que debemos considerar. Las funciones agénticas más avanzadas suelen estar disponibles en versiones de pago de modelos como ChatGPT, Gemini o Claude. Por eso, antes de incorporarlas al trabajo, también debemos evaluar si el tiempo que permiten ahorrar justifica esa inversión.
En este video verán cómo encargo a un agente llenar un formulario en línea. La herramienta identifica los campos, coloca información y avanza por las opciones disponibles. Durante el recorrido solicita mi intervención en determinados momentos. La escena permite observar cómo una instrucción se convierte en un proceso y dónde aparece la participación del usuario.
El ejemplo parece sencillo, pero plantea una diferencia importante. Ya no necesitamos indicar cada movimiento para que la herramienta avance. Podemos definir el objetivo y permitir que resuelva parte del recorrido. Esto cambia lo que debemos aprender. Además de formular buenas preguntas, necesitamos saber encargar tareas, establecer límites y reconocer cuándo intervenir.
Los agentes también pueden revisar archivos en nuestra computadora, navegar por la web e incluso participar en la creación o edición de contenidos audiovisuales. Para obtener buenos resultados, sin embargo, debemos proporcionar los insumos necesarios: paleta de colores, gráficos, estilo, efectos, secuencias y otras indicaciones sobre el resultado esperado.
Agentes comerciales
En el mundo empresarial ya existen soluciones locales. Hace unos días conocí productos desarrollados por startups peruanas que incorporan inteligencia artificial en sus procesos. Maravia, de Carlos Arauco, y VUA Cosmetics, de Stefano Mory, fueron dos de los casos que llamaron mi atención.
Durante una conferencia organizada por UTEC Ventures, Arauco explicó que Maravia es un ERP que cuenta con seis agentes autónomos capaces de vender, cobrar, facturar, analizar y proyectar desde WhatsApp. Hizo una breve demostración ante los asistentes y señaló que el producto está orientado a las Mypes.
Mory explicó, por su parte, que su empresa emplea inteligencia artificial para obtener recomendaciones, a partir de un test en línea, sobre combinaciones de ingredientes según el tipo de cabello. La tecnología también les permite estimar cuánta materia prima necesitará el laboratorio semana a semana. De esta manera, la marca puede desarrollar fórmulas personalizadas y reducir la acumulación innecesaria de ingredientes y desperdicios en una producción bajo demanda.
Tanto Arauco como Mory advirtieron sobre la importancia de la supervisión humana y de la ética en el uso de estas tecnologías.
Estos casos muestran cómo la inteligencia artificial comienza a integrarse en procesos que antes dependían casi completamente de la intervención humana. En los sistemas agénticos aparece, además, otra característica: la capacidad de tomar decisiones operativas dentro de una tarea, como elegir una herramienta, identificar el siguiente paso o intentar otra ruta ante un obstáculo.
La misma lógica se aplica cuando somos nosotros quienes encargamos una tarea a un agente. Si le pedimos completar un formulario, preparar una respuesta o comparar alternativas, debemos definir hasta dónde puede avanzar por su cuenta y en qué momento debe detenerse para que intervengamos.
Por eso debemos precisar qué significa actuar con nuestra autorización. Podemos aprobar un encargo completo y fijar sus límites desde el inicio. No necesariamente habrá una consulta después de cada clic. Las confirmaciones adicionales dependerán de la herramienta, sus reglas y la acción que esté realizando. Si esperamos que siempre nos pregunte antes de cualquier movimiento, podríamos terminar supervisando menos de lo necesario.
La revisión tampoco puede limitarse al resultado final. Un formulario puede estar completo y contener información equivocada. Un archivo puede quedar ordenado y haber perdido un dato relevante. Supervisar exige comprobar qué hizo la herramienta, qué información utilizó y si respetó el encargo. Que una tarea termine no demuestra que esté bien realizada.
La presencia de los agentes también tiene consecuencias para la formación de periodistas, docentes, administrativos y otros profesionales. Enseñar IA requiere ahora enseñar a organizar procesos. Podemos identificar tareas repetitivas, decidir cuáles delegar y establecer puntos de revisión. El ahorro de tiempo debe evaluarse después de comprobar el resultado. Automatizar sin entender el trabajo puede trasladar los errores a una ejecución más rápida.
Del prompt al proceso significa ampliar nuestras habilidades. La instrucción inicia el trabajo, pero el criterio debe acompañarlo. Seguimos siendo responsables de lo que encargamos, de los límites que establecemos y de las consecuencias del resultado.
La IA asiste. El profesional decide. Cuando también ejecuta, aprender a delegar se vuelve parte de nuestra competencia profesional.
