La IA está pasando de “Saber” a “Hacer”

Hiram Monroy Rocha, Director, Commercial Sales para Latinoamérica Hispana en AMD

La inteligencia artificial está entrando en una nueva fase: una que se extiende más allá de la productividad digital y la mera generación de tokens hacia el mundo físico y la automatización de procesos mediante la IA Agéntica.

Durante los últimos años, la IA se ha definido en gran medida por sistemas que comprenden, generan y recomiendan información. Los grandes modelos de lenguaje (LLM, por sus siglas en inglés), los asistentes de IA y los copilotos han cambiado fundamentalmente el trabajo del conocimiento al ayudar a las personas a buscar, resumir, crear contenido y mejorar la toma de decisiones. Esta primera ola de IA generativa ha estado centrada en la generación de tokens y ha tenido como gran protagonista a la GPU en la nube.

La próxima ola será fundamentalmente diferente. En lugar de limitarse a comprender o generar información, se espera cada vez más que la IA evolucione hacia una IA Agéntica capaz de ejecutar acciones e interactuar con el mundo físico para automatizar procesos complejos.

Los robots trabajarán junto a las personas en las plantas de fabricación. Los vehículos autónomos percibirán y responderán de forma continua a su entorno. Los sistemas médicos asistirán a los profesionales de la salud con diagnósticos y toma de decisiones en tiempo real. La infraestructura inteligente supervisará, optimizará y responderá sin necesidad de intervención humana constante. Esta transición representa mucho más que una aplicación adicional de la IA; marca un cambio fundamental en lo que se espera que haga la IA: pasar de generar contenido a ejecutar acciones y automatizar procesos.

A medida que la IA se traslada de la nube y los entornos digitales a los sistemas físicos, la inteligencia ya no debe limitarse a saber. Los sistemas de IA Agéntica, como los robots autónomos, también deben percibir, decidir y, en última instancia, actuar en tiempo real, garantizando la seguridad funcional y operando bajo estrictas restricciones energéticas, térmicas y de espacio. La necesidad de esta transición no solo se debe a los avances en la tecnología de IA, sino también a cambios estructurales en la economía global.

En muchas economías, los cambios demográficos estructurales están comenzando a reconfigurar el mercado laboral. En América Latina y el Caribe, esta transición ocurre en un contexto en el que la capacidad de adoptar y desarrollar IA todavía está condicionada por brechas de infraestructura y talento. El Índice Latinoamericano de Inteligencia Artificial (ILIA), desarrollado por el Centro Nacional de Inteligencia Artificial (CENIA) de Chile, y la Comisión Económica para América Latina y el Caribe (CEPAL) señala que más de la mitad de los países de la región aún no cuenta con infraestructura de alto rendimiento, mientras que 13 de los 19 países analizados no incorporan todavía habilidades tempranas de IA en sus currículos y 11 no cuentan con programas de doctorado en IA. Estas brechas hacen que la capacidad de cómputo y el talento especializado sean factores cada vez más determinantes para que la región pueda desplegar IA a escala y adaptarla a sus propias necesidades. En este contexto, sostener la productividad y avanzar hacia sistemas inteligentes capaces de ejecutar acciones agénticas en el mundo físico requerirá no solo modelos de IA más avanzados, sino también la infraestructura de cómputo necesaria para que puedan percibir, decidir y actuar en tiempo real.

Aquí es precisamente donde comienza la IA Agéntica. La IA Agéntica ya está reconfigurando industrias, y AMD cree que esta es la transición decisiva de la próxima década de la IA. Es la transición de sistemas que saben a sistemas que hacen y automatizan.

“Hacer” cambia fundamentalmente el problema del cómputo

Una vez que la IA Agéntica comienza a interactuar con el mundo físico y a automatizar procesos, el problema del cómputo cambia fundamentalmente. A diferencia de la IA generativa en la nube, que tuvo a la GPU centralizada como su principal pilar optimizado para la escala, el rendimiento (throughput) y el procesamiento remoto, la IA Agéntica introduce un conjunto de requisitos fundamentalmente diferente.

Un chatbot puede tolerar una latencia ocasional. Sin embargo, un robot que opera en la planta de una fábrica no puede hacerlo. Un vehículo autónomo no puede permitirse un comportamiento inconsistente del sistema. Un dispositivo médico no puede simplemente reintentar una decisión cuando el tiempo es crítico. Estos sistemas deben ofrecer:

• Capacidad de respuesta en tiempo real donde sucede la acción
• Comportamiento determinista
• Seguridad funcional y fiabilidad
• Funcionamiento bajo restricciones térmicas y de consumo energético
• Resiliencia cuando la conectividad es limitada o no está disponible

En el mundo físico, la inteligencia solo importa si los sistemas pueden actuar dentro de límites de tiempo acotados. El éxito ya no se determina únicamente por la generación de tokens o el rendimiento aislado del modelo de IA.

La IA Agéntica va más allá de generar contenido o ejecutar modelos de IA tradicionales. En su lugar, la inteligencia debe fluir sin problemas desde la detección y la percepción, pasando por la inferencia, la planificación y el control, hasta llegar a la acción física y la automatización de procesos. El debate ya no gira solo en torno a construir modelos de IA más inteligentes, sino en desarrollar sistemas agénticos que puedan actuar de forma segura y fiable en el mundo real.