Ep. 3: ¿Es posible crear un coworker agéntico? Verdades y Mitos

Bueno, bienvenidos una semana más a nuestro podcast, vídeo podcast también.

También estamos en YouTube, estamos en Spotify, Apple Podcast, Amazon Music, eh humanidad aumentada. Aquí estamos David

humanidad aumentada. Aquí estamos David Nogueras eh con nosotros conectado también y yo mismo, Antonio Medina. E

este es nuestro tercer episodio. Vamos a

hablar en este caso, ya hemos hecho un pequeño repaso de, bueno, cómo es la situación general de la IA. Eh, en el episodio pasado también comentamos sobre gobernanza, seguridad, eh, y demás, ¿no?

Y también regulación. Y hoy queríamos focalizarnos un poco más ya en casos prácticos, en en ver si de verdad ya es posible tener un coworker agéntico, qué es verdad, qué no es verdad, qué es un

mito, que es una realidad, hasta dónde se puede llegar. y también qué consecuencias tiene, porque esto no es una barra libre. Así que nada, bueno, bienvenidos. Eh, te doy también el

bienvenidos. Eh, te doy también el saludo a ti, eh, David, ¿cómo estás?

Hola, Antonio. Pues nada, un gusto estar aquí para hablar otra vez de estos temas tan interesantes y nada, para ver si si aportamos un poquito más de de conocimiento a esta ola de la inteligencia artificial.

Ese siempre es el objetivo. Bueno,

venga, pues vamos a empezar. Yo creo que la primera pregunta para romper el hielo podría ser, eh, David, no sé qué qué te parece. Mm. ¿Tú crees que hay un hype

parece. Mm. ¿Tú crees que hay un hype con esto de la creación de agentes? Todo

el mundo está creando agentes, de verdad saben lo que están creando. Esto es una moda, se va a quedar, se va a estabilizar.

Y luego a lo mejor es parecido a lo que pasó un poco con el iPhone cuando salió y empezaron a salir las apps, que había una app para cada cosa y era era un terremoto eso y luego ya también al final pues todos nos hemos quedado con unas pocas apps, ¿no?,

determinadas para lo que necesitamos en el día a día. ¿Cómo lo ves tú?

Pues mira, yo sinceramente sí que creo que hay una burbuja. Eh, todas las empresas están como locas, tenemos que hacer algo en inteligencia artificial y en agentes y y no se sabe muy bien hacia

eh exactamente qué es lo que quieren conseguir. Eh, de hecho, justo yo

conseguir. Eh, de hecho, justo yo estaba, fíjate, mirando un poco, preparando el capítulo algunas estadísticas y todavía hay un porcentaje muy bajo, pero muy bajo. Te estoy

hablando del 2 4% dependiendo de la fuente de que tienen agentes realmente desplegados en producción, pero una gente que que pueda tomar decisiones y que tenga capacidad, ¿no? que te mandas

algo y te da una respuesta automática.

Eh, sin embargo, el crecimiento del presupuesto va a ser todavía de un 30 40% este año. Entonces, se va a seguir seguir invirtiendo mucho, pero yo creo que seguimos todavía en este purgatorio de los pilotos donde hay un montón de

empresas que hacen un montón de cosas y luego se quedan ahí en preproducción. Yo

creo que la comparación esta que haces con el iPhone es válida. Eh, pero el iPhone, yo creo que al final sí que sub fue capaz, por lo menos Apple, fue capaz de de encontrar un modelo de negocio sostenible. Es decir, la parte de

sostenible. Es decir, la parte de servicios dentro de Apple ha representa un volumen importante de negocio. Y aquí

en la parte de agentes creo que va a sustituir a las apps o va a haber va a impactar grandemente las apps, pero no tengo claro todavía cuál es el modelo de negocio y si va a ser sostenible.

Entonces, eso es un poco lo los pensamientos e alineados con la pregunta de de la burbuja.

El otro día, relacionado con esto, el otro día leí una noticia de BCG e eh uno de sus estudios, ¿no? Eh en el que bueno, ya sabes que suelen ir clasificando en qué estado de madurez están las empresas con las adopción de

nuevas tecnologías y demás, muy muy estilo Garner también. Y estaban

comentando que, bueno, la gran mayoría de las empresas está en una fase de eh experimentar y pilotar, ¿no? Una fase de piloto, eh pero de escalado corporativo, muy muy poquita gente, ¿no? Entonces,

estamos en esa, yo creo que todo el mundo, la gran mayoría está en esa fase de de pequeños pilotos, de pequeñas pruebas, como dices tú, va a crear un cementerio, un purgatorio de de agentes,

sin duda. E pero bueno, ese es es el

sin duda. E pero bueno, ese es es el camino, ¿no? Entonces, esto ya sabemos

camino, ¿no? Entonces, esto ya sabemos cómo es la ola, ¿no? hasta que se estabilice vamos a tener ese esa primera fase de de hype inicial.

Pero bueno, tú ya has contado que has avanzado y has trabajado con el desarrollo de agentes y en tu experiencia, ¿qué es lo que necesita realmente un coworker agéntico para trabajar? ¿Qué necesita para funcionar?

trabajar? ¿Qué necesita para funcionar?

