Tu Agente de Inteligencia Artificial 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.

Pude ver cómo se desarrollaba este viaje 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 mutuamente al final de ello?

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

Pero lo que no esperaba es que mi pequeño experimento en codificar un aplicativo de planificación de viajes para familias con inteligencia artificial me enseñaría casi todo lo que necesito saber sobre la aplicación de la inteligencia artificial dentro de la tecnología de la información empresarial.

Cuanto Más Alimento a la Inteligencia Artificial, Más Tonta Se Vuelve

La mayoría de las implementaciones de inteligencia artificial empresarial siguen un patrón predecible. Las organizaciones comienzan dándole a un agente un conjunto de instrucciones y conectándolo a una fuente de información, ya sea un marco de Generación de Recuperación de Información (RAG), una base de conocimientos existente o incluso un servidor MCP. A continuación, se agrega una capa de modelo de lenguaje grande (LLM) y se le permite que haga su trabajo.

El problema es que los LLM en su núcleo son tontos. 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 tiene que agregar una capa de curación, enseñando al modelo qué es importante y qué no. Sin curación, se obtiene una inteligencia artificial que sabe todo y no entiende nada.

Los Tres Tipos de Memoria que Importan

La curación efectiva de la inteligencia artificial 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. Esto se convierte en conocimiento organizacional persistente lleno de definiciones, preferencias y convenciones que no cambian con frecuencia. A medida que se extiende a 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 acciones, 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 específica y la registra en la historia de acciones. Esto se convierte en el registro histórico que une el contexto organizacional.

Finalmente, está el contexto conversacional a corto plazo. Piense en ello 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 los modelos de inteligencia artificial genéricos no tienen. Ahora, cuando alguien le dice al agente algo sobre el negocio, está clasificando y priorizando toda esa memoria y curando la información que es importante. Esto forma el núcleo de lo que la inteligencia artificial debe entregar: no solo datos de dominio, sino también juicio de dominio.

Qué Aspecto Tiene la Memoria Curada a Gran Escala

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

Un escenario común en TI es enviar un ticket de problemas a un agente de soporte. Digamos que su Outlook no funciona, así que escribe una descripción del problema y espera a que el agente lo revise y sugiera una solución.

Pero con la memoria curada a nuestro 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 comprender su entorno de trabajo; (2) verifica la historia de acciones 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 suyo o un problema empresarial.

La contextualización de la historia o la memoria es el factor diferenciador. Si no cura efectivamente su memoria, se quedará atrás de aquellos que lo hacen. Es esencial tener una arquitectura que sepa cómo gestionar esos datos con el tiempo y comprender qué mantener, qué mostrar y qué dejar ir.

De Regreso al Viaje

Así que, ¿cómo cambió mi planificador de viajes con inteligencia artificial mi visión de la inteligencia artificial en la tecnología de la información empresarial?

Lo que construí fue una aplicación que actuaba como nuestra concierge personal de viajes y comenzó “entrevistando” a cada participante. Todos explicamos qué nos importaba en el viaje: qué era una obligación y qué podíamos saltarnos. 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 podíamos 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 por responder.

Y fue entonces 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 este 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 únicas para ese momento y esa interacción, y que entregarían un tipo de valor que simplemente no podría ocurrir de ninguna otra manera.