UBA IALAB

𝗣𝗲𝗿𝗳𝗶𝗹𝗲𝘀 𝗱𝗶𝗴𝗶𝘁𝗮𝗹𝗲𝘀 𝗵𝘂𝗺𝗮𝗻𝗼𝘀 𝗰𝗼𝗻 𝗲𝗹 𝗻𝘂𝗲𝘃𝗼 𝗺𝗼𝗱𝗲𝗹𝗼 𝗱𝗲 𝗚𝗲𝗺𝗶𝗻𝗶 𝗣𝗲𝗿𝘀𝗼𝗻𝗮𝗹𝗶𝘇𝗮𝘁𝗶𝗼𝗻 (𝗘𝘅𝗽𝗲𝗿𝗶𝗺𝗲𝗻𝘁𝗮𝗹) 🚀 Lo que escribimos junto a Carina Papini en 2019 se confirmó. Si ya te acostumbraste a que “tu algoritmo" de youtube, instagram o Spotify te muestre tus gustos y preferencias, ahora este paradigma llegó a Google y a tu historial de búsquedas en la IA generativa.  Dentro de la oferta de modelos de IA de Gemini, ahora podés usar Gemini personalization (experimental) para : • ✅ Proporcionar respuestas más informadas y adaptadas a los intereses del usuario. • 🧠 Recordar información implícita para comprender mejor el contexto. • 🔄 Facilitar la continuidad de investigaciones y tareas. De hecho tenés que aceptar que pueda acceder a todas tus búsquedas.  Este tema lo venimos trabajando junto con Carina Papini desde que publicamos Perfiles digitales humanos en 2020, continuamos profundizándolo en Tratado de IA y Derecho en el 2021 y luego en sus actualizaciones con Giselle Heleg. De hecho, lo llamamos "La potencia de los perfiles digitales humanos a partir del uso de modelos de IAGEN". Esta dinámica genera beneficios, desafíos y riesgos inéditos, ya que estamos asistiendo a un nivel de perfilamiento ultra sofisticado y detallado. Antes de que este modelo este disponible, dijimos lo siguiente: • 🤝 La lógica de interacción se transforma: ya no se trata solo de recibir y comparar contenido, sino de establecer un vínculo directo humano-máquina en el que el usuario introduce datos de todo tipo y se genera una conversación dinámica y personalizada. Muchas veces, los usuarios comparten vivencias y datos sensibles, y la IAGEN les “da la solución”. • 🔄 El paradigma de recomendación cambia radicalmente: el usuario ajusta y corrige las respuestas, permitiendo la construcción de perfiles precisos a partir de datos explícitos (lo introducido), implícitos (lo deducido) y sintéticos (generados por la IA). • ⚠️ Esta evolución mejora la precisión de las predicciones y recomendaciones, pero también plantea desafíos en términos de privacidad y trazabilidad, replicando lógicas propias de las redes sociales. Si viste el documental de Netflix "el dilema de las redes sociales", este nuevo paradigma que se asoma será mucho más disruptivo y desafiante. Una de las claves será compatibilizar este modelo con otros usos de IA. El perfilado que cambió el paradigma de las redes socialaes, será el nuevo protagonista de los modelos de IA generativa.