A ver, yo tal vez la primera pregunta sea, ¿de verdad ya es posible tener un coworker agéntico? ¿no? Y aquí podemos,

coworker agéntico? ¿no? Y aquí podemos, tú y yo divagar bastante y filosofar bastante eh hasta qué punto realmente es un coworker, ¿no? Eh, en teoría, a lo

mejor empezando por la teoría, ¿no? E en

teoría, ¿es posible entrenar a una agente y hacerle un onboarding, eh, igual que haces un onboarding a cualquier otra persona de una empresa, ¿no? Una persona, un ser humano, eh, es

¿no? Una persona, un ser humano, eh, es totalmente factible hacerle un onboarding a una gente, darle unas instrucciones, ¿no? prepararlo para

instrucciones, ¿no? prepararlo para realizar una tarea específica y especializada totalmente posible hoy en día. Ahora, los resultados son ya los

día. Ahora, los resultados son ya los resultados que esperamos. Pues h para eso ya sí que estamos todavía en una fase en la que bueno, eh yo creo que

poco a poco estamos llegando ahí porque repasando un poco cuál es la estructura de un agente, ¿no? Si lo piensas, aparte del modelo que tienes que elegir, ¿no?

Eh eh luego hay cosas como, por ejemplo, pues las instrucciones que le das, luego está el tema de de construir un rack, ¿no? un rack un poco para el que no sepa

¿no? un rack un poco para el que no sepa lo que es, es un es una especie de de knowledge base, ¿no? Eh, en el que tú tienes una base de datos, una serie de documentos que pueden ser las políticas

internas de la empresa. Eh, y luego eh además de definir un poco todas esas instrucciones, qué tipo de memoria tiene que tener a corto plazo o a largo plazo, si tiene que acordarse a las conversaciones o no,

y los temas de la seguridad, está última, lo que ha salido últimamente, que es, yo creo, el potencial, y vamos a comentar sobre ello, ¿verdad, David? es

el tema de de los conectores y las y las herramientas, ¿no? que esto ya abre un

herramientas, ¿no? que esto ya abre un mundo entero de posibilidades para poder crear de verdad agentes que se puedan considerar coworkers nuestros, o sea, que sean capaces de entrar en

sistemas corporativos, en el RP, el CRM, que sea capaz de entrar en en el Teams, eh que sea capaz de entrar en en la Switch de Microsoft y realizar tareas en nuestro escritorio, incluso las

aplicaciones de nuestro escritorio o en o en páginas web. Todo esto ya está siendo posible.

es completamente posible ya crear a agentes que se conecten a ciertas cosas con mejores y peores resultados. Eso es

verdad, a través de los lo que se llama MCPs, multicontext Protocol, sobre todo, que dan una variabilidad bastante bastante alta en función de cuál estemos hablando, pero bueno, estamos llegando ahí, ¿no?

No sé qué experiencia y que y cómo lo ves tú también aquí. Yo, fíjate, yo veo muchas noticias que que la verdad es interesante siempre rascar de de la superficie del titular y ver qué qué hay

por debajo, porque yo esta semana he visto dos noticias que que a mí una me ha sorprendido positivamente y una un poco menos positivamente. Yo vi una noticia, por ejemplo, de una empresa que

se llama Jen Ai Spark, que dicen, "Ya tenemos un trabajador al que eh te puede sacar un montón de trabajo y empiezas a ver el anuncio realmente lo que hace y siempre pones los mismos ejemplos. Es

estás cubierto con emails, estás cubierto con mensaje de L de Slack, vas a tener aquí un asistente trabajando para ti." Entonces eso no es un

para ti." Entonces eso no es un coworker, eso es un asistente personal que está buenísimo, ¿sabes? También

pobrecillos esta gente que tiene 300 mensajes del lag. La verdad a lo mejor es que no tiene bien dimensionado el equipo o la tarea, pero bueno, si necesitas por una gente que que responda

cosas básicas por ti, pues a lo mejor no es eh la mejor forma de de trabajar, pero bueno.

Y luego ser responsables también, que también lo hablaremos, ¿verdad? ser

responsables con el uso de tokens y la eficiencia y la factura que eso genera para para hacer un poco responder correos básicos, tío. Pues no sé,

¿no? Claro, es que eh bueno, es gestión

¿no? Claro, es que eh bueno, es gestión de correo, es cosa de de cómo gestiona su tiempo y cómo gestiona la comunicación, ¿sabes? Es como esta gente

comunicación, ¿sabes? Es como esta gente que está en reuniones todo el día, pues si no va a hacer una reunión y no tienes que hablar, pues no vayas, ¿sabes?

Entonces son cosas como muy básicas que no necesitas tener una gente que a lo mejor ponga tu cara en una reunión para asistir a una reunión. Entonces, pero

bueno, que a lo que voy es es esto de de estas empresas, pero sí visto un caso que me ha gustado esta semana que es de Service Now que han creado como un

sistema de agentes para para las típicas peticiones de de gestión de tecnología, ¿sabes? Para los tickets famosos de

¿sabes? Para los tickets famosos de recibo clasifico priorizo resuelvo pruebo, pongo en producción. Eh,

entonces a mí me parece un caso interesante, ¿sabes? Porque ahí

interesante, ¿sabes? Porque ahí realmente sí que creo que hay un un potencial. Entonces, Service Now ha

potencial. Entonces, Service Now ha hecho una una publicación de nuevo que puede manejar no sé cuántos eh casos, pero de nuevo siempre empiezan a medirlo en en el impacto en cuanto a los

trabajadores. Yo creo que puede haber

trabajadores. Yo creo que puede haber más un impacto en eficiencia, ¿sabes? Yo

puedo manejar más, pero va a haber un desplazamiento de los trabajadores que antes gestionaban tickets a al prompting, a las instrucciones, a la evolución, evaluación de que los resultados sean correctos. Pero sí que me parece un caso más concreto y

realmente creo que Service Now ha hecho algo más tangible y los de JNI Spark que son de nuevo un asistente personal para que te maneje el correo, los WhatsApps y el Slack y todo esto. Entonces yo creo

que que veo como casos como muy muy divergentes en cuanto a la madrez.

