Este fin de semana, en el podcast de Dwarkesh, Karpathy ha ido al grano:

Overall, the models are not there. The industry is making too big of a jump and pretending this is amazing. And it’s not — it’s slop! Maybe they are just trying to fundraise…

Sus palabras han levantado mucha polémica… pero también muchas verdades incómodas.

En mi experiencia confirmo en el IIC parte de este diagnóstico:

Trabajar con agentes IA hoy en día puede ser como sudar tinta china para sacar un proyecto adelante. Y sí, muchos casos de uso se fuerzan solo por seguir la moda.

Ahora bien, cuando das con el caso de uso adecuado… merece la pena.

Los agentes IA no vienen a solucionar los problemas de la IA generativa.
Más bien, pueden amplificarlos si se usan sin criterio. Si ya solo el 5% de los proyectos de IA generativa llegan a producción, con agentes esa cifra podría ser incluso menor.

¿Cómo mejorar esta tasa de éxito?

1. Usar agentes en procesos donde no son necesarios (sí, has leído bien). Cuando el pipeline es prácticamente determinista, no fallan. Eso sí: encarecen los costes frente a una automatización tradicional.
2. Seleccionar casos de uso con un ROI muy claro y donde otras tecnologías serían mucho más costosas.

Como no querrás estar en 1, y te gustarías estar en 2 vas a necesitar:

• Un análisis serio y honesto de tus necesidades.
• Una metodología robusta.
• Un equipo experimentado.
• Iteración constante hasta cerrar el ROI.

Conclusión: Ni apocalipsis zombi ni solución mágica. Los agentes IA son una herramienta poderosa, pero solo cuando se aplican con pragmatismo, criterios de negocio y un equipo sólido.