ANDICOM y CEO 360: ¿estamos empezando la IA por el lugar equivocado?

En pocos días estuve en ANDICOM y en el Innovation Summit CEO 360. Son dos escenarios distintos, con públicos diferentes y maneras también diferentes de hablar de tecnología. Sin embargo, salí de ambos con una inquietud que terminó siendo más importante para mí que cualquiera de las demostraciones de inteligencia artificial que vi: ¿estamos empezando por la parte correcta?

En ANDICOM encontré dos aproximaciones que, en mi concepto, vale la pena contrastar. Por una parte, José Manuel Restrepo planteó una visión de país que comenzaba desde la base. Habló de energía, de generación eólica y solar en el Caribe, de la posibilidad de abrir espacio regulatorio a la energía nuclear, de conectividad, talento, capacidad de cómputo e infraestructura digital. La idea de fondo era clara: si Colombia quiere crecer como industria tecnológica, primero necesita construir las condiciones que permitan hacerlo.

Ese planteamiento me pareció particularmente relevante porque muchas veces hablamos de inteligencia artificial como si todo comenzara en el modelo o en la aplicación. No es así. Detrás de una solución de IA existen energía, conectividad, datos, infraestructura, talento y capacidad operativa. La frase “no hay desarrollo en inteligencia artificial sin energía”, recogida durante ANDICOM, resume bien esa lógica.

Pero en el mismo evento también vi la otra cara. Empresas mostrando agentes y soluciones prediseñadas que podían aplicarse a diferentes sectores, con demostraciones técnicamente interesantes y una capacidad que hace algunos años habría parecido difícil de imaginar.

Y ahí apareció mi primera duda.

Una solución puede funcionar muy bien y aun así no resolver el problema de una organización.

Esto me preocupa especialmente cuando pienso en entidades públicas. En mi experiencia, muchas veces el problema no está en que falte una herramienta. El problema está antes: no se conoce suficientemente el negocio, no está claramente identificado el pain, el proceso tiene problemas que no han sido entendidos a profundidad o ni siquiera se ha formulado con claridad la pregunta que se quiere responder.

Si empezamos por una solución prediseñada, existe el riesgo de terminar buscando dónde usarla. Es decir, adaptar el problema a la tecnología, cuando debería ocurrir lo contrario.

No considero que eso haga inútiles las soluciones prediseñadas. Por otra parte, pueden reducir tiempos, costos de desarrollo y acelerar mucho una implementación cuando el caso de uso está claro. El problema aparece cuando la existencia del producto reemplaza el trabajo previo de entender la necesidad.

Una cosa es demostrar que un agente puede hacer algo.

Otra bastante diferente es demostrar que eso era lo que la organización necesitaba hacer.

Días después, en el Innovation Summit CEO 360, la conversación me permitió ver la IA desde otro lugar. Allí se habló de sectores donde ya existen casos de uso concretos y donde el agente aparece dentro de un proceso que conocemos mejor.

En justicia, por ejemplo, vi una demostración en la que un agente ayudaba a revisar una demanda, resumía sus puntos principales, apoyaba la redacción y finalmente verificaba si la respuesta había atendido lo planteado. Independientemente de los controles jurídicos y humanos que necesariamente deben mantenerse, el caso me pareció interesante por una razón: el problema existe antes que el agente.

Hay un proceso definido, documentos que deben revisarse, información relevante que debe identificarse, una respuesta que debe construirse y un resultado que posteriormente puede evaluarse. La IA entra a intervenir sobre un trabajo conocido.

En banca apareció una discusión distinta, pero con la misma lógica. Se habló de agentes capaces de avanzar desde la recomendación hasta la compra de productos en nombre del usuario, con reglas previamente definidas. En ese escenario ya no es suficiente preguntarnos si el agente puede encontrar el producto correcto. Tenemos que saber quién lo autorizó, cómo se identifica, qué límites tiene y cómo se valida a quienes participan en la transacción.

