Los avances y desafíos actuales de los agentes de inteligencia artificial basados en modelos de lenguaje de gran escala
Los agentes de IA basados en modelos de lenguaje avanzados muestran un gran potencial, pero aún enfrentan limitaciones que afectan su utilidad y fiabilidad.
La evolución de los agentes de inteligencia artificial, especialmente aquellos basados en modelos de lenguaje de gran escala, genera gran interés y expectativas en distintos ámbitos tecnológicos. Desde mediados de julio es posible experimentar con productos como ChatGPT Agent, que simula comportamientos similares a los humanos para realizar tareas de forma autónoma. Sin embargo, pese a los avances, todavía existen desafíos importantes que limitan su funcionalidad y fiabilidad.
Estos agentes de IA muestran capacidades para realizar tareas independientes, como hacer reservas o compras en sitios web y tomar decisiones en varias etapas, pero enfrentan problemas relevantes. Entre ellos están errores en el reconocimiento de datos, hallazgos falsos en códigos, dificultades para gestionar sitios que requieren inicio de sesión y comportamientos erráticos o poco fiables. Estas limitaciones dificultan su uso en decisiones críticas sin revisión humana previa.
Uno de los aspectos más destacados es el elevado consumo de energía y recursos, lo que evidencia un posible impacto en el empleo si se perfeccionan estas tecnologías. Si se minimizan o eliminan errores frecuentes —como la generación de información incorrecta o resultados falsos—, estos agentes podrían desempeñar un papel aún más relevante en tareas automatizadas y de soporte en distintas industrias.
En la práctica, los usuarios han experimentado con tareas diversas, como programar juegos, analizar datos, gestionar imágenes y recopilar información de vídeos, con resultados variables. En algunos casos, el agente genera códigos funcionales en pocos minutos; en otros, presenta errores en la interpretación de datos o en la ejecución de funciones complejas, como manejar sitios con inicio de sesión o extraer información específica de páginas web. Estos fallos, aunque mejoran en algunos aspectos, todavía requieren revisión y corrección manual, lo que limita su utilidad en ámbitos que exigen alta precisión.
Además, se evidencian limitaciones en la interacción con servicios que requieren autenticación, donde el agente no puede acceder a cuentas personales por motivos de seguridad, y en el uso de navegadores web integrados, que todavía presentan fallos y problemas de seguridad. La gestión de resultados, como archivos e imágenes, también muestra errores menores pero relevantes, que reflejan un proceso todavía muy experimental, lejos de la perfección y confianza necesarias para tareas críticas.
A pesar de estas dificultades, el potencial de los agentes de IA sigue siendo claro. Con mejoras en su precisión, menor consumo de recursos y mayor autonomía, podrían transformar muchas áreas laborales, automatizando procesos antes considerados complejos. Sin embargo, en su estado actual, estos agentes requieren supervisión y corrección humana, y se advierte que la dependencia excesiva puede introducir riesgos de errores significativos y hallazgos falsos, especialmente en decisiones que afectan a terceros o articulaciones estratégicas.
En conclusión, los agentes de IA basados en modelos de lenguaje de última generación representan un avance prometedor, pero aún enfrentan desafíos importantes en fiabilidad, eficiencia y seguridad. Su perfeccionamiento será crucial para que puedan reemplazar o complementar tareas humanas de forma efectiva y segura en el futuro cercano.