#DATOS

Después de casi una década construyendo “sistemas inteligentes” (con Machine Learning y Deep Learning), puedo afirmar con certeza que 2025 marcó un antes y un después en nuestra industria. Los modelos que emergieron en la segunda mitad de 2024 finalmente dotaron a los agentes (concepto antiguo, pero ahora mainstream) de las habilidades de planeamiento que tanto necesitábamos. Era la pieza del rompecabezas que faltaba, y ahora la tenemos.

Durante años, los sistemas de IA podían procesar información y generar respuestas, pero carecían de la capacidad de estructurar planes complejos y ejecutarlos de manera coherente. Los nuevos agentes razonadores no solo entienden el contexto, sino que pueden diseñar estrategias, anticipar obstáculos y ajustar sus enfoques sobre la marcha. Para quienes gestionamos productos digitales, esto representa un salto cualitativo enorme.

Sin embargo, es crucial entender sus limitaciones. Por su naturaleza probabilística, estos agentes no deben utilizarse para tareas de alta precisión y alto riesgo. Por ejemplo, no es aconsejable su uso para realizar cálculos financieros críticos o tomar decisiones médicas. En cambio, pueden ser muy efectivos para acelerar la creación de prototipos, analizar feedback de usuarios o estructurar requerimientos de producto.

La desconfianza que algunos equipos expresan hacia estos sistemas es, en parte, comprensible, pero también producto de expectativas incorrectas. Cuando intentamos usar un agente razonador como si fuera una calculadora perfecta, inevitablemente nos decepcionamos. Pero cuando los empleamos como asistentes inteligentes que pueden procesar grandes volúmenes de información y proponer enfoques creativos, su valor se vuelve evidente.

A pesar de estos avances significativos, la implementación en las organizaciones se mantiene relativamente estable. Este dato me llama especialmente la atención, y creo que puede deberse a que el mercado aún está descubriendo para qué usos específicos pueden aplicarse estos agentes. Es un proceso natural: primero viene la tecnología, luego la comprensión de sus aplicaciones prácticas.

Desde mi experiencia, los equipos que logran mayor éxito son aquellos que experimentan de manera iterativa, identificando casos de uso específicos donde estos agentes pueden agregar valor real. No se trata de reemplazar procesos completos de un día para el otro, sino de encontrar esos puntos de fricción donde un agente razonador puede marcar la diferencia. El futuro ya está aquí; solo necesitamos tiempo para descubrir todo su potencial.

#ESCRIBINOS

¿Para qué usos específicos podrían utilizarse los agentes razonadores en tu organización?

¿Qué beneficios aportarían?

¿Qué condiciones deberían darse para integrarlos de forma estratégica?

Te invitamos a compartir tus aportes y ser parte de la conversación en nuestras redes sociales.

https://www.linkedin.com/company/itba-innovacion/mycompany/verification/

¿Qué temas te gustaría que aborden las próximas ediciones del EI news? 

Tus propuestas son valoradas.

escuelainnovacion@itba.edu.ar

También te puede interesar