La segunda parte son los sistemas de agentes: prácticamente, cómo habilitamos que estos modelos puedan actuar en el mundo, que puedan hacer actividades. Por ejemplo, si queremos que un modelo haga un análisis de correos o de datos financieros, ¿cómo le permitimos que lo haga? Es decir, qué herramientas le damos y de qué manera lo dirigimos hacia ese tipo de actividades. Esa es la segunda parte, los sistemas agénticos, que han evolucionado muy fuerte en el último año, año y medio.
Y la tercera, que es la más aplicada, el nivel más alto, es cómo la inteligencia artificial impacta diferentes industrias o dominios. No es solo construir modelos que pueden hacer cosas, sino cómo permitimos que esos modelos se usen de manera eficiente en ciertos dominios: biología, economía, investigación pura... Hay muchos campos, y uno de esos es la programación. De hecho, en los últimos dos años la ingeniería de software evolucionó muy fuerte, porque la manera en la que programamos hoy ya no es la misma que hace dos años.
¿Cómo está trabajando Google para evitar que ese tipo de incidentes, como el que le pasó a OpenAI con Hugging Face, se desarrollen o terminen surtiendo efecto?
Cuando se entrenan modelos de lenguaje, hay una etapa que se llama post-entrenamiento. Esa parte te permite alinear el modelo para que no se comporte de ciertas maneras o para introducir ciertas restricciones.
Y ese alineamiento, ¿es un pensamiento o es una configuración estrictamente humana? O sea, ¿no se le delega eso a la inteligencia artificial?
Exacto. Es importante entrenar los modelos de una manera responsable, y esa parte también involucra alinearlos en el post-entrenamiento para que tengas los guardrails de ciberseguridad. Por ejemplo, que un modelo no vaya a atacar: que si alguien le pide que hackee una compañía, el modelo no lo haga. Podés hacer ciertas cosas en el entrenamiento para que el modelo tenga un refusal, es decir, para que se niegue a hacer determinada tarea.
Con el tipo de evolución que estamos teniendo, ¿creés que, si no se configuran los guardarraíles adecuados, se puede generar muchísimo más daño del que hemos visto hasta ahora?
La verdad es que no. Creo que lo importante es evaluar y entrenar los modelos de manera responsable. No es solo entrenar el modelo y sacarlo: cuando se entrena, se hace un proceso de evaluación en el que se involucran no solo las compañías, sino otro tipo de entidades. Así nos aseguramos de que los modelos, cuando se vuelven accesibles a un ecosistema más amplio, salgan de una manera responsable.
¿Cómo está transformando Google la interfaz entre el hombre y la computadora? Estamos viendo un pasaje de una persona hablando con un chatbot a una persona que delega a un agente de IA
Cambió mucho, y creo que es algo que como industria todavía se está desarrollando. Algo que vimos mucho en el último año es el cambio de interfaz. Hace un año la gente usaba el chat, escribía con el teclado para interactuar con estos agentes, y cada vez vemos a más personas interactuando de manera multimodal. Por ejemplo, alguien puede ir caminando y hablando con su agente en el teléfono para pedirle ciertas tareas de programación. La segunda parte es que cada vez hay más sistemas multiagentes: para tareas muy complejas le pedís algo a un agente, y ese agente puede empezar a delegar en otros agentes. Entonces también hay una parte de comunicación de agente a agente.
¿Sigue siendo muy importante el prompting tradicional, hablarle a las herramientas de inteligencia artificial, o no?
Es una pregunta muy interesante. El prompting siempre va a importar; al final del día es cómo le pedís al modelo que haga algo. Lo que sí vimos es que, mientras los modelos son más inteligentes, el prompting empieza a ser un poco menos importante. Antes, para pedirle una tarea compleja, tenías que ser extremadamente específico en cómo querías que el modelo se comportara o se enfocara para resolver ese problema. Hoy los modelos son más inteligentes, tienen algo que se llama thinking o razonamiento, y el mismo modelo puede pensar, hacer una planeación y después ejecutar.
O sea, ¿ahora alcanza con darle el objetivo y no explicarle el paso a paso?
Exacto. Igual hay un matiz: depende mucho de la tarea, pero cada vez los agentes son más capaces para este tipo de cosas. Y de nuevo, no es solo el modelo, es el agente. El agente tiene un harness, que es un conjunto de herramientas que le permite hacer cosas. Ese harness puede habilitar a los modelos a hacer tareas mucho más complejas sin tener que darles todas las especificaciones.
¿Cómo está desarrollando Google todo esto en términos de interfaz para que el usuario adopte sus tecnologías?
Google tiene un harness que se llama Antigravity. Prácticamente usa Gemini por debajo y es con lo que la gente interactúa. Antigravity está desplegado en diferentes productos: para quienes programan están las herramientas de desarrollo de Antigravity, pero también cuando entrás a la Gemini app o usás AI Studio hay un sistema agéntico, y ese está potenciado por Antigravity. Es un harness que se usa a través de distintos productos de Google.
¿Te entusiasma el futuro?
Sí, la verdad que sí. Un poco lo que comentaba antes: está la capa de la capacidad del modelo, la capa de las capacidades de los agentes y la tercera, cómo los agentes se pueden usar en diferentes industrias. Creo que estamos en un momento de replantear cómo hacemos las cosas desde muchos ángulos diferentes.
Yo estudié ingeniería de software, vengo de un background de programar, y la manera en la que programamos hoy es muy diferente. Creo que dentro de un año voy a estar trabajando con código de una forma extremadamente distinta a la de ahora: cada vez menos gente está viendo el código, cada vez la gente maneja más un sistema de agentes, delegando entre agentes. Y a mí me emociona mucho ver cómo eso se va a empezar a ver en otras industrias.
Por el lado de DeepMind, también hay un contexto de hacer investigación de ciencia pura: tiene un premio Nobel por AlphaFold, por proteínas, hace análisis para curar ciertos tipos de cáncer y un montón de herramientas para aplicaciones físicas, biológicas y médicas.
Los avances que vemos en Gemini no son solo un modelo de lenguaje o un sistema de agentes, sino la posibilidad de habilitar muchas aplicaciones reales: por ejemplo, detectar incendios forestales con imagen satelital en una etapa muy inicial, antes de que el incendio se expanda. O predecir, en el caso de los aviones, que a veces dejan una especie de rastro que contamina mucho, y hay maneras de sugerir hacia dónde tienen que moverse para minimizar la probabilidad de que eso ocurra.
Ese tipo de cosas ya se usan en producción: Google está trabajando con aerolíneas en eso, y también en sistemas de manejo de semáforos en las ciudades para reducir cuánto se acelera y se frena, porque eso aumenta el consumo de combustible. Hay muchas aplicaciones muy reales que a veces la gente no asocia con lo que está pasando con los agentes, pero son cosas muy concretas. Así que sí, me emociona.
