El ruido puede ser perturbador y el de las últimas semanas lo ha sido. Pero algo importante se salva de los debates en torno a la inteligencia artificial: la inversión de las empresas y el ritmo de adopción no se han visto afectados por el ambiente de suspicacia. La parte más tediosa, centrada en los modelos para entrenamiento y sus batallitas, parece quedar decantada y si no pierde interés se debe a razones geopolíticas. Las empresas se han instalado en el umbral que separa experimentación de producción: muchas lo están cruzando. La pregunta que se hacen no es si la IA funciona: es un hecho que la demanda ha cambiado de sesgo y corre a favor de la inversión en los ahora famosos agentes de IA.

Javier Martinez

A todo esto, en verano no ha habido ocasión para comentar en este blog los resultados de Alphabet en el segundo trimestre. Un 24% de incremento en ingresos es noticia; con más motivo lo es que Google Cloud actúe como motor: nada menos que un 82% de crecimiento: 24.800 millones de ingresos en esta división. Cifra que se complementa con un backlog de 514.000 millones de dólares, una importante expansión del margen operativo y la aceleración de ventas de sus chips TPU a clientes externos.

Quiere decirse que Google Cloud escala, al mismo tiempo que mejora su margen y excede el ritmo de los dos hyperscalers que la preceden en el ranking. Una de las preguntas que surgen de estos avances es el papel que en ellos ha podido jugar la apuesta de la compañía por la empresa agéntica. De manera que, manos a la obra: tocaba entrevistar a Javier Martinez, manager de la ingeniería de Google Cloud en España y Portugal y buen amigo, lo que facilita mucho la conversación. Como se verá, el tema ha sido único y a la vez versátil, como todo en esta compañía: cuál es la estrategia en relación con los agentes de IA, piedra angular para conquistar terreno (y cuota) en el mercado empresarial.

Javi, ya sé que podríamos hablar de otros asuntos, pero hoy vengo con una agenda limitada: necesito ayuda para poner orden en lo poco que sé acerca de los agentes de IA. 

Perfecto, así podemos empezar por la definición, que es buena manera de empezar. En este caso, hay un doble motivo: la palabra agente se ha puesto de moda, pero no todo el mundo la asocia a la misma idea que evoca para su vecino de mesa. Mi definición puede parecer elemental: veo un agente como una aplicación de nuevo tipo que en Ia IA generativa funciona como interfaz.  Y más cosas: el agente se apoya en las capacidades de los modelos para entender qué le preguntan y así construir el plan de lo que debe hacer. A partir de ahí, es capaz de ir dando pasos y de él se dirá que puede darlos porque tiene un bucle de razonamiento para ejecutar acciones y entregar un resultado. En la gran mayoría de los casos, es necesario que esté conectado con otros agentes o bien con servicios preexistentes en la empresa.

¿A dónde nos lleva esa definición? Conste que no veo qué tiene de elemental.

¿A dónde nos lleva? Bueno, ante todo tenemos que asegurarnos de que los últimos cuarenta años de informática se van a entender con esta nueva forma de construir aplicaciones. Gracias a unas skills o herramientas, los agentes deben tener la capacidad de actuar como interfaces, de hablar con esas aplicaciones (antiguas pero vigentes) que están asociadas a un caudal de datos imperdibles. Llevamos ya muchos años “apificando” aplicaciones y servicios, por lo que la mayoría de las organizaciones tienen colecciones de API, con las que los agentes pueden interactuar. Esto es algo cotidiano entre nosotros, en Google o en cualquier otra empresa:  construimos agentes que tienen que convivir con lo existente […] En cuanto a los casos de uso, diría que son tantos como ideas se nos ocurran: algunos, muy potentes, permiten ahorrar tiempo y otros pueden ser triviales, pero funcionan y es lo que importa. Para esto hay que tenerlos ordenaditos, controlarlos y luego ver cómo hacemos para que hablen entre ellos, que es donde aparece otro nivel, que son los agentes de terceros.

Es común que pase con Salesforce, que favorece esa posibilidad y que anda muy activa en la redefinición de su interfaz .

