Durante los últimos años hemos hablado de inteligencia artificial como una herramienta capaz de escribir, programar, generar imágenes, analizar información y responder prácticamente cualquier pregunta.
Pero algo está cambiando.
La siguiente etapa de la IA podría no consistir simplemente en construir modelos que respondan mejor.
Podría consistir en construir ejércitos de agentes capaces de trabajar juntos para resolver un objetivo.
Y uno de los experimentos más ambiciosos hasta ahora acaba de ocurrir en un lugar inesperado: las matemáticas.
OpenAI anunció que uno de sus sistemas internos de inteligencia artificial produjo una solución al problema de existencia y suavidad de las ecuaciones de Navier–Stokes, uno de los siete Problemas del Milenio.
Si la demostración supera el escrutinio de la comunidad matemática, estaremos frente a un resultado histórico.
Pero quizá la historia más importante no sea solamente qué problema resolvió la IA.
Es cómo intentó resolverlo.
Un problema de un millón de dólares
Las ecuaciones de Navier–Stokes describen el movimiento de los fluidos.
Están detrás de fenómenos tan cotidianos y complejos como el movimiento del agua, el flujo del aire alrededor de un avión, las corrientes oceánicas, la circulación sanguínea o algunos modelos utilizados para estudiar la atmósfera.
Las ecuaciones existen desde el siglo XIX.
Sin embargo, había una pregunta fundamental que los matemáticos no habían conseguido responder de forma general.
Partiendo de determinadas condiciones iniciales, ¿las soluciones de estas ecuaciones permanecen siempre regulares o pueden llegar a desarrollar una singularidad?
Dicho de una manera mucho más sencilla:
¿Puede un fluido matemático llegar a un punto en el que ciertas magnitudes crezcan sin límite?
La pregunta es tan importante que en el año 2000 el Clay Mathematics Institute la incluyó entre los siete Millennium Prize Problems.
Resolver cualquiera de ellos tiene un premio de un millón de dólares.
Más de un cuarto de siglo después, solamente uno de los siete había sido resuelto.
Ahora OpenAI afirma haber encontrado una solución para Navier–Stokes.
Su trabajo describe un escenario en el que un fluido inicialmente suave desarrolla una singularidad en un tiempo finito.
La empresa publicó la demostración matemática y una formalización en Lean, un sistema utilizado para verificar demostraciones matemáticas mediante software.
Eso no significa que el problema pueda considerarse oficialmente cerrado.
Una afirmación de esta magnitud necesita ser revisada cuidadosamente por matemáticos independientes y pasar por el proceso de validación de la comunidad científica.
Pero incluso antes de conocer el veredicto final, el experimento deja algo extraordinariamente interesante.
No fue un chatbot. Fueron aproximadamente 10,000 agentes
Estamos acostumbrados a utilizar inteligencia artificial de una manera bastante sencilla.
Escribimos una pregunta.
El modelo procesa el contexto.
Recibimos una respuesta.
Humano → prompt → modelo → respuesta.
Pero eso no es lo que ocurrió aquí.
OpenAI utilizó un sistema compuesto por aproximadamente 10,000 agentes de inteligencia artificial trabajando de manera coordinada durante unas 88 horas.
Los agentes exploraron diferentes caminos, intercambiaron información e intentaron avanzar sobre distintas partes del problema.
Pensemos por un momento en lo que significa.
No tenemos una sola inteligencia artificial intentando producir una respuesta.
Tenemos miles de instancias trabajando alrededor del mismo objetivo.
Algunas pueden investigar.
Otras proponer hipótesis.
Otras buscar errores.
Otras explorar caminos completamente diferentes.
Y otras verificar los resultados.
La arquitectura empieza a parecerse menos a un chatbot y mucho más a una organización digital.
El paradigma cambia:
Objetivo → agentes → investigación → experimentación → verificación → resultado.
Y ese cambio podría ser mucho más importante que cualquier nueva interfaz de chat.
De generar respuestas a generar conocimiento
Durante años existió una crítica legítima hacia los modelos de lenguaje.
Son extraordinariamente buenos produciendo respuestas convincentes.
Pero una respuesta convincente no necesariamente es una respuesta correcta.
Los modelos pueden equivocarse.
Pueden inventar información.
Pueden construir argumentos aparentemente sólidos alrededor de premisas incorrectas.
