Se suponía que 2025 sería el año del agente de IA, ¿verdad?

No del todo, reconocen Google Cloud y Replit, dos grandes actores en el espacio de agentes de IA y socios en el sector. "codificación de vibraciones" movimiento – en un evento flamante de VB Impact Series.

Incluso mientras ellos mismos desarrollan herramientas de agencia, los líderes de las dos compañías dicen que las capacidades aún no están disponibles.

Esta efectividad limitada se reduce a luchas con flujos de trabajo heredados, datos fragmentados y modelos de gobernanza inmaduros. Encima, las empresas básicamente no entienden que los agentes no son como otras tecnologías: requieren un replanteamiento y una reelaboración 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 durante el evento Amjad Masad, director ejecutor y fundador de Replit. “Se entusiasman, pero cuando empiezan a implementarlo, en efectividad no funciona muy adecuadamente”.

Agentes de construcción basados ​​en los propios errores de Replit

Masad señaló que la confiabilidad y la integración, más que la inteligencia en sí, son dos barreras principales para el éxito de los agentes de IA. Los agentes fallan con frecuencia cuando se ejecutan durante períodos prolongados, acumulan errores o carecen de llegada a datos limpios y adecuadamente 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. Sumado a eso, hay muchas cosas no escritas que hace la multitud y que son difíciles de codificar en agentes, dijo Masad.

“La idea de que las empresas simplemente van a activar agentes y que los agentes reemplazarán a los trabajadores o automatizarán el flujo de trabajo automáticamente, simplemente no es el caso hoy”, dijo. “Las herramientas no están ahí”.

Más allá de los agentes, están las herramientas de uso informático, que pueden apoderarse del espacio de trabajo de un sucesor para tareas básicas como la navegación web. Pero estos todavía están en su infancia y pueden tener errores, ser poco confiables e incluso peligrosos, a pesar de la exageración acelerada.

“El problema es que los modelos de uso de computadoras son verdaderamente malos en este momento”, dijo Masad. “Son caros, lentos, están progresando, pero sólo tienen en torno a de un año”.

Replit está aprendiendo de su propio error de principios de este año, cuando su codificador de IA borró toda la almohadilla de código de una empresa en una ejecución de prueba. Masad admitió: “Las herramientas no estaban lo suficientemente maduras”, y señaló que desde entonces la empresa ha ocasional el avance de la producción.

Señaló que técnicas como las pruebas en el circuito, la ejecución verificable y el aislamiento del avance son esenciales, aunque pueden consumir muchos capital. Replit incorporó capacidades in-the-loop en la lectura 3 de su agente, y Masad dijo que su agente de próxima coexistentes puede funcionar de forma autónoma durante 200 minutos; algunos lo han ejecutado durante 20 horas.

Aun así, reconoció que los usuarios han expresado su frustración por los retrasos. Cuando dan un “indicador musculoso”, es posible que tengan que esperar 20 minutos o más. Idealmente, han expresado que quieren participar en un ciclo más creativo en el que puedan ingresar numerosas indicaciones, trabajar en múltiples tareas a la vez y ajustar el diseño a medida que el agente está trabajando.

“La forma de resolver esto es el paralelismo, crear múltiples bucles de agentes y hacer que trabajen en estas características independientes mientras te permite hacer el trabajo creativo al mismo tiempo”, dijo.

Los agentes requieren un cambio cultural

Más allá de la perspectiva técnica, existe un obstáculo cultural: los agentes operan de forma probabilística, pero las empresas tradicionales están estructuradas en torno a procesos deterministas, señaló Mike Clark, director de avance de productos de Google Cloud. Esto crea un desajuste cultural y eficaz 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 solucionar lo que pueden hacer los agentes”.

Señaló que las empresas que lo hacen adecuadamente están siendo impulsadas por procesos ascendentes: creación de herramientas y software sin código y con poco código en las trincheras que se canalizan alrededor de agentes más grandes. Hasta el momento, las implementaciones que tienen éxito son limitadas, tienen un efecto cuidadoso y están fuertemente supervisadas.

“Si miro el 2025 y esta promesa de que será el año de los agentes, fue el año que mucha multitud pasó construyendo prototipos”, dijo Clark. “Ahora estamos en medio de esta etapa de gran escalera”.

¿Cómo se puede reforzar un mundo sin pastos?

Otra lucha es la seguridad de los agentes de IA, que asimismo requiere repensar los procesos tradicionales, señaló Clark.

Se han trazado perímetros de seguridad en torno a de todo, pero eso no funciona cuando los agentes necesitan poder lograr a muchos capital diferentes para tomar las mejores decisiones, dijo Clark.

“Verdaderamente está cambiando nuestros modelos de seguridad, cambiando nuestro nivel almohadilla”, dijo. “¿Qué significa minúsculo privilegio en un mundo indefenso y sin pastos?”

En última instancia, debe suceder un replanteamiento de la gobernanza por parte de toda la industria, y las empresas deben alinearse con un maniquí de amenazas en torno a los agentes.

Clark señaló la disparidad: “Si observa algunos de sus procesos de gobernanza, se sorprenderá mucho de que el origen de esos procesos fuera alguno 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”.