🚀𝗘𝗹 𝗮𝘀𝗰𝗲𝗻𝘀𝗼 𝗱𝗲 𝗹𝗼𝘀 𝗔𝗴𝗲𝗻𝘁𝗲𝘀 𝗱𝗲 𝗜𝗔 ¿𝗬 𝗲𝘀𝘁𝗼… 𝗰𝗼𝗻 𝗾𝘂𝗲́ 𝘀𝗲 𝗰𝗼𝗺𝗲? 📢Presentamos el primer libro de Latinoamérica sobre la "IA agéntica". Con este nuevo hype también vuelven los clásicos: “eso no es un agente de IA”, “para que quiero un agente de IA” o una que conocemos todos: “metamos agentes de IA aunque no sepamos bien si eso es lo que nos sirve”. 📖El libro parte de la implementación y de ahí hacia la teoría. Hemos piloteado diversos workflows agénticos y evidenciamos que van a revolucionar nuestra forma de trabajar. Junto a Mariana Sanchez Caparrós, un gran equipo, Mauricio Agudelo, Christian Asinelli y CAF -banco de desarrollo de América Latina y el Caribe-., te mostramos cómo podemos "comernos" la IA agéntica. 🔎𝗤𝘂𝗲́ 𝘁𝗲 𝗰𝗼𝗻𝘁𝗮𝗺𝗼𝘀 𝗲𝗻 𝗲𝗹 𝗹𝗶𝗯𝗿𝗼? 💡 Los agentes de IA no son a todo o nada. Se presentan en niveles o escalas. La autonomía y adaptabilidad son la clave y los workflows agénticos con mayor autonomía pueden gestionar múltiples tareas punta a punta sin intervención humana. 𝗔𝗴𝗲𝗻𝘁𝗲𝘀 𝗔𝘂𝗺𝗲𝗻𝘁𝗮𝗱𝗼𝘀 𝗽𝗼𝗿 𝗛𝘂𝗺𝗮𝗻𝗼𝘀. Nuestro rol se redefine en función de momentos críticos. Los agentes de IA reeditan la discusión sobre “si el fin justifica los medios”. Aquí es clave alinear los sub-objetivos al inicio. 🔧También desarrollamos los Componentes esenciales de los agentes impulsados por IA generativa y una taxonomía de agentes. Los agentes base impulsados por IA Gen, los sistemas multiagente o también llamados “enjambre de agentes” van a generar desafíos inéditos. Los agentes derivados y los agentes orquestadores se unen para redefinir la experiencia SaaX (software como experiencia).  🌍¿Dónde se pueden desplegar o programar agentes de IA y workflows agénticos? Describimos diversos Frameworks técnicos para la automatización agéntica. Desde opciones de código abierto hasta soluciones propietarias. Cada vez será más fácil diseñar y desplegar agentes. 📊 ¡𝗘𝗹 𝗳𝘂𝘁𝘂𝗿𝗼 𝗲𝘀 𝗔𝗚𝗘́𝗡𝗧𝗜𝗖𝗢! Según Gartner, para 2028 el 33% de las aplicaciones empresariales incluirán IA agéntica. Actualmente menos del 1% lo son, además de que también se estima que el 15% de las decisiones laborales serán autónomas. Para Google el 82% de los ejecutivos planea integrar agentes de IA en los próximos 3 años.🤯 ⚡Si observamos el impacto que tienen los autos autónomos en el proceso de conducción, podemos extrapolar lo que ocurrirá con la implementación de agentes que transformarán la automatización. Cuando desplegamos estos workflows agénticos en casos reales, adveritmos un gran desafío: es monumental la brecha que van a generar en relación con la madurez tecnológica de las organizaciones de Latinoamérica. ⏳ Tenemos que empezar por gestionar la obsolescencia constante y redefinir radicalmente nuestra forma de trabajar. 👉🏻Descargá el libro aca: https://lnkd.in/d8PAhZ8z