Sí. Bueno, ahí entramos también un poco lo que me a mí me parece que estás diciendo es, ¿no? También el el tema de eh estos agentes nos pueden ayudar a

gestionar un montón de actividades y tareas de bajo valor añadido de alguna manera para centrarnos un poco más en el análisis, la evaluación, ¿no? Eh, ese

tipo de cosas. Desde luego se la primera fase, aunque ellos también podrían llegar a hacer ese análisis y esa evaluación incluso tan bien como nosotros y y más rápido, pero parece ser que sí que eh como suele ser natural

empezamos por esa ese bajo valor añadido, ¿no? Eh

añadido, ¿no? Eh y y luego esto está generando, ¿no, David? Eh, ya lo hemos hablado en otros

David? Eh, ya lo hemos hablado en otros episodios, pues empresas que que están usando esto un poco como excusa para realizar despidos, ¿verdad?

Sí, sí, sí. Eh, ya lo hablamos en los dos podcast anteriores y de nuevo hay como mucho ruido. Yo, fíjate, vi un comentario de precisamente del del fundador de Open AI, de uno de los

fundadores que es Amalman, que es el que dirige la compañía ahora, que él dice que bajo su punto de vista gran parte de las reducciones de empleados que se están produciendo ahora es más una un

ajuste de plantilla de la sobreción que se produjo post COVID más que la eficiencia. Yo yo concuerdo, ya lo hemos

eficiencia. Yo yo concuerdo, ya lo hemos hablado bastante bastante este punto, ¿sabes? Que hay mucho mucha burbuja,

¿sabes? Que hay mucho mucha burbuja, mucho titular y luego realmente eh pues las empresas o se están arrepintiendo o al final están incluso teniendo que recontar algunos trabajadores. Yo

insisto en que eh no puedes tomar decisiones tan sencillas como echar a 3,000 personas porque lo automatizas con un agente. Eh se crea mucho más volumen.

un agente. Eh se crea mucho más volumen.

Se puede automatizar con una gente, sí.

Eh, pero ese volumen de trabajo adicional requiere de trabajos adicionales. Ya lo acabo de comentar, el

adicionales. Ya lo acabo de comentar, el prompting, la evaluación, el la mejora de estos agentes. Entonces, si echas a 3,000 personas, estás perdiendo ese conocimiento. Yo creo que gran parte de

conocimiento. Yo creo que gran parte de esa gente que que está despidiendo la podrías reentrenar para posicionarlo otros puntos porque conoce muy bien los procesos y yo creo que esa sería algo más racional. Eh, pero bueno,

más racional. Eh, pero bueno, Garnet también ha sacado un un una noticia, una un una un análisis que han hecho relacionado con que eh si la IA

está destruyendo empleo, ¿no? Y

realmente la conclusión que ha sacado es que solamente una fracción muy pequeña de despidos se ha motivado por la IA y que de hecho también están generando un montón de empleos nuevos, que también lo hemos hablado en otros episodios,

pues arquitectos lógicamente de IA, ingenieros de IA, eh temas de datos también inseguridad, gobernanza.

Eh, hablaremos también en futuros episodios de nuevos roles que se van a ir creando. Por ejemplo, en compliance

ir creando. Por ejemplo, en compliance se puede crear nuevos roles de IA, en recursos humanos se pueden crear nuevos roles también de de agentes, ¿no? De

control y gestión de agentes como si fueran empleados.

Y y realmente el impacto no está siendo tanto. Es verdad que lo que sí dice ese

tanto. Es verdad que lo que sí dice ese estudio de Garner es que lo que se está paralizando más es la contratación de perfiles junior.

Perfiles junior es lo que está bajando más, ¿vale? las contrataciones, pero no

más, ¿vale? las contrataciones, pero no tanto los despidos.

Sí. Y tú, yendo a una cosa más concreta como herramientas, Antonio, ¿tú qué has visto? ¿Qué herramientas estás viendo

visto? ¿Qué herramientas estás viendo que están aportando algún valor diferenciador en cuanto a automatizaciones tanto a nivel personal como tener un asistente propio como a nivel un poco más avanzado a nivel de proceso?