Buen ejemplo. Cuando queremos una información de Salesforce, se la pedimos directamente o bien uno de nuestros agentes `habla´ con el agente de Salesforce. Ahí entra en escena el protocolo A2A, agent to agent, que regula esa comunicación: no deja de ser parecido a una API de las que teníamos antes, pero se ha estandarizado. Y luego está la orquestación, en la que cada fabricante tiene una visión propia. La nuestra es Gemini Enterprise, donde los tenemos agrupados, pero podrían estar separados y cada uno conectar con Salesforce, con Workday o con quien sea. En Gemini Enterprise intentamos ponerlos juntos para que la experiencia de usuario sea uniforme […]

Es decir, así se tiende a conformar un ecosistema – palabra que no me gusta, aprovecho para decirlo en voz alta – pero hasta podría verse como rudimentario […]          

Veo por qué lo dice, pero discrepo […] No vale con tener una herramienta de Google para los agentes de Google, porque el mundo no funciona así: los agentes de Salesforce o de SAP u otros, también cuentan y todos se han puesto a la faena de construir agentes […]

¿El interfaz de cada uno seguirá siendo el mismo que hasta ahora?

Lo más probable es que se abran dos caminos: en algunos casos abriré el interfaz que tengo costumbre de utilizar y en otros tendré que establecer un vínculo entre agentes de diferente procedencia (no es muy distinto de lo que hacíamos con las API). Tenemos la pantalla y tenemos su interfaz, pero por detrás hay una base de datos, hay políticas que aplicar, procesos que implementar, normativas que cumplir […] No creo que sea rudimentario.

Touché. Veo que lo ha simplificado para que hasta alguien como yo lo entienda, pero lo he dicho porque hablamos en unas semanas en las que la IA está invadiendo la conversación pública y los agentes van ganando espacio. 

Normalmente, un proyecto de IA va asociado a un proyecto de data o a un proyecto de analítica, así que todas las herramientas han de acceder a la información, pero, si la información no estuviera ordenada, preparada y catalogada, sería difícil que aportase valor. Lo primero que estamos viendo con este paso hacia el modelo de agentes es un incremento de volumen: en sistemas que antes iban a dar servicio a 200 personas, ahora resulta que esas personas hacen peticiones a la IA generativa y, como se trata de delegar, el potencial de uso se multiplica, con el resultado de que genera más interacciones y la infraestructura debe estar bien dimensionada para soportarlas.

¿Es posible que el crecimiento actual se contraiga pasada la cresta de la ola?

Puede que baje un poco y es probable que lo que ahora estamos viendo sea sólo la fase ascendente y más adelante la gente consuma sólo lo que necesita, pero los antecedentes nos señalan otra tendencia: se prueban agentes que, cuando tienen valor, se siguen usando con intención de permanencia. Yo no apostaría por un retroceso.

Hay y habrá una proliferación de agentes, esto es entendible, pero lo que interesa hoy es la estrategia de Google Cloud.

La apuesta de Google por la IA es muy anterior a la aparición de los agentes y aquella frase de nuestro CEO, “somos una compañía IA first” es muy contundente como compromiso. Le recuerdo que el paper elaborado en Gooogle sobre los Transformers es de 2017 por lo que, para llegar a ese hito, hubo muchísimo trabajo previo durante años. La infraestructura y los centros de datos, Google ya los tenía, por lo que estaba preparada para esa revolución […] Por esos años empezamos a diseñar para construir nuestros chips, conscientes de que el volumen de cómputo que se necesitaría sería enorme. Y fue un acierto /. Modestamente, no creo que nadie pueda decir que tiene una trayectoria como la de Google: desde la infraestructura a los chips y luego a los modelos.

Y unas cuantas cosas más, capas que dan forma a un stack tecnológico completo.

En los modelos, está claro que hay cuatro o cinco compañías occidentales y otras tantas chinas haciendo lo que llamamos modelos de frontera al máximo nivel, más abiertos o más cerrados. Los agentes han venido después, pero cuando hace un par de años pintábamos la foto, nadie hablaba de agentes… todavía. Nosotros sí: hablábamos e invertíamos, pronto pero no prematuramente. Tenemos un entorno de desarrollo que hemos abierto a open source, conocido como ADK, Agent Development Kit […] y así hemos ido construyendo todas las capacidades, la última de ellas la capa de agentes. Puedo decir que Google es el único que sale en todas las fotos: en la de chips, en la de centros de datos e infraestructura con el resto de proveedores cloud; en la de modelos […] Por lo tanto, estamos en una posición privilegiada gracias a que tenemos un montón de componentes, muchos de los cuales son propios y a que garantizamos que  esas capacidades nuestras las controlamos de extremo a extremo.

La capacidad de control ¿es siempre buena o puede ser objetable como factor de dominio?

No hay situación de domino, porque este es un mercado muy dinámico, en el que compiten muchos actores. Desde nuestro punto de vista, nos da agilidad ya que, en el mundo que tenemos por delante, el control de costes va a ser super importante. En los últimos años se han estado consumiendo tokens, una medida de coste energético; muchos servicios han estado subvencionados…lo que se cobraba por ellos era inferior al coste de la solución. En algún momento, los servicios van a tener un coste más un porcentaje de beneficio y entonces veremos cómo evolucionan los precios, imagino que será a la baja.

