Tu Agente de IA Sabe Todo — y No Entiende Nada

“Deberíamos unirnos a mis padres en su viaje a Irlanda” — esta aparentemente inofensiva declaración me envió escalofríos por la espalda.

Mi esposa y yo viajamos extensivamente. Sabemos lo que nos gusta. Los padres de mi esposa, por otro lado, rara vez viajan más allá de unos pocos cientos de millas desde su hogar y han salido del país juntos un total de una vez — para nuestra boda.

Para colmo, este viaje fue un regalo de Navidad de mi suegro a mi suegra para que ella pudiera ir y visitar a su familia, quizás por última vez.

Podía ver este viaje desplegándose en una sola palabra: desastre. ¿Cómo en el mundo podríamos sintetizar experiencias y expectativas tan diferentes para que pudiéramos tener un viaje increíble — o al menos no odiarnos al final de ello?

Como cualquier tecnólogo que se respete, recurrió a la tecnología — específicamente a la IA.

Pero lo que no esperaba es que mi pequeño experimento en codificar la vibra de una aplicación de planificación de viajes para familias con IA me enseñaría casi todo lo que necesito saber sobre la aplicación de IA dentro de la TI empresarial.

Cuanto Más Alimentas a la IA, Más Tonta Se Vuelve

La mayoría de las implementaciones de IA empresariales siguen un patrón predecible. Las organizaciones comienzan dándole a un agente un conjunto de instrucciones y conectándolo a una fuente de información, ya sea que sea un marco RAG (Generación mejorada por recuperación), una base de conocimientos existente o incluso un servidor MCP. A continuación, se agrega una capa de LLM y se le permite que haga su trabajo.

El problema es que las LLM en su núcleo son tontas. No saben cómo priorizar toda la información que tienen a su disposición, por lo que tienden a tratar cada pieza de contexto de manera igual. Un ser humano debe agregar una capa de curación, enseñando al modelo qué es importante y qué no. Sin curación, obtienes una IA que sabe todo y no entiende nada.

Los Tres Tipos de Memoria que Importan

La curación efectiva de IA empresarial significa hacer el mejor uso de tres tipos específicos de memoria.

El primero es la memoria institucional, que puede parecer bastante básica al principio. Cuando alguien dice “servicios financieros”, el agente sabe que se refiere a la división de Servicios Financieros de la empresa y no a toda la industria. Eso se convierte en conocimiento organizacional persistente lleno de definiciones, preferencias y convenciones que no cambian con frecuencia. A medida que se extiende en conocimiento institucional sobre prioridades estratégicas, iniciativas clave y dinámicas organizacionales, se convierte en una rica fuente de contexto institucional.

A continuación, está la historia de acción, que se centra en decisiones, tareas y eventos significativos. Cuando se presenta un ticket de servicio o se despliega un sistema, el agente reconoce esa acción en particular y la registra en la historia de acción. Eso se convierte en el registro histórico que une el contexto organizacional.

Finalmente, está el contexto conversacional a corto plazo. Piensa en él como la interacción momento a momento con un agente. Es útil en el momento, pero tiende a perder relevancia rápidamente.

Tomados en conjunto, estos tres tipos de memoria crean el sistema de ponderación que a los modelos de IA genéricos les falta. Ahora, cuando alguien le dice algo al agente sobre los negocios, están clasificando y priorizando toda esa memoria y curando la información que es importante. Eso forma el núcleo de lo que la IA debe entregar: no solo datos de dominio, sino también juicio de dominio.

Qué Parece la Memoria Curada a Gran Escala

Pero basta con el marco, ¿cómo se ve esto en la práctica? Aquí está lo que hemos descubierto al construir estos agentes nosotros mismos.

Un escenario común de TI es enviar un ticket de problemas a un agente de help desk. Digamos que Outlook no funciona, así que escribes una descripción del problema y esperas a que el agente lo revise y sugiera una solución.

Pero con la memoria curada trabajando a tu favor, un proceso mejor podría involucrar tomar una captura de pantalla que muestre el error de Outlook y subirla al agente. Ahora el agente (1) se basa en la memoria institucional para entender tu entorno de trabajo; (2) verifica la historia de acción para incidentes relacionados; y (3) aplica un juicio contextual para una solución específica, no solo una respuesta genérica.

El resultado es un agente inteligente que no tiene que adivinar la respuesta basándose en una captura de pantalla. Ahora está interrogando, mirando toda la información que se ejecuta actualmente y entregando una respuesta más útil. El agente incluso podría expandirse a un efecto de red o enjambre, mirando a otros usuarios en el sistema para ver si el problema de Outlook es solo tuyo o un problema empresarial.

La contextualización de la historia o la memoria es el factor que marca la diferencia. Si no curas efectivamente tu memoria, te quedarás atrás de aquellos que lo hacen. Es esencial tener una arquitectura que sepa cómo gestionar esos datos con el tiempo y entender qué mantener, qué mostrar y qué dejar ir.

De Regreso al Viaje

Así que, ¿cómo cambió mi visión de la IA en la TI empresarial con mi planificador de viajes con IA?

Lo que construí fue una aplicación que actuaba como nuestro mayordomo personal de viaje y comenzó “entrevistando” a cada participante. Todos explicamos qué nos importaba en el viaje: qué era una obligación y qué podíamos saltar. Más importante aún, nos preguntó sobre nuestro “por qué” — por qué algo era importante para nosotros, qué significaba para nosotros.

Usando esta información, hizo dos cosas. Primero, curó un plan de viaje que estaba equilibrado para entregar algo para todos — todos podríamos ver nuestros deseos y preferencias representados en el plan que produjo.

Pero, por supuesto, ese primer itinerario era solo un borrador. Todavía había muchas preguntas que responder.

Y ahí es cuando sucedió la verdadera magia. Le preguntamos al agente sobre un hotel o una atracción o un viaje, y las respuestas que nos dio estaban enriquecidas con el contexto de nuestra situación única: “Sería un largo viaje para los niños, pero a mi suegro le encantaría el castillo (y la casa de café única de al lado) — y esto podría ser justo el lugar para que mi esposa obtenga ese masaje”.

Lleno de esta rica comprensión de lo que era importante para nosotros, pudo ayudarnos a planificar y refinar nuestro viaje de una manera que no creo que hubiera sido posible de ninguna otra manera.

Y fue en uno de esos primeros momentos que entendí qué necesitábamos construir para nuestros clientes empresariales: sistemas inteligentes que estuvieran tan cargados de contexto organizacional, transaccional y personal que cada respuesta y cada interacción serían como una huella dactilar: completamente únicos para ese momento y la interacción que entregarían un tipo de valor que simplemente no podría suceder de ninguna otra manera.