Fomo. Esa fue la palabra más escuchada este jueves de mañana en el World Trade Center, donde se desarrolló la cuarta edición de The Big Conversation, un evento organizado por BigCheese con apoyo de AWS que reunió a referentes de tecnología, salud, finanzas y creatividad para discutir cómo se está incorporando la inteligencia artificial en las organizaciones. La sigla, tomada del inglés fear of missing out, alude en español al miedo a quedarse afuera o miedo a perderse algo, una sensación que atravesó buena parte de la conversación.
La sensación de estar llegando tarde apareció como una experiencia extendida. No solo por la velocidad con la que cambian las herramientas, sino también por la presión que genera ver a otros experimentar, probar y avanzar. Carolina Torrado, de la empresa Universal Soluciones Tecnológicas, dijo que ese fenómeno se da en perfiles muy distintos de la organización. Mencionó a médicos, administrativos y contables, y describió un escenario en el que muchos ya empiezan a usar estas herramientas por su cuenta.
Según explicó, esa demanda llevó a la empresa a organizar capacitaciones. El objetivo fue ofrecer reuniones, formación general y cursos de prompting para darle un marco a un interés que ya estaba instalado.
Agentes, banca y los límites del entusiasmo
Cuando la conversación pasó a los agentes, el tono se volvió más cuidadoso. Ahí apareció una de las advertencias más claras del encuentro: no todos los problemas necesitan ese tipo de solución.
En el intercambio sobre banca y servicios financieros, se explicó que muchas instituciones trabajan dentro de marcos mucho más regulados. Por eso, cualquier herramienta que participe en decisiones o análisis debe operar de forma controlada y auditable.
Armando Hernández de la Vega señaló que, en esos casos, también hay que “culturalizar”. Es decir, dar tranquilidad y explicar por qué el sistema hizo lo que hizo, de modo que alguien pueda reconstruir la decisión tomada por el agente.
La discusión avanzó entonces hacia el sobreuso. En un tramo del panel se advirtió que el Fomo también puede empujar a incorporar agentes donde no hacen falta, solo por la presión de sumarse a la tendencia.
La frase que sintetizó esa idea fue directa. “Eso es algo que también hay que tener cuidado con el FOMO, me parece. El sobreuso”, se dijo antes de compararlo con “matar una mosca con un cañón”, explicó Armando Hernández de la Vega, economista de Brokerware.
En banca, por ejemplo, se mencionaron usos internos para asistir a analistas o corredores. La herramienta puede acelerar revisiones, detectar desajustes y ofrecer insumos, pero la decisión final sigue en manos de una persona. Ese criterio apareció nombrado de forma explícita. Roberto Erazo habló del “human in the loop”, una instancia de verificación humana dentro del proceso para evitar errores o alucinaciones del modelo.
La conversación también se abrió al plano cultural. El escritor Ramiro Sanchiz llevó el tema al terreno de la creación, el miedo y la autoría, y planteó que en su ámbito la reacción ya no es solo de fomo, sino también de temor ante el impacto posible de estas tecnologías.
En ese marco, apareció el debate sobre copyright. Sanchiz lo definió como una convención histórica y lo vinculó con una idea del arte centrada en la figura individual del autor, hoy tensionada por nuevas formas de producción.
Hacia el final, el panel volvió a una consigna práctica. Torrado eligió “empezar a probar, trabajar y no esperar” como síntesis de la actitud necesaria frente a este escenario.
Erazo cerró con una advertencia que resumió buena parte del encuentro. “Cuando arranquen a hacer esto, hay que tener en cuenta que es una tecnología que cambia todos los días”, afirmó al señalar que cualquier estrategia de adopción tiene que asumir ese movimiento constante.
¿Qué ejemplos concretos de agentes se están dando hoy?
Durante una presentación técnica, Martín Barreto, director técnico de BigCheese, expuso casos concretos de aplicación de IA agéntica en entornos reales. Los ejemplos se centraron en banca y turismo, con soluciones desarrolladas junto a clientes y orientadas a automatizar procesos y mejorar la experiencia del usuario.
El planteo diferencia a la IA tradicional de los sistemas actuales. Mientras los modelos anteriores se limitan a responder consultas, Barreto explicó que los agentes “entienden la intención y ejecutan acciones”, integrándose con múltiples sistemas para resolver tareas completas.
Caso turismo: recomendaciones contextuales en tiempo real
Uno de los ejemplos presentados fue un agente implementado a través de WhatsApp, diseñado originalmente para brindar información turística sobre Perú.
El sistema permite interactuar en lenguaje natural y procesar consultas considerando el contexto del usuario. Según relató Barreto, el agente fue utilizado en un caso real durante un viaje. Al consultar sobre la posibilidad de visitar Machu Picchu en dos días, el agente no se limitó a brindar información general. En cambio, analizó la situación y respondió que el tiempo no era suficiente, recomendando considerar la aclimatación a la altura.
La respuesta incluyó una sugerencia concreta: dedicar al menos un día en Cusco antes de realizar la visita. Este tipo de interacción refleja el enfoque de la IA agéntica, donde el sistema no solo informa, sino que interpreta y orienta decisiones.
Caso banca: automatización y atención en Itaú
El segundo caso presentado corresponde a una implementación vinculada al banco Itaú, donde los agentes se utilizan para consultas sobre préstamos de consumo.
A través de WhatsApp, los usuarios pueden interactuar con el sistema para obtener información y realizar simulaciones. El agente también admite mensajes de voz, que son transcritos automáticamente para su procesamiento.
Detrás de la interfaz, el funcionamiento se basa en múltiples agentes especializados. Uno se encarga de la transcripción de audio, otro consulta datos del banco y otro ejecuta la simulación del préstamo.
Esta arquitectura permite que el usuario reciba respuestas concretas. En lugar de derivarlo a un sitio web o a un número telefónico, el sistema puede indicar directamente el resultado de una gestión o los pasos ya ejecutados.
Barreto ejemplificó esta diferencia con un caso cotidiano: la entrega de una tarjeta. Mientras un sistema tradicional remite a canales de atención, un agente puede verificar el estado del envío, gestionar una nueva entrega y responder con información precisa.
Además, se presentó el sistema SophIA, utilizado en call centers del banco. Esta solución transcribe las llamadas y permite analizar su contenido mediante inteligencia artificial. A partir de esos datos, se generan métricas sobre motivos de contacto, frecuencia de llamadas y comportamiento de los usuarios. También se incorpora análisis de sentimiento para evaluar la experiencia durante la interacción.
Entre los usos mencionados, se destacó la posibilidad de identificar patrones en consultas vinculadas a campañas específicas. Por ejemplo, detectar problemas recurrentes en promociones y ajustar la comunicación en función de esos datos.
En todos los casos, el objetivo señalado fue reducir tareas repetitivas y liberar tiempo operativo. Según Barreto, esto permite que los equipos se enfoquen en mejorar productos y en la relación con los clientes, manteniendo siempre la supervisión humana en el proceso.