Ahí queda eso; volvamos a la pluralidad de agentes. Puedo ver la convivencia entre agentes, pero en toda convivencia hay fricción. Y si vamos hacia una sociedad con multiagentes, ¿dónde están los que van a tener que entenderse?, ¿quién los va a reclutar?, ¿quién los va a formar?

Ojalá tuviera esas respuestas. Creo que estamos viendo las primeras rampas de ascenso a la montaña y nos falta mucho por pedalear. Por ejemplo, a las personas a título individual, quedan por ver cambios importantes en el Gemini que hoy tenemos en el teléfono, llámelos asistentes o agentes, pero sin duda van a delegar en otros ¿agentitos? para que hagan cosas en nuestro nombre: reservas de restaurante, gestión del día a día… veremos muy pronto una proliferación de herramientas que ahora mismo se están imaginando o diseñando.

¿EmbutidasEs en un dispositivo?

Sí, así es. Lo que anunciamos en el Google I/O de mayo es que cuando Gemini esté corriendo en el dispositivo, tendrá un interfaz que permita hablar con él en lenguaje natural y aparecerá una funcionalidad llamada spark para que determinadas tareas se hagan en la nube. Ahora mismo, hay una tendencia en Estados Unidos es que alguna  gente va por la calle con el ordenador abierto, con su agente funcionando; invoca modelos que están en la nube, pero el agente está corriendo en el ordenador. La solución, tal como la vemos, es el modo spark, que no es sino un agente corriendo en un servidor cloud y cuando termina envía una notificación para cerrar.

Suena a película […] y parece pensado para vivir en el borde, nunca mejor dicho. En el edge. ¿Es así?

Esa nube puede estar en cualquier sitio; lo único imprescindible es que siempre esté funcionando, que no dependa del dispositivo o de que el usuario interactúe con ella. Esto puede llegar a ser el sueño de mucho usuario personal […] La visión en las empresas va a ser parecida, porque los dos mundos se copian el uno al otro, lo tenemos comprobado.

Es un tópico que hay más tecnología en un dispositivo personal que en un sistema de oficina […]

El impulso empezó a manifestarse con los chatbots y ahora se busca en el mundo profesional. De ahí viene que Google Cloud intente llevar esas capacidades a las empresas para que consuman recursos de agentes que hagamos nosotros o que se los hagan ellas.

[…] un reto a la imaginación de los desarrolladores […]

La pregunta de hacia dónde van los agentes, probablemente pueda responderse diciendo que van a localizarse lo más cerca posible de donde estén los datos. Ahora bien, ¿qué pasa con la orquestación? En mi opinión, esta es una necesidad de los departamentos de sistemas: alguien les cuenta que “disponibiliza” 60 o 70 agentes, ahí los tienen, en un pispas. Ah, pues muy bien, pero vamos a ver cuáles se usan de verdad y cuáles no […] Si no tienen uso significativo o resulta que no son relevantes, ¿para qué pagar por ellos?

Sin llegar a ese extremo, hay que monitorizarlos, saber lo que está pasando […]

Por supuesto, hay que tener controles de seguridad, gestionar permisos […] son tareas del departamento de sistemas.Desde el punto de vista del proveedor, da igual si cobra por token, por número de usuarios o por número de bytes… cuánto más se use, mejor. Esta es una herramienta que nos piden mucho los departamentos de sistemas. Quien está cerca de los datos, manda mucho pero el que tiene capacidad de control es la verdadera fuerza motriz.

¿Qué efecto están teniendo los agentes sobre la arquitectura TI de las empresas?

Una respuesta precisa exigiría tomarse tiempo para experimentar. Ahora mismo, lo que estamos tratando es de encajar con lo existente, por lo que sería muy lógico esperar cambios organizativos en los departamentos de sistema, ya supongo que a los de informática les va a caer la patata caliente. Sí, no se ría que va en serio. Ahora mismo, como se dice que ya no escribimos código y que el SaaS está muerto, ya me entiende… `venga Javi, sácame un programa que haga no sé qué´.

[risas]

Y va Javi y lo hace, puede que le salga algo gracioso, pero sigue faltando conocimiento humano para hacer las preguntas adecuadas y luego para controlarlo. Es posible que el colega de ciberseguridad se lleve las manos a la cabeza y dictamine que hay que hacer un assessment como Dios manda […] y tendrá razón. Quiero decir que, en la medida que los agentes se conviertan en herramientas de negocio, el CEO o alguien en su lugar tendrá que delegar en ellos alguna de sus tareas. Y la gente de tecnología tendrá que validar que el agente cumple todos los requisitos, que tiene copias de seguridad, que escala, etcétera. Pero alguien tiene que verificar que la lógica del negocio está bien empleada.

