Si tienes curiosidad sobre el futuro de la inteligencia artificial y c\u00f3mo los agentes inteligentes est\u00e1n transformando el mercado, vale la pena revisar el 95\u00ba DS&ML Meetup de Nubank, con el especialista en IA Sandeco Macedo. En esta edici\u00f3n, nos sumergimos en c\u00f3mo los agentes inteligentes, los Large Language Models (LLMs) y las interfaces conversacionales est\u00e1n moldeando el futuro y abriendo nuevas oportunidades para la innovaci\u00f3n y la productividad.<\/p>\n\n\n\n
Sandeco es doctor por la Universidad Federal de Goi\u00e1s y profesor tanto en el Instituto Federal de Educaci\u00f3n, Ciencia y Tecnolog\u00eda de Goi\u00e1s como en la propia UFG. Autor de seis libros sobre inteligencia artificial y creador de un canal de YouTube con miles de seguidores, trajo al meetup una presentaci\u00f3n rica en contenido e ideas, destacando la relevancia actual de los agentes inteligentes en el panorama tecnol\u00f3gico.<\/p>\n\n\n\n
Los agentes inteligentes son sistemas capaces de percibir su entorno, tomar decisiones basadas en esas percepciones y actuar para alcanzar objetivos espec\u00edficos. Se pueden entender como entidades aut\u00f3nomas \u2014como asistentes virtuales o procesos automatizados\u2014 que operan de forma independiente, guiadas por reglas, metas o mecanismos de aprendizaje.<\/p>\n\n\n\n
Sandeco explic\u00f3 que estos agentes van desde sistemas reactivos simples, como luces autom\u00e1ticas activadas por sensores de movimiento, hasta agentes m\u00e1s sofisticados que utilizan algoritmos avanzados de machine learning (ML) y deep learning (DL). Mientras que los sistemas reactivos solo responden a est\u00edmulos sin memoria, los m\u00e1s avanzados analizan datos hist\u00f3ricos, detectan patrones y adaptan sus acciones de forma din\u00e1mica.<\/p>\n\n\n\n
Un buen ejemplo son los sistemas de recomendaci\u00f3n de Netflix o Amazon, que personalizan la experiencia del usuario seg\u00fan sus comportamientos y preferencias previas.<\/p>\n\n\n\n
Para entender en profundidad a los agentes inteligentes, volvimos a una pregunta fundamental planteada por Alan Turing en 1950: \u00bfPueden pensar las m\u00e1quinas?. A partir de ese interrogante, propuso el famoso Test de Turing: un experimento que busca determinar si una m\u00e1quina puede comportarse de manera indistinguible a un ser humano.<\/p>\n\n\n\n
En el test, una persona interact\u00faa por texto con una m\u00e1quina y con otro ser humano, sin saber cu\u00e1l es cu\u00e1l. Si no puede diferenciarlos con certeza, se considera que la m\u00e1quina ha demostrado inteligencia. Para Turing, la clave estaba en la imitaci\u00f3n \u2014una idea que sigue en el centro del debate sobre la IA. Los agentes inteligentes no tienen conciencia: imitan comportamientos humanos. Sandeco destac\u00f3 que esto incluye tanto acciones positivas como patrones problem\u00e1ticos, lo que refuerza la necesidad de gu\u00edas \u00e9ticas y supervisi\u00f3n humana en el desarrollo de la IA.<\/p>\n\n\n\n
Uno de los momentos m\u00e1s destacados del meetup fue la explicaci\u00f3n sobre los LLMs \u2014los grandes modelos de lenguaje que est\u00e1n en la base de tecnolog\u00edas como ChatGPT, Claude, Gemini, DeepSeek y Grok.<\/p>\n\n\n\n
Estos modelos utilizan una arquitectura llamada transformers, ideal para trabajar con datos secuenciales, lo que los hace extremadamente eficientes en el procesamiento de lenguaje natural. Sandeco explic\u00f3 el concepto de tokenizaci\u00f3n: los textos se dividen en unidades m\u00e1s peque\u00f1as llamadas tokens (palabras o subpalabras), y los LLMs aprenden a predecir cu\u00e1l ser\u00e1 el siguiente token a partir de patrones entrenados.<\/p>\n\n\n\n
Por ejemplo, ante la frase \u201cLa capital de Brasil es…\u201d, el modelo predice con alta probabilidad que el pr\u00f3ximo token ser\u00e1 \u201cBrasilia\u201d. Al repetir este proceso miles de millones de veces, los LLMs logran generar textos coherentes y naturales, imitando el lenguaje humano con fluidez.<\/p>\n\n\n\n
