NewzEl problema central de los agentes de inteligencia artificial dejó de ser su creación y pasó a ser su sostenimiento en el tiempo, afirmó Marcio Aguiar, director de la división Enterprise de NVIDIA para América Latina, en un comunicado difundido por la compañía. Según el ejecutivo, construir un agente capaz de ejecutar tareas específicas se volvió relativamente sencillo, pero mantenerlo funcionando todos los días, dentro de un presupuesto sostenible y con reglas claras sobre lo que puede o no hacer, es el verdadero obstáculo que enfrentan 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. Su desarrollo atrajo fuertes inversiones durante el último año y multiplicó los anuncios corporativos, pero la brecha entre lo que las empresas muestran en sus demostraciones y lo que logran sostener en funcionamiento real se convirtió en uno de los debates centrales del sector tecnológico.“Lo que vemos hoy es que muchas empresas ya 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”, sostuvo Aguiar en el comunicado.
El directivo describió una distancia concreta entre el momento de la presentación de un proyecto y su funcionamiento sostenido: “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. El primero es subestimar el consumo de recursos computacionales que exigen estos sistemas una vez que pasan de un entorno de prueba a un uso masivo. El segundo es tratar la seguridad y la gobernanza como una etapa posterior al lanzamiento, en lugar de incorporarlas desde el diseño inicial.
El tercero es escalar los proyectos sin tener claro el retorno de inversión esperado. La combinación de estos factores deriva, según el ejecutivo, en presupuestos …
Summary from source