Sí. A ver, bueno, yo aquí creo que no tendríamos que hacer la diferencia entre asistentes digitales o agénticos y y un agente especializado, ¿no? Hagamos esa

diferencia, esa extinción, porque yo estoy viendo, ¿no? Estábamos viendo

comentando también antes David, que estamos empezando a ver esa distinción que se está haciendo. Tenemos

herramientas y tecnologías como que a partir de Open Cloud, ¿no?, eh que ha ido fomentando esa asistente digital que tiene acceso a todo tu ordenador, a

todas tus credenciales, a todas tus aplicaciones que le puedes pedir que te haga cualquier cosa, ¿no? Eh, pero que no es especialista en nada realmente y y para eso están saliendo que las más

opciones. Por ejemplo, tienes e desde el

opciones. Por ejemplo, tienes e desde el punto de vista corporativo, ¿no?, Eh,

han salido cosas como Nvidia Nemo Cloud, está saliendo, por ejemplo, eh Microsoft también ha sacado el igual que Cloud, eh, le han puesto el mismo nombre, se

llama Microsoft Cowork y Cloud Cowork, ¿vale? que que es básicamente el mismo

¿vale? que que es básicamente el mismo concepto de asistente digital con acceso a prácticamente todo y que le puedes pedir que pues que te haga hazme un plan de producto en base a toda la información que tienes mío, accede a mis

correos, a mis transcripciones, a todos los análisis financieros que tengo mis productos, a la estrategia que tengo, eh, etcétera, etcétera, ¿no? Em y luego

también e eh que son capaces también de conectarse, ¿no?, vía conectores a a

conectarse, ¿no?, vía conectores a a todo tipo de aplicaciones, ¿no? Y y

realizar tareas en cadena. en secuencia,

¿vale? eh sin unas instrucciones claras y sin y sin unos guardarrailes en muchos casos también, ¿no?, que es uno de los de los puntos más más preocupantes en ese sentido. Y luego tenemos el otro el

ese sentido. Y luego tenemos el otro el otra vertiente, la otra exición, el otro camino que se está tomando, que para mí es el de agentes especializados muy controlados, muy encapsulados, ¿no? En

una acción, en una serie de tareas determinadas que los programamos prácticamente, pseudoprogramamos para que realicen algo, aunque sean asistentes, o sea, agentes totalmente autónomos, ¿no? pueden tener humano,

autónomos, ¿no? pueden tener humano, pero pero de manera autónoma. Entonces,

yo yo estoy viendo esos dos caminos que se están que se están tomando. ¿Tú tú

qué opinas aquí?

No, yo coincido. Eh, coincido. La verdad

es que son cosas muy distintas. Yo

nosotros, por ejemplo, estamos empezando a usar intensamente cloud y la verdad es que los resultados son muy potentes.

Ahorra mucho tiempo, por ejemplo, en análisis de datos, preparación de presentaciones, que es algo que lleva mucho, eh, y nos está ahorrando mucho y y de verdad es que sí que es cierto que

a veces te llevas sorpresas en cuanto a la capacidad, pero la la en la mayor calidad del trabajo pasa cuando tienes una interacción y das vueltas, ¿vale? No

es que le tirasme una presentación porque tengo que ir a ese cliente y hazme de cero más que el resultado mucho mejor si tengo esto, ayúdame, tengo estas ideas, te tira cosas, le devuelves

y hay un pin pongón y te quita el trabajo de ponerlo bonito en la presentación. Eso es un golazo, pero la

presentación. Eso es un golazo, pero la calidad es si se lo tiras como directamente es como relativamente básica, ¿eh? Pero bueno, ahí está, ahí

básica, ¿eh? Pero bueno, ahí está, ahí está el potencial. Justo, justo Cloud estaba porque ha mencionado Envidia que sacó su versión de Open Cloud en un entorno más seguro. Eh, se está hablando

en los últimos días que Cloud está sacando uno que se llama Cloud Cowork Dispatch, que es precisamente para mandarle tareas a Cowork en remoto, ¿vale? Porque ahora sí que es cierto que

¿vale? Porque ahora sí que es cierto que tú desde la app, o sea, tienes que estar en frente del ordenador para decirle a Cowork que te haga cosas y este van a lanzar ese servicio, yo creo, dentro de poquito para que dentro de la app del teléfono le puedas decir a Cowork, "Oye,

hazme esto." Aunque sí que es cierto que

hazme esto." Aunque sí que es cierto que necesitarás tener el ordenador encendido o un servicio en algún sitio que que te permita hacer eso.

Aquí la cuestión es que si parpadeas te lo pierdes. Todas las semanas está

lo pierdes. Todas las semanas está saliendo algo. Yo todos los días me

saliendo algo. Yo todos los días me encuentro un conector nuevo, un MCP nuevo, eh una nueva tendencia. Es una

locura. La explosión es tremenda.

Estamos evolucionando increíblemente también, Antonio, mucha, o sea, si no te si lees el LinkedIn, por ejemplo, estás a punto de infarto todos los días porque

cada día salen 650 mensajes de ha cambiado el mundo, ya las cosas nunca van a ser igual, siempre igual y luego al final rasca así. Es es es otra vez un poco lo mismo. Realmente novedades

grandes pues las hay, pero no son todos los días 15 veces, como es un poco lo que te lleva la imagen cuando lees LinkedIn.

Pero bueno, yo te quería comentar eh preguntar, Antonio, porque has hablado de de elementos de un agente, eh has hablado de, yo que sé, del modelo, de del rack, de los tools, eh no sé si hay

como una especie de receta que digas, "Oye, yo quiero montar un sistema de agentes. Estos son los elementos mínimos

agentes. Estos son los elementos mínimos necesarios para que eso funcione adecuadamente. ¿Tú cómo lo cómo lo ves?"

adecuadamente. ¿Tú cómo lo cómo lo ves?"