En matemáticas avanzadas, esto representa un problema enorme.
Una demostración puede tener cientos de páginas y bastaría un error aparentemente pequeño para invalidar una parte importante del argumento.
Por eso resulta especialmente interesante que el experimento no termine simplemente con el texto generado por un modelo.
Existe también una formalización computacional de la demostración.
Estamos entrando en una arquitectura diferente para la inteligencia artificial:
generar, comprobar, corregir y volver a intentar.
Un agente propone.
Otro cuestiona.
Otro verifica.
Otro busca alternativas.
Y el sistema continúa trabajando.
La IA deja entonces de funcionar únicamente como una máquina que responde preguntas y comienza a convertirse en una infraestructura capaz de ejecutar trabajo intelectual.
¿Qué ocurre cuando podemos multiplicar la inteligencia?
Durante siglos hemos tenido una restricción difícil de eliminar en ciencia: la cantidad de personas capaces de trabajar sobre un problema.
Un investigador puede explorar cierto número de hipótesis.
Un laboratorio puede explorar algunas más.
Una universidad puede reunir decenas o cientos de especialistas.
Pero ¿qué ocurre cuando podemos desplegar miles de agentes sobre un mismo objetivo?
Imaginemos 10,000 investigadores digitales explorando simultáneamente diferentes caminos.
La mayoría probablemente fracase.
Eso no importa.
Porque otros pueden continuar.
Algunos encontrarán resultados interesantes.
Otros intentarán destruir esos resultados.
Otros comprobarán las conclusiones.
Y algunos quizá encuentren caminos que nadie había considerado.
El recurso escaso comienza a cambiar.
Durante mucho tiempo fue el número de personas disponibles para realizar determinado trabajo intelectual.
En un mundo de agentes, puede convertirse en nuestra capacidad para definir correctamente el objetivo y coordinar la inteligencia disponible para alcanzarlo.
El científico no desaparece. Su trabajo cambia.
Todo esto puede llevar rápidamente a una conclusión equivocada:
“Entonces ya no necesitaremos científicos”.
No necesariamente.
Puede ocurrir algo bastante más interesante.
El papel del investigador puede transformarse.
En lugar de ejecutar personalmente cada paso de una investigación, podrá definir problemas, proporcionar contexto, diseñar experimentos, establecer restricciones, evaluar resultados y dirigir sistemas completos de agentes especializados.
El científico deja de trabajar solamente dentro del proceso y comienza también a diseñar el proceso.
Es una transformación que probablemente veremos en muchas otras profesiones.
Y esto no se limita a las matemáticas
Navier–Stokes resulta espectacular porque estamos hablando de uno de los problemas matemáticos más famosos del mundo.
Pero la arquitectura detrás del experimento puede aplicarse a muchos otros campos.
Agentes explorando estructuras moleculares.
Agentes buscando nuevos materiales.
Agentes analizando enormes espacios de posibilidades en ingeniería.
Agentes escribiendo software, ejecutándolo, encontrando errores y corrigiéndolos.
Agentes investigando mercados.
Agentes buscando oportunidades comerciales.
Agentes analizando empresas.
Agentes contactando prospectos.
Agentes dando seguimiento.
La verdadera ventaja no consiste solamente en construir una inteligencia artificial cada vez más inteligente.
Consiste en multiplicar el trabajo que esa inteligencia puede realizar.
Una IA extremadamente capaz sigue siendo una instancia trabajando sobre un problema.
Miles de agentes coordinados representan algo distinto:
inteligencia paralela organizada alrededor de un objetivo.
También aparecen preguntas incómodas
Un anuncio de esta magnitud inevitablemente genera controversia.
Investigadores que trabajaban en problemas relacionados han planteado dudas sobre la posible influencia de trabajos todavía no publicados y sobre el acceso que los sistemas de inteligencia artificial podrían haber tenido a determinados materiales.
OpenAI sostiene que sus investigadores y agentes no tuvieron acceso al trabajo competidor antes de su publicación.
La discusión, independientemente de cómo termine, abre preguntas que tendremos que responder cada vez con mayor frecuencia.
Si una IA descubre un teorema después de aprender de millones de trabajos humanos, ¿quién merece el crédito?
¿Qué ocurre cuando parte del conocimiento utilizado por un agente proviene de conversaciones privadas?