🤖𝗔𝗴𝗲𝗻𝘁𝘀 𝗦𝗮𝗮𝗫: 𝗰𝗮𝗺𝗯𝗶𝗮𝗻𝗱𝗼 𝗲𝗹 𝗽𝗮𝗿𝗮𝗱𝗶𝗴𝗺𝗮 𝗱𝗲 𝗹𝗮 𝗮𝘂𝘁𝗼𝗺𝗮𝘁𝗶𝘇𝗮𝗰𝗶𝗼́𝗻 💡La llegada de 𝗦𝗮𝗮𝗦 (Software as a Service) supuso un gran salto: se alojaban sistemas en la nube y las organizaciones no tenían que lidiar con instalaciones eternas. Con el tiempo, volvieron los clásicos “esto no se puede modificar”, es “demasiado caro” y la sentencia final: “no se toca” cuando algo ya estaba validado. 👉Los avances en agentes de IA, workflows agénticos flexibles y la ola “no code” impulsan un giro radical que desde UBA IALAB llamamos SaaX (Software as eXperience) y AaaS (Agent as a service. La prioridad ya no es “hacemos lo que se puede”,  sino "cómo lo queremos implementar". Pensemos en una orquesta: 🎼𝗘𝗹 𝘂𝘀𝘂𝗮𝗿𝗶𝗼 𝗰𝗼𝗺𝗼 “𝗕𝗮𝗿𝗲𝗺𝗯𝗼𝗶𝗻” No es un consumidor que recibe órdenes, sino quien decide con precisión cómo y dónde se toca la música. Como Tony Stark y la IA Jarvis, puedo automatizar muchas tareas como agendar mis reuniones, pagar facturas y generá informes, sin que ello implique saber programar. 𝗘𝗹𝗲𝗰𝗰𝗶𝗼́𝗻 𝗱𝗲 𝗘𝘀𝗰𝗲𝗻𝗮𝗿𝗶𝗼: 𝗢𝗻 𝗣𝗿𝗲𝗺𝗶𝘀𝗲, 𝗛𝗶́𝗯𝗿𝗶𝗱𝗼 𝗼 𝗲𝗻 𝗹𝗮 𝗡𝘂𝗯𝗲 Mientras 𝗦𝗮𝗮𝗦 se enfoca en servidores remotos, 𝗦𝗮𝗮𝗫 brinda la opción de: 🔐On Premise: Control interno de los datos. 🌐Híbrido: Interacción equilibrada entre local y remoto. ☁️Nube: Inmediatez y escalabilidad global. Así, el verdadero control recae en quien lidera la orquesta, no en un único proveedor. ⚡𝗟𝗼𝘀 𝗻𝘂𝗲𝘃𝗼𝘀 𝗺𝘂́𝘀𝗶𝗰𝗼𝘀: 𝗮𝗴𝗲𝗻𝘁𝗲𝘀 𝗱𝗲 𝗜𝗔 Tenemos que transformar la burocracia digital en donde cada mínima variación se demoraba por múltiples autorizaciones. Los agentes de IA, en SaaX, coordinan tareas, ajustan flujos al segundo y entienden los matices de cada contexto. En SaaS la persona tiene que tocar los instrumentos, en SaaX los humanos dirigen a los agentes de IA que ejecutan la partitura de tu organización. 🏗️𝗗𝗲 𝗹𝗮 𝗦𝘂𝘀𝗰𝗿𝗶𝗽𝗰𝗶𝗼́𝗻 𝗮 𝗹𝗮 𝗘𝘅𝗽𝗲𝗿𝗶𝗲𝗻𝗰𝗶𝗮 Tenemos que evolucionar hacia un paradigma "traje a medida" en vez de adaptarnos a los "paquetes de sofware" o "licencias rígidas". El usuario define la experiencia de automatización y su intensidad. También elige su escenario (on premise, híbrido o nube) y qué rol les dará a los agentes de IA. 🎯𝗣𝗼𝘀𝘁𝗹𝘂𝗱𝗶𝗼: el tsunami que vivimos de innovación nos permite cambiar “esto es lo que hay” por “así quiero que suene”. Todo este combo hace resurgir con más fuerza el rol humano para editar y supervisar las decisiones agénticas; un Chief IA Officer y un equipo bien preparados pueden potenciar la competitividad y el valor agregado. Para que sea un auténtico paradigma, en Agents SaaX es clave  incorporar sintiencia y empatía para humanizar masivamente los procesos. La  automatización para aumentar la productividad y la eficiencia, debería ser el punto de partida y no el punto de llegada.