Bueno, está en relación a lo que estábamos comentando antes, ¿no? Hemos

hablado del RAC, hemos hablado de de seguridad, ¿no? Definir claramente los

seguridad, ¿no? Definir claramente los accesos a los repositorios, sistemas, información que va a tener, si es un agente público que puede usar todo el mundo o solo determinadas personas. Eso

hay que definirlo muy bien cuando estás construyendo ese agente especialista.

Aquí estamos hablando de la vertiente agente especializado, ¿vale? Como

coworker.

Y y por ejemplo eh también tienes que definir un poco en qué momentos va a escalar cosas a humanos, ¿vale? que para

mí eso ya es un requisito indispensable siempre, ¿no? Eh, por mucho que seas

siempre, ¿no? Eh, por mucho que seas autónomo, en algún momento siempre saldrá un caso eh que no está contemplado y que tenéis que esperarlo a algún tipo de humano.

Eh, y luego pues por ejemplo, lógicamente el modelo, ¿no? Y el modelo, la elección del modelo no es trivial, eh, tiene resultados muy muy diferentes.

Yo, por ejemplo, trabajo mucho con GPT y y, por ejemplo, uso 4.1 uno para agentes que son eh que digamos tienen que hacer

un trabajo eh más especializado, más concreto, eh más determinista y cuando quiero que sea un agente que sea más creativo, y no me importa que sea más

creativo, que eso es importante porque si es un trabajo relacionado con compliance, pues igual que sea creativo no te viene bien, no quieres que se haga un output predecible y no totalmente.

creativo, normalmente estoy usando la versión la versión C, ¿vale? Entonces, y ahora también estoy

¿vale? Entonces, y ahora también estoy probando con Sonet, por ejemplo, mucho que que da unos resultados también muy muy interesantes, muy ricos. Bueno, todo

eso hay que tenerlo en cuenta, también hay que tener en cuenta un poco lo que es la moderación que crees que quieres que den en sus respuestas, que sea más preciso o menos preciso. Eso va a determinar también cómo es la longitud

de su respuesta y cuántas respuestas da, ¿no? Y si quieres que activa el modelo

¿no? Y si quieres que activa el modelo de deep reasoning o no, que eso también lo puedes hacer ya.

Yo, fíjate, eso me gusta que lo menciones porque eso son los como los patrones de diseño en en los agentes, no todos los agentes tienen que pensar igual. Es decir, normalmente tú tienes

igual. Es decir, normalmente tú tienes un agente orquestador que eh coordina la ejecución de distintos agentes que tiene por debajo y son agentes especializados.

El agente orquestador realmente hay que pensar muy a fondo que quieres que piense el orquestrador. Hay veces que tiene que hacer un plan, hay veces que tiene que hacer un razonamiento o hay veces que lo que quieres es una respuesta muy rápida. Entonces, en

función de cada uno de estas situaciones, el patrón de diseño de ese prontin es totalmente distinto. Eso es

un punto muy importante que yo creo que a veces se olvida. Y además esta gente que se apoya demasiado en en la inteligencia artificial para hacer el diseño del sistema de agentes, los agentes de inteligencia artificial

haciendo agentes son relativamente malos los patrones de diseño del prompt, ¿sabes? Porque tienden a ir a la a la a

¿sabes? Porque tienden a ir a la a la a lo más sencillo que es como el one shot, ¿sabes? Es decir, yo recibo una cosa y

¿sabes? Es decir, yo recibo una cosa y intento resolver antes posible. Entonces

es un punto bastante bastante importante en mi opinión.

Sí. Bueno, y ya que mencionas lo de la gente orquestador y y vamos a voy a intentar ir acelerando que para que no nos quede demasiado mucho más largo de 20 minutos este podcast. Eh, yo tengo,

por ejemplo, un caso claro en mente de cómo utilizar, o sea, cómo un agente de verdad puede ser un coworker, ¿no? O

cómo puedes tener un un equipo de agentes trabajando como corkers entre ellos, ¿no? Dirigidos por un agente

ellos, ¿no? Dirigidos por un agente orquestrador. Eh, el otro día estaba

orquestrador. Eh, el otro día estaba pensando en un agente, por ejemplo, que pudiera ser capaz de contratar a una agencia dentro de tu empresa para crear una nueva campaña de marketing. ¿Cómo

harías eso? pues tendrías un agente orquestrador que gobierna tres posibles agentes. Un agente de complayas, ¿no?

agentes. Un agente de complayas, ¿no?

Que podría ser quien recibe, el primero que recibe tu propuesta de campaña y la evalúa para ver si cumple con las políticas internas de la marca, data privacy todo y todo esto, ¿no? Y si todo

va bien, devuelve un semáforo en rojo, eh, digo en verde, perdón, en verde para el siguiente agente que sería el agente de compras. en en la gente de compra

de compras. en en la gente de compra tenemos, ¿no?, el agente de el ejemplo

tenemos, ¿no?, el agente de el ejemplo de Galileo Agent Control, eh, que es que fíjate, eh, en cada uno de ellos, yo creo que también una de las cosas que hay que pensar dentro de las empresas es si tiene sentido hacerlo internamente o

hacerlo externo, ¿sabes? Es decir, tú puedes tener el orquestador y ejecutar y tener algunos agentes propios, pero luego hay un montón de empresas especializadas. Has mencionado el caso

especializadas. Has mencionado el caso este de compliance, hay una empresa que se llama Galileo, precisamente especializada en la aplicación de compliance. Entonces, a lo mejor tiene

compliance. Entonces, a lo mejor tiene sentido que que en vez de hacer un contratar agentes especializados, ¿no?

