NVIDIA advierte que la mayoría de los agentes de inteligencia artificial fracasa al pasar de la prueba a la producción
El problema central de los agentes de inteligencia artificial ha evolucionado desde su creación hasta su sostenimiento en el tiempo, según Marcio Aguiar, director de la división Enterprise de NVIDIA para América Latina. En un comunicado difundido por la compañía, Aguiar destacó que construir un agente capaz de ejecutar tareas específicas se ha vuelto relativamente sencillo. Sin embargo, mantenerlo funcionando diariamente, dentro de un presupuesto sostenible y con reglas claras, es el verdadero desafío para las empresas.
Los agentes de inteligencia artificial son sistemas que, a diferencia de los modelos que solo responden preguntas o generan texto e imágenes, ejecutan tareas de forma autónoma, acceden a documentos y toman decisiones limitadas dentro de reglas y permisos definidos. Este desarrollo ha atraído fuertes inversiones durante el último año y ha multiplicado los anuncios corporativos. No obstante, la brecha entre lo que las empresas muestran en sus demostraciones y lo que logran sostener en funcionamiento real se ha convertido en uno de los debates centrales del sector tecnológico.
Aguiar explicó que muchas empresas han pasado de la fase de experimentación a la implementación de la inteligencia artificial, pero convertir esos proyectos en operaciones consistentes sigue siendo un reto. Según el directivo, «una demostración convence a la junta directiva en veinte minutos, pero lo que realmente define el éxito del proyecto es lo que ocurre en los seis meses siguientes, cuando el agente debe funcionar todos los días, dentro de un costo que la empresa pueda sostener y con reglas claras sobre lo que puede o no puede hacer».
El diagnóstico de NVIDIA identifica tres errores recurrentes en las empresas que intentan escalar sus proyectos de agentes autónomos: subestimar el consumo de recursos computacionales, tratar la seguridad y la gobernanza como una etapa posterior al lanzamiento, y escalar los proyectos sin tener claro el retorno de inversión esperado. Estos factores pueden derivar en presupuestos excedidos, agentes desactivados tras incidentes de seguridad y proyectos piloto que permanecen indefinidamente en fase de experimentación sin llegar a producción.
Detrás de este diagnóstico hay un cambio en la naturaleza técnica de los propios agentes. La mayoría de los sistemas que operan hoy se activan mediante un comando puntual. En contraste, los agentes autónomos de larga duración funcionan de manera continua en segundo plano, revisando regularmente sus listas de tareas y ejecutando acciones dentro de sus permisos. Este modo de funcionamiento implica un acceso más amplio y constante a datos internos, lo que eleva las exigencias de seguridad.
Aguiar situó esta discusión en el centro de la conversación que dominará al sector en los próximos meses. «La pregunta que se hará el mercado de ahora en adelante no es quién tiene un agente, sino quién logra mantenerlo operando de manera segura y generando resultados», afirmó. Las compañías que traten la infraestructura de soporte como un componente estratégico estarán mejor posicionadas para escalar sus proyectos de inteligencia artificial.
El ejecutivo concluyó que la diferencia entre las empresas en los próximos dos años no estará determinada por el acceso a los modelos de inteligencia artificial, cada vez más equiparado entre competidores, sino por la capacidad de convertirlos en operaciones confiables bajo las reglas específicas de cada negocio. Esa capacidad de sostener en el tiempo lo que hoy funciona en una demostración será, según NVIDIA, el factor que determine qué empresas logren capturar el valor prometido por la inteligencia artificial agéntica y cuáles quedarán atrapadas en una fase de experimentación permanente.
Regístrate para leer esta noticia
Solo necesitas tu email. Sin contraseñas.