El equipo de Vercel comparte su experiencia práctica en la creación de agentes inteligentes: Los agentes inteligentes no son una panacea, sino herramientas prácticas para escenarios específicos, especialmente adecuadas para tareas sencillas con alta repetición y baja carga cognitiva. Antecedentes y propósito Vercel, una plataforma especializada en desarrollo e implementación front-end, reconoce el potencial de los agentes de IA en las empresas, por ejemplo, para mejorar la eficiencia en la atención al cliente, la revisión de código o las operaciones de ventas. Su objetivo principal es compartir cómo utilizan sus propios productos (como el conjunto de herramientas de IA de Vercel) para crear agentes internos personalizados, liberando a los equipos de tareas tediosas y permitiéndoles centrarse en misiones de alto valor. El equipo considera que elegir los problemas adecuados es fundamental: si bien los modelos de IA actuales son potentes, su fiabilidad es limitada. Las empresas deben priorizar la resolución de problemas donde la IA puede desempeñar la tarea y donde los beneficios para el negocio son evidentes, en lugar de lanzarse indiscriminadamente a aplicaciones complejas. Crear agentes inteligentes no es tarea fácil. El equipo se enfrentó a dos grandes desafíos: primero, determinar qué problemas son adecuados para las soluciones de IA actuales (muchas tareas, como la revisión de código de alta precisión, aún requieren recursos de ingeniería humana para su implementación); y segundo, las limitaciones de los modelos, como la inestabilidad en escenarios dinámicos o de alta carga cognitiva, lo que dificulta cuantificar la rentabilidad. Además, las empresas suelen carecer de la capacidad de ingeniería necesaria para una implementación a gran escala, lo que provoca que muchos experimentos de IA se queden en la fase de prototipo. La experiencia de Vercel sugiere comenzar con la simplicidad y evitar considerar a los agentes inteligentes como «herramientas mágicas totalmente automatizadas». Las principales lecciones aprendidas por el equipo destilaron varias ideas prácticas basadas en la experimentación entre equipos, haciendo hincapié en la combinación de iteración y supervisión humana: Priorizar tareas de baja carga cognitiva y alta repetitividad: Actualmente, la forma más fiable de agentes inteligentes se centra en gestionar tareas mecánicas que resultan tediosas para los humanos, como la introducción de datos, la investigación preliminar, la selección de candidatos o la priorización de problemas. Estas tareas son lo suficientemente predecibles para que la IA las ejecute de forma fiable, pero son demasiado dinámicas para automatizarlas mediante scripts tradicionales; este es precisamente el ámbito de especialización de la IA. • Comience por abordar los puntos débiles del equipo: Recomendamos identificar oportunidades a través de entrevistas sencillas, como preguntar "¿Cuál es la parte más molesta de su trabajo?" o "¿Qué tareas desearía que nunca se repitieran?". Este enfoque puede identificar rápidamente proyectos de automatización sencillos que pueden conducir a aumentos de productividad cuantificables (como ahorros de tiempo del 50 % o más). • Integrar mecanismos de supervisión humana: Los agentes inteligentes deben diseñarse en modo semiautónomo, sometiéndose a revisión humana antes de tomar decisiones críticas (como las de seguridad o seguimiento de ventas). Esto equilibra la eficiencia y la precisión, evitando los riesgos asociados a las ilusiones de la IA. • Las herramientas de código abierto aceleran el desarrollo: Vercel compartió plantillas reutilizables, como la función generateObject para la categorización inteligente, para ayudar a los desarrolladores a crear flujos de trabajo rápidamente. Estas lecciones resaltan una perspectiva profesional: los agentes de IA son herramientas incrementales, no cambios disruptivos, y deben integrarse profundamente con los procesos existentes. El equipo del estudio de caso ilustra vívidamente la aplicación de las lecciones aprendidas a través de dos proyectos internos: Agente de gestión de clientes potenciales: Lo que antes requería un equipo de 10 personas para investigar manualmente los clientes potenciales del sitio web, categorizarlos y redactar correos electrónicos de seguimiento, ahora se automatiza con un nuevo agente que investiga la información de la empresa, genera correos electrónicos personalizados y envía los resultados a un equipo humano para su aprobación a través de Slack. Resultado: El equipo se redujo en 9 personas, lo que permitió centrarse en tareas de ventas más complejas y mejorar significativamente la eficiencia. • Agente antiabuso: El equipo de seguridad lo utiliza para gestionar informes (como phishing y spam). El agente analiza automáticamente el contenido visual y textual de las URL, recomienda opciones de gestión y las remite a los ingenieros para su revisión. Resultados: El tiempo de resolución de incidencias se redujo un 59 %, lo que permitió al equipo centrarse en casos excepcionales. Dirección del blog