Que también es otro modelo muy interesante.

Y eso pasa también en compras. En

compras hay gentes especializados, pasa en un montón de ámbitos, ¿sabes?

Entonces, yo creo que también eh no hay que tener la tentación de tratar de hacerlo en casa todo porque hay veces que que bueno, pues es encontrar ese balance. Sí que es cierto que bueno,

balance. Sí que es cierto que bueno, tiene un coste más alto, pero te ahorras el desarrollo, el mantenimiento, son todo este tipo de cosas. Pero es un tema apasionante, que también trataremos en el siguiente episodio, el de todas las implicaciones a nivel de recursos

humanos y de contratación, ¿no? ¿Qué qué

contratamos internamente y qué vamos a subcontratar fuera que van a ser realmente empleados, ¿no? Virtuales.

Sí, sí, sí, sí. igual que hacemos ahora con con posibles consultoras, ¿no?

Fíjate, eso es un punto relevante, pero otra cosa que también creo que las empresas han de han de reforzar es las empresas, sobre todo empresas que estén aposando a a tope por la inteligencia

artificial y desarrollo del sistema de agentes tienen que que desarrollar una infraestructura sólida. una

infraestructura sólida. una infraestructura no solo me refiero a la parte más técnica, sino a la parte de gobierno. Yo llevo desde hace ya un

gobierno. Yo llevo desde hace ya un tiempito investigando sobre un concepto que se llamaic mesh, que esto es un concepto que viene pues de de antaño, ¿sabes? No es algo especialmente

¿sabes? No es algo especialmente novedoso, se aplicado en datames que era de de ir de de estructuras como muy centralizadas algo más descentralizado, ¿vale? Entonces ahí hay hay teoría

¿vale? Entonces ahí hay hay teoría relativamente nuevo, pero sí que es cierto que en el Agent Messi te voy a compartir alguna slide que hice yo en su

momento para explicar como elementos relevantes eh elementos relevantes dentro de un agent mes es un registro.

Lo hemos comentado en alguna ocasión también los agentes a nivel individual que tú uses personalmente, perfecto, los puedes tener y mantener tú, pero si es un agente para cliente o es un agente de compañía, tiene que haber un registro.

un registro significa que tiene que haber versiones, eh una definición adecuada de los permisos, las reglas de aplicación, etcétera. Hay un montón de

aplicación, etcétera. Hay un montón de cosas que se tienen que definir a nivel de registro. Tiene que haber un proxy

de registro. Tiene que haber un proxy que es el que filtre, ¿vale? Es decir,

sobre todo si permites a gente de fuera que entre y interactúe con tus agentes, tiene que haber un proxy que filtre cuáles son las peticiones adecuadas o las que no. ¿Vale? Eh, aquí además también se puede meter toda la parte de

autenticación. La autenticación marca

autenticación. La autenticación marca también privilegios de de los agentes, de las personas. Hay un montón de cosas.

tiene que haber un control de las interacciones, ¿vale? De lo que va, de

interacciones, ¿vale? De lo que va, de lo que entra, de las llamadas que se hacen, todo eso es muy importante tenerlo controlado. Eh, yo también hablo

tenerlo controlado. Eh, yo también hablo del concepto de marketplace. Para mí es muy importante también reutilizar. Creo

que los sistemas agénticos no tiene que ser como cada piloto me desarrollo todo, sino que va a haber un montón de agentes que se pueden reutilizar. Imagínate un

agente que eh analiza imágenes, un agente que extraiga información de documentos, son todos agentes reutilizables que se podrían llamar desde múltiples sistemas de ascendentes.

Entonces creo que hay un concepto de marketplace que también es es relevante en cuanto, oye, hay un marketplace, a lo mejor el orquestador es un caso único en cada implantación, pero lo puede tirar de un montón de agentes. Y luego la

parte de monitorización fundamental también de no solo de la trazabilidad de saber los input, los outputs, las llamadas, sino sistemas de evaluación

con métricas concretas que establezcan y que puedan analizar el razonamiento.

Antes estamos hablando que cada modelo funciona de una forma distinta, luego puedes personalizar parámetros dentro de cada modelo para que sea más o menos creativo. Hay un montón de cosas, pero

creativo. Hay un montón de cosas, pero luego el propio razonamiento se tiene que evaluar, ¿vale? Incluso se tienen que desarrollar, aunque suene un poco anti IA, hay se pueden desarrollar

ejemplos de de inputs y output que son adecuados para que el modelo aprenda.

Entonces, hay un montón de elementos, pero hace falta como esa infraestructura común. Tú si quieres en vez de hacer 10,

común. Tú si quieres en vez de hacer 10, hacer 200, 300 sistemas de agentes o trabajas con un sistema, una infraestructura sólida, con un gobierno adecuado, con los roles adecuados o va a ser muy difícil el escalado. Entonces,

es algo que quería compartir.