Uno de los temas m\u00e1s emocionantes de la noche fue la conversaci\u00f3n sobre Crew AI, una biblioteca desarrollada por una startup brasile\u00f1a valorada en aproximadamente R$300 millones y reconocida por gigantes como Nvidia. Con el respaldo de referentes como Andrew Ng, Crew AI permite construir agentes inteligentes organizados en equipos colaborativos y jer\u00e1rquicos, similares a una estructura empresarial.<\/p>\n\n\n\n
Esta biblioteca permite automatizar flujos de trabajo complejos, como la gesti\u00f3n de procesos empresariales o la coordinaci\u00f3n de tareas entre m\u00faltiples agentes. Representa un avance significativo: agentes que se comunican, se delegan tareas y resuelven problemas en conjunto, de manera eficiente.<\/p>\n\n\n\n
Durante el evento, Sandeco realiz\u00f3 una poderosa demostraci\u00f3n pr\u00e1ctica. Mostr\u00f3 c\u00f3mo un agente puede automatizar tareas relacionadas con redes sociales: procesar y mejorar una imagen, generar una descripci\u00f3n contextualizada y divertida, y crear un texto atractivo para la publicaci\u00f3n \u2014todo de manera aut\u00f3noma.<\/p>\n\n\n\n
Los agentes, trabajando en conjunto, ejecutaron el proceso de principio a fina, incluyendo la publicaci\u00f3n autom\u00e1tica en Instagram. Un verdadero pipeline de Texto a Acci\u00f3n. Este ejemplo dej\u00f3 claro el potencial de los agentes inteligentes para reducir la intervenci\u00f3n humana y liberar tiempo para que las personas puedan enfocarse en la creatividad y la toma de decisiones estrat\u00e9gicas.<\/p>\n\n\n\n
Sandeco tambi\u00e9n abord\u00f3 el tema de las interfaces conversacionales, que est\u00e1n ganando espacio como alternativa a las interfaces gr\u00e1ficas tradicionales. Estas interfaces \u2014basadas en texto o en voz\u2014 permiten que las personas interact\u00faen con la tecnolog\u00eda de forma natural, simplificando por completo la experiencia de uso.<\/p>\n\n\n\n
En una demostraci\u00f3n en vivo, Sandeco interactu\u00f3 con un agente a trav\u00e9s de WhatsApp. Le pidi\u00f3, por ejemplo, que identificara los productos y vendedores con mayores ventas dentro de una base de datos en formato CSV. El agente no solo entendi\u00f3 el pedido, sino que tambi\u00e9n gener\u00f3 c\u00f3digo en Python, proces\u00f3 los datos y respondi\u00f3 con un mensaje de audio, entregando insights claros y \u00fatiles. Fue una muestra impresionante de c\u00f3mo estas interfaces pueden transformar el acceso a la informaci\u00f3n y la toma de decisiones.<\/p>\n\n\n\n
Para cerrar el encuentro, Sandeco reflexion\u00f3 sobre el rol de las personas desarrolladoras en un mundo cada vez m\u00e1s potenciado por la inteligencia artificial. Seg\u00fan \u00e9l, estamos entrando en una nueva etapa de pair programming con IA \u2014una verdadera colaboraci\u00f3n entre humanos y m\u00e1quinas.<\/p>\n\n\n\n
Estos agentes no reemplazan a las personas, sino que ampl\u00edan nuestras capacidades, asumiendo tareas repetitivas y operativas. Esto permite que los profesionales se enfoquen en innovar y resolver problemas complejos. El mensaje de Sandeco fue claro: veamos la IA como una aliada, no como una amenaza. Evaluemos nuestras tareas actuales, identifiquemos lo que puede automatizarse y empecemos a construir habilidades para el futuro.<\/p>\n\n\n\n
A medida que la inteligencia artificial sigue evolucionando, entender los agentes inteligentes y sus aplicaciones ya no es un diferencial \u2014es esencial. En Nubank, seguimos comprometidos con la innovaci\u00f3n y con compartir conocimiento que empodere a las personas. Vamos a explorar juntos el futuro de la tecnolog\u00eda \u2014con responsabilidad, creatividad y prop\u00f3sito. Construyamos juntos el futuro morado.<\/p>\n\n\n\n