Esto no es solamente una posibilidad futura. Mastercard ya viene desarrollando infraestructura para comercio agéntico y Visa, Mastercard y Ant International anunciaron esta semana una iniciativa conjunta para establecer mecanismos de identificación y verificación de agentes capaces de comprar por las personas. Es una señal importante: cuando un agente pasa de responder a actuar, el problema deja de ser únicamente la inteligencia del modelo. Aparecen identidad, confianza, autorización, seguridad, trazabilidad y reglas de negocio.

Después de escuchar ambas conversaciones llegué a una conclusión que, en mi concepto, debemos cuidar especialmente en esta etapa de adopción de IA.

Estamos avanzando muy rápido en la capacidad de construir y comprar agentes. Sin embargo, una organización no debería empezar preguntando qué agente puede implementar. Debería empezar entendiendo qué problema necesita resolver.

Puede parecer una diferencia pequeña, pero cambia completamente el proyecto.

Si partimos del agente, la conversación comienza por funcionalidades. Qué puede resumir, qué puede buscar, qué puede automatizar, con qué aplicaciones se integra y qué modelo utiliza.

Si partimos del problema, las preguntas son otras. Qué está fallando, quién conoce realmente el proceso, dónde se pierde tiempo, dónde existe un costo que no agrega valor, qué decisión se quiere mejorar, qué información está disponible y cómo vamos a saber si la intervención funcionó.

Solamente después aparece la pregunta tecnológica.

Y aquí considero que las dos visiones que encontré en los eventos terminan conectándose.

Desde ANDICOM aparece una cadena de capacidades que comienza con energía, conectividad, talento e infraestructura y termina habilitando servicios tecnológicos. Desde los casos empresariales del CEO 360 aparece otra cadena que comienza en el negocio, en el proceso y en una necesidad concreta, y después llega a los datos, los controles y la tecnología que puede resolverla.

La implementación real ocurre cuando ambas se encuentran.

No basta con tener el problema bien identificado si la organización no tiene datos, infraestructura, seguridad o capacidades para sostener la solución. Pero tampoco basta con tener modelos, agentes e infraestructura si no sabemos para qué los estamos utilizando.

Eso implica que la arquitectura vuelve a tener un papel importante. No como un ejercicio para dibujar componentes, sino como el punto donde se conectan las necesidades del negocio con las capacidades tecnológicas disponibles.

En el sector público esto puede ser todavía más importante. Una entidad no debería implementar IA solamente porque existe presupuesto, porque un proveedor tiene una demostración convincente o porque otra organización ya la utiliza. Sus procesos, restricciones, datos, ciudadanos y responsabilidades pueden ser completamente diferentes.

Antes de hablar del agente, considero que hay que entender el proceso. Antes de automatizar, conocer el pain. Antes de escoger una plataforma, formular la pregunta. Y antes de pensar en escalar, revisar si realmente existen los datos, la infraestructura y las capacidades para mantener la solución funcionando.

Tampoco considero que la respuesta sea desarrollar todo desde cero. Eso sería desconocer la velocidad con la que están madurando las plataformas y el valor que puede tener reutilizar tecnología existente.

El criterio debería estar en otro lugar.

Una solución prediseñada tiene sentido cuando responde a una necesidad que ya conocemos. Lo que no debería hacer es sustituir el análisis que nos permite descubrir esa necesidad.

Después de ANDICOM y CEO 360 no me quedó la sensación de que Colombia tenga un problema de falta de tecnología. Todo lo contrario. Hay más modelos, agentes, plataformas, proveedores y casos de uso que hace apenas un año.

La pregunta es si estamos desarrollando con la misma velocidad la capacidad para decidir dónde realmente tienen sentido.

Porque una demostración puede ser impresionante. Un agente puede ejecutar correctamente una tarea. Una plataforma puede incorporar la última tecnología disponible.

Y aun así podemos estar resolviendo el problema equivocado.

Por eso considero que la discusión sobre inteligencia artificial en las organizaciones debería empezar con una pregunta menos llamativa que “¿qué podemos hacer con IA?”, pero probablemente mucho más importante:

¿Qué problema tenemos que justifique utilizarla?

Después podremos hablar del agente.

Publicación original: LinkedIn, Edwin Guerrero Burbano.