Sí, no está muy bien. Y yo veo, David, e volviendo siempre al tema de nuestro podcast de humanidad aumentada, ¿no? De

cómo los agentes se van a convertir en un coworker, ¿no? Eh, yo veo que vamos a interactuar con los agentes de dos maneras, ¿no? Alguna manera va a ser,

maneras, ¿no? Alguna manera va a ser, oye, yo tengo una consulta concreta de compliance, voy a la gente de compliance y y hago esa consulta concreta, pero también como el caso que te estaba comentando antes, quiero contratar una

agencia de marketing, ¿vale? Y no voy a ir a la gente de compliance, yo voy a ir a la gente orquestrador de de ese proceso, de ese proceso en tu, eso no.

Y ese va a contactar con el agente de compliance, al que yo también puedo interactuar de manera separada para otros temas. Luego se lo va a pasar a la

otros temas. Luego se lo va a pasar a la gente de compras, le va a decir, "Oye, me parece bien eh el propósito que quiere hacer con esta campaña de marketing es legítimo, cumple con las

normas internas."

normas internas." adelante proponiéndole agencias, ¿no?

Agente de compras te va a proponer unas agencias en en base que cumplan mejor tus necesidades, en base al presupuesto que tengas y lo que quieres conseguir. Y

luego eso, eh, una vez eleccionas un proveedor, se lo pasará al agente de legal que te va a ayudar a generar el contrato, te va a decir qué tipo de contrato tienes que hacer, te lo va a generar y luego el agente de legal se lo

va a pasar ya financiero para que gestione gestione las órdenes de compra.

O sea, lo veo todo encadenado y eso que cada uno de estos agentes podrás interactuar con ellos por separado, pero para qué lo vas a hacer en este tipo de caso mejor lo haces directamente con el agente adquestrado.

Eso es. Y fíjate que todos estos agentes que has comentado son agentes reutilizables. El agente de compras no

reutilizables. El agente de compras no tiene que solo trabajar en el caso de compras de tipo A, ¿sabes? Puede

trabajar para cualquier tipo de compras.

Entonces, de nuevo, refuerza esta necesidad de esta infraestructura común y este registro de agentes y y todo esto que que venimos hablando.

Pero bueno, no, bueno, yo creo que podemos ir, ¿no?

Le vamos a ir avanzando y y complet, bueno, terminando un par de un par de temas más que tenemos aquí pendientes, ¿no? David, eh, creo que tenías un

¿no? David, eh, creo que tenías un ejemplo, ¿no? De de que no todo es oro

ejemplo, ¿no? De de que no todo es oro lo que reluce, además. O sea, estamos hablando del de la parte buena, pero también queríamos hablar de de las verdades, ¿no? De la IA.

verdades, ¿no? De la IA.

Mira, aquí te voy a compartir que a mí ese es un caso que que a mí me gusta mucho porque a mí, yo creo que ya lo lo he mencionado en algún capítulo anterior, hay una empresa se llama Clarna. Clarna fue de estos que ya

Clarna. Clarna fue de estos que ya empezó a despedir miles de personas en 2024 y después de como fueron los primeros en en hacerlo, yo creo también

ha sido los primeros en darse el golpe.

Eh, ¿qué es lo que pasó? pidió como a 2000, 3000 eh personas y la la para automatizar toda la atención al cliente y lo que pasó es que la satisfacción

cayó en picado, ¿vale? Entonces ahora se ha visto la necesidad de de volver a recontratar a estas personas. Entonces,

de nuevo, al final confianza ciega en los sistemas de agentes con muy poca evaluación no funciona, ¿vale? Sobre

todo esta medida de blanco negro, ¿sabes?

lo el valor siempre está en este mágico punto medio y yo creo que Clarna es un buen caso de estudio para para analizar de de cosas que no sabe hacer. Lo

positivo es que por lo menos el tipo ha sido capaz de reconocer que que ha cometido un error y lo ha dicho abiertamente, que eso también es positivo, aunque ahora está diciendo también otras cosas, no estoy de acuerdo,

pero bueno, yo creo este es un poco de estas personas que no tiene continencia, ¿sabes? en cuanto a las cosas que dice y

¿sabes? en cuanto a las cosas que dice y ahora también está diciendo algunas cosas que son un poco extrañas y veremos si funcionan o no, pero bueno, este es un caso paradigma paradigmático de las cosas que no se deben hacer.

A ver, sí, yo creo que muchos despidos poría lo que eh encubren realmente es una incompetencia muchas veces como como CEO, como director, ¿no? Eh, general,

¿no? Algunos casos, pero bueno, en fin.

Vamos, si quieres, Antonio, te voy a a hacer una pregunta que, o sea, no no es tanto incómoda, pero sí que eh lo comentaste en el en el podcast uno,

yo creo, y a mí me gustó, que es este concepto de cuál es el rol de recursos humanos eh en la contratación de coworkers de inteligencia artificial. Yo

creo que hay un campo enorme ahí porque como vamos viendo hay muchas cosas que son asistentes, ¿vale? Entonces ahí

recursos humanos, ¿no? Pero sí que ya se van viendo cosas como lo de Service Now que hemos visto. Self Force está haciendo un montón de cosas con coworkers. Eh, ¿cuál crees que es el rol

coworkers. Eh, ¿cuál crees que es el rol de recursos humanos en este en este mundo?