¿Quiere decir que el departamento de sistemas – o el departamento de agentes, no sé – tendrá que absorber roles de otras áreas de la empresa?

No, absorberlas no. Pero sí estar involucrados, más imbricados. Al final, la clave es que realmente la tecnología hoy es más accesible, no somos alquimistas, pero sigue haciendo falta esa mezcla de saberes.

[…] con la diferencia de que en la ecuación entran unos entes que hemos dado en llamar agentes y pueden tomar decisiones que descalifican la opinión humana, que puede haber sido tomada por una persona con autoridad intelectual 

Pues, ya que lo dice, yo estaría de acuerdo en que, en determinadas circunstancias, el agente, el modelo o el algoritmo tomen la decisión. Para mí, la duda no está ahí sino en quién plantea las preguntas previas a la decisión. Al final, nosotros vamos a seguir siendo los directivos y la herramienta será mejor para bucear en los datos.

Habremos creado un monstruo al que llamamos agente. ¿Debo retirar lo de monstruo?

Bueno, bueno, también hay mucho mito. Los pintamos como robots y predicamos que van a ir por el mundo decidiendo por nosotros, que los hemos creado. En realidad, los agentes saben hacer lo que saben hacer, ni más ni menos. De hecho, la tendencia apunta a hacerlos más atómicos. Como sabe, en este sector llevamos tiempo con el paradigma de los microservicios: en lugar de programas que hagan doscientas cosas, hacer doscientos programas que hagan una sola y que luego, idealmente, hablen entre ellos. Con los agentes, el paradigma puede ir en la misma dirección.

¿Por qué es un paradigma?

Es una convicción emergente a nivel empresarial: contempla que haya agentes para reservar vacaciones, para ver nóminas, para abrir un ticket si tu jefe te ha faltado al respeto […] habrá, no sé, ¿cuarenta? agentes de recursos humanos que no tendrán la facultad de tomar decisiones por sí mismos, pero a medida que les vayamos entregando herramientas, pondrán capacidades en manos de quien tenga la autoridad para decidir.

¿Le parece una tendencia verosímil?

No la veremos en el mercado la semana que viene, pero el pensamiento actual va en esa dirección. Atomizar quiere decir hacer pocas cosas muy focalizadas. Si uno lo piensa un poco, es la forma más eficiente de probar y validar cosas que están funcionando. Si construyes un agente para que haga cien cosas, tendrás que probar cien escenarios y cada vez que hagas un cambio serán muchos más de cien. No estoy divagando; hablo de un problema con el que nos encontramos como industria, la velocidad de ejecución, con esta carrera en la que sacamos modelos nuevos cada cinco, cuatro o tres meses […] Todo el sector está bajo presión de hacer todo más rápido.

Pues qué bien, volvemos al principio: ¿cómo se hace, en el contexto que ha descrito, para que esos agentes novicios se entiendan con el fruto de cuarenta años de informática? El choque podría ser brutal para quien se equivoque.

No sé si llamarlo choque, pero el reto será diferente según cada cual. A quién no estaba “apificado” le costará mucho más; pero el que ya tenía sus aplicaciones convertidas en API, no tendrá mayores problemas, porque los agentes con sus skills lo resolverán muy bien […]

Me temo que saber `hablar´ con las API no es un conocimiento tan extendido por el mundo. 

No lo sé, ni siquiera hay que programar: le digo al agente que esta es la API y esta sus órdenes, lo digiere y está listo. El usuario que no esté “apificado”, ya digo, tendrá que andarse con cuidado porque no puede esperar la misma eficiencia. Porque, vuelvo a lo de antes, la agilidad y los tiempos de desarrollo son más exigentes, esto no hay quien lo niegue. Mire: hemos hablado poco de Google Cloud y está bien que así sea, pero tenemos lo que llamamos Universal Commerce Protocol (UCP), un estándar para hacer transacciones entre agentes: es open source, lo adopta quien quiera y no puedo adivinar si será el protocolo que triunfe dentro de dos años. Este es el problema: hay quienes cuestionan el protocolo MCP pero ¿cuánto lleva existiendo? Sólo dos años, menos de tres, creo. Nuestro ADK lleva año y medio y LangChain creo que tres años. Me quedo con una idea maestra, la velocidad: hace año y medio no hubiéramos pasado tantos minutos hablando de agentes. Yo no me arrepiento […]