Dos años de ChatGPT: ¡parece que hubiesen sido 30! 💣 En noviembre de 2022 comenzó un tsunami de IA generativa con el lanzamiento de ChatGPT. Esa primera versión del modelo, hoy parece una tienda Blockbuster si la comparamos con el ecosistema dinámico y multimodal que hoy ofrece OpenAI y muchas otras empresas🔮. 👀 Desde entonces somos testigos de un Tsunami de hitos: Desde escándalos empresariales y debates legislativos, hasta profecías sobre la llegada de máquinas superinteligentes al estilo Skynet de Terminator. 🚀 En solo dos años podemos “hablar” con cualquier formato de información, crear clones digitales indistinguibles de humanos, y manipular texto como si fuéramos Robert Downey Jr. con su Jarvis en Iron Man 🤖. La IA generativa es capaz de convertir pedidos e instrucciones en respuestas al estilo “genio de la lámpara de Aladino”🧞♂️. 🧠 Pero hay algo más profundo: esta tecnología licua todo el tiempo y espacio que se requería para avanzar en la construcción de conocimiento🌪️. Fragmentos de conocimiento humano que ni siquiera podemos dimensionar que existe en internet, se ofrecen a las personas en un formato de “comodity” probabilístico, basado en predicciones masivas en tiempo real. 🤯 La aceleración y magnitud de esta transformación es excepcional y por eso, junto con María Victoria Carro y el equipo FAIR escribimos y compartimos este documento que relata los principales hitos de lo que aconteció con ChatGPT y la IA generativa.  Lo que parece el avance de tres décadas de innovación, ha sucedido en apenas dos años. 🎬 Soy muy cinéfilo y me encanta recrear escenas icónicas. En las últimas presentaciones o conferencias que doy, en el cierre muestro un fragmento de la película que se lanzó en 1999 y que este año cumple 25 años: The Matrix. Las últimas palabras de Neo, en la escena final, describen muy bien lo que estamos viviendo: "Se que estás ahí,  sé que tienes miedo de nosotros, qué tienes miedo del cambio. No conozco el futuro y no vine a decirte cómo terminará esto. Vine a decirte cómo va a empezar (...) les voy a mostrar un mundo sin fronteras ni límites, un mundo donde todo es posible. Desde donde vayamos desde ahí, es una elección que te dejo a ti" ✨ Not by AI. Hecho 100% por humanos 💡 👉🏻Mirá el documento completo acá: https://lnkd.in/dDvbrB-g

🎯El ascenso de la IA sin programar. Predecir y automatizar tu 80/20.  Hace siete años, predecir y automatizar en organizaciones sobre tareas estandarizadas, era imposible sin la ayuda de programadores de vanguardia, mucho tiempo, un gran equipo y un proceso de etiquetado, revisión y entrenamiento de datos. Esto pasó con Prometea, el primer sistema predictivo que se convirtió en un caso de éxito internacional. 🌟En 2024, podés predecir y automatizar con tasas de acierto asombrosas, trabajando con dos personas expertas en el proceso, sin programar, en dos meses y pagando una licencia de 20 dólares. 🔍La metodología UBA IALAB que hoy les comparto, la probamos en muchas organizaciones y es increíblemente eficiente, transparente, explicable y trazable. 🔄Tiene cuatro fases principales. 1️⃣ Usar los grandes modelos de lenguaje con mayor tasa de acierto (ChatGPT, Claude, Copilot) para extraer patrones de casos que se riteran. Pedidos de proveedores, mail y cualquier clase de documento. 2️⃣El usuario “cura” esos patrones de los documentos en función de subgrupos de decisiones que adopta en función de cada uno. 3️⃣ Se “ancla” al modelo usando patrones que se agrupan en función de los modelos o templates de respuestas. 4️⃣ Se ejecutan con prompts optimizados, catálogo de patrones y modelos que pueden ser introducidos en Gpts, agentes o bien en el formato tradicional de prompting humano. Logramos que ChatGPT, Claude o Copilot adapten modelos de 10 páginas o más, sin ningún error. 💡Convertir cajas negras en cajas blancas La mayor virtud de esta metodología, se basa en darle trazabilidad, estabilidad y explicabilidad a las predicciones de IA generativa. Se reduce casi a cero las alucinaciones y se le pone un “freno” al modelo para que no tenga autonomía para predecir. 📊Los números que comparto son bastante increíbles, y se basan en aplicaciones reales en diferentes organizaciones. Es ideal para el sector público y para las empresas que necesitan garantizar transparencia y explicabilidad en las predicciones.