Bueno, yo creo que es eh es inmenso, ¿eh? Y y creo que no se lo están

¿eh? Y y creo que no se lo están planteando, sobre todo, que eso es lo que más deberían empezar a a mirarse, ¿no? Porque estamos hablando desde la

¿no? Porque estamos hablando desde la estrategia de contratación, empezando por ahí, ¿no? ¿Cuál va a ser mi estrategia de contratación de agentes? O

sea, de ya no solo de humanos, sino de agentes. Voy a tener una serie de

agentes. Voy a tener una serie de agentes internos, igual que tengo eh seres humanos contratados internos, con el coste que eso también conlleva, ¿no?

El consumo de de tokens internos y demás. O puedo contratar agentes

demás. O puedo contratar agentes especializados, muy expertos en áreas determinadas subcontratándolos, igual que hacemos con agencias y con consultoras hoy en día, ¿vale? ¿Cuál va

a ser ese ese equilibrio? toda esa

estrategia, ninguna ningún departamento de recursos humanos que yo conozca lo tiene. Y

tiene. Y déjame que que añade ahí añade ahí una cosa que que me ha gustado estordi se ha hablado un poco, ¿eh? Ya sabes que el

CEO de Nvidia es como un showman a veces y hace unas presentaciones con su chupa de cuero, eh, pero ha hablado de de recompensar a los empleados con tokens extra, que es

una cosa, bueno, curiosa cuando menos.

Pero luego yo he visto el caso también eh contrario o negativo, la parte negativa de esto de de casos de de que estaba midiendo el consumo de tokens en Openi AI y en Antropic y que había

verdaderas barbaridades de de ingenieros que estaban consumiendo cientos de miles de tokens que si lo trasladas a dinero eran como 50,000 60 casi 70,000 70,000 € sabes que que al final te sale más

barato tener a un empleado, ¿sabes?

Entonces, eh, pero sí que ves, es un elemento de compensación adicional y yo creo que que ahí en línea con lo que vienes comentando, recursos humanos debería, o sea, si quiere jugar un papel

proactivo, debería realmente liderar este cambio. Recursos humanos

este cambio. Recursos humanos seguramente financiero también porque efectivamente si tienes una gente que te hace triaje de correos y te cuesta 50.000

euros al mes y cuando tenías a lo mejor una agencia que te costaba 2000 € al mes como seres humanos, pues te lo tienes que plantear, ¿no? Diges, "A ver, que sí que está muy bien esto de de hacer a gente en todos sitios, pero oye, ¿a qué

coste?" H,

coste?" H, eso es importantísimo. Luego, pero yo creo que esto lo podemos ver en el siguiente episodio, habrá implicaciones a nivel de onboarding, de selección, de organigramas, eh de

quiénes van a ser los managers de esos agentes y qué responsabilidades tienen.

Lo hemos anticipado con los agen o de incluso evaluación del rendimiento, o sea de muy interesante ahí porque sabes ahí yo creo que fíjate que el rendimiento, además, sobre todo si lo ve alguien

externo, ¿sabes? Porque el rendimiento

externo, ¿sabes? Porque el rendimiento se puede medir en número de transacciones, pero luego también hay que medir si la calidad es la adecuada.

Volviendo al caso este de Clarna, que la satisfacción del cliente, ¿sabes? Cayó

en picado. Entonces, yo creo que no está mal también tener esta entidad externa que recursos humanos que que establece el sistema de medición del rendimiento, que aplica a las personas y, ¿por qué no? A un agente eh de inteligencia

no? A un agente eh de inteligencia artificial. Totalmente. Y igual que tú

artificial. Totalmente. Y igual que tú tienes una sesión de feedback con un empleado humano, eh de alguna manera tú puedes ajustar a través de las instrucciones qué debe hacer esa gente en función de

los resultados que esté obteniendo, ¿no?

Igual que se lo dirías a un ser humano a través del feedback es lo mismo, el dar instrucciones. Deberías pues hacer más

instrucciones. Deberías pues hacer más de esto y menos de esto. Es lo mismo agente así que todo eso la recompensa. A una gente se le puede

la recompensa. A una gente se le puede dar recompensa, quizás no tanto monetaria, pero sí que, o sea, puede tener su recompensa y tiene que tratar de maximizar el resultado de la compañía, cómo son los objetivos de la

compañía, el resultado del equipo, todo ese tipo de cosas. Yo creo son temas interesantes. Yo creo que hay realmente

interesantes. Yo creo que hay realmente hay un un campo por explorar, pero bueno, dejémoslo ahí. Ya te he puesto la tarea, Antonio, para el próximo podcast

y detallemos a ver qué qué pasa en el mundo de recursos humanos, salvándolo a lo mejor de la parte de selección, que creo que sí se empieza a utilizar inteligencia artificial, pero más en la gestión de de trabajadores de

inteligencia artificial. Ahí queda

inteligencia artificial. Ahí queda pendiente para el próximo episodio.

Venga, pues nos vemos en el próximo episodio. Nos ha quedado este un poco

episodio. Nos ha quedado este un poco más largo que el habitual. Estaremos

sobre por encima de la media hora seguramente, pero nada. Bueno, una vez más, una semana más aquí con vosotros y y muchas gracias. Nos vemos dentro de

poco aquí en Aumentada.

Un abrazo a todos.