¿Cómo documentamos la procedencia intelectual de una idea producida por miles de agentes?
¿Quién es responsable cuando un sistema autónomo llega a una conclusión incorrecta?
La capacidad tecnológica puede avanzar mucho más rápido que las reglas necesarias para gobernarla.
Y eso también formará parte de esta revolución.
Quizá estamos entrando en una nueva revolución industrial
Las revoluciones industriales no ocurrieron simplemente porque apareció una tecnología nueva.
Ocurrieron cuando aprendimos a multiplicar nuestra capacidad de producir utilizando esa tecnología.
La máquina de vapor multiplicó nuestra fuerza.
La electricidad transformó fábricas, ciudades y comunicaciones.
Las computadoras multiplicaron nuestra capacidad de procesar información.
Internet conectó prácticamente todo ese conocimiento.
La inteligencia artificial podría introducir algo diferente:
la capacidad de multiplicar trabajo intelectual.
Y los agentes pueden ser la infraestructura que permita hacerlo.
Por eso quizá sea un error observar lo ocurrido con Navier–Stokes únicamente como una curiosidad científica.
Podría ser una pequeña muestra de una transformación mucho mayor.
No estamos hablando solamente de tener una IA más inteligente.
Estamos hablando de poder construir organizaciones enteras de inteligencias artificiales especializadas trabajando juntas.
La próxima empresa podría tener más agentes que empleados
Llevemos esa idea fuera de un laboratorio.
Imaginemos una empresa pequeña.
Tiene cinco vendedores.
Cada vendedor tiene que buscar prospectos, investigar empresas, encontrar contactos, escribir mensajes, responder correos, actualizar el CRM, recordar seguimientos, preparar propuestas y, además, vender.
Ahora imaginemos otra empresa con los mismos cinco vendedores.
Pero detrás de ellos existen decenas o cientos de agentes.
Un agente busca empresas que cumplen con el perfil ideal de cliente.
Otro investiga cada compañía.
Otro identifica señales de intención de compra.
Otro encuentra al contacto correcto.
Otro prepara un acercamiento personalizado.
Otro registra la actividad.
Otro determina cuándo realizar seguimiento.
Otro analiza qué mensajes están funcionando.
Otro reactiva oportunidades que llevaban meses abandonadas.
Y el vendedor humano aparece donde aporta mayor valor:
hablando con personas, entendiendo necesidades, negociando y cerrando negocios.
La empresa continúa teniendo cinco vendedores.
Pero su capacidad operativa ya no es la de cinco personas.
Ahí está el cambio.
La revolución de los agentes ya comenzó
Quizá dentro de algunos años miremos esta etapa de la inteligencia artificial de la misma manera en que hoy observamos los primeros años de Internet.
La tecnología existía.
Las señales estaban ahí.
Pero todavía no comprendíamos completamente cuánto iba a cambiar.
Hoy vemos agentes trabajando en matemáticas, ciencia, programación e investigación.
Mañana serán una parte cotidiana de las empresas.
La pregunta probablemente dejará de ser:
“¿Mi empresa utiliza inteligencia artificial?”
Y comenzará a ser:
“¿Cuántos agentes trabajan para mi empresa y qué son capaces de hacer?”
Las empresas que entiendan antes este cambio tendrán una ventaja difícil de alcanzar.
Porque las revoluciones tecnológicas no esperan a que todos estén preparados.
Construye tu ejército de agentes
Si miles de agentes pueden organizarse para atacar uno de los problemas matemáticos más difíciles del mundo, vale la pena hacernos otra pregunta:
¿qué podría hacer un ejército de agentes trabajando todos los días para hacer crecer una empresa?
En Iruz Labs estamos construyendo esa fuerza de trabajo digital aplicada a ventas.
Agentes capaces de investigar prospectos, encontrar oportunidades, ejecutar tareas, dar seguimiento y trabajar junto con tu equipo comercial.
No para reemplazar a tus vendedores.
Para darles algo que hasta ahora ninguna empresa podía ofrecerles:
un ejército digital trabajando detrás de cada uno de ellos.
La revolución de los agentes ya comenzó.
La ciencia está empezando a experimentarla.
Ahora es momento de llevarla a las empresas.
Construye tu ejército de agentes de ventas con Iruz Sales OS →