IA Agêntica
Los agentes de IA no resuelven el principal problema de TI
Una nueva etapa de esta conversación
A lo largo de la serie Operaciones Modernas de TI, exploramos cómo la creciente complejidad de los entornos tecnológicos cambió la naturaleza de los desafíos que enfrentan los equipos de operaciones. Discutimos por qué tantas organizaciones siguen apagando incendios, cómo el avance de la observabilidad fue acompañado por un volumen cada vez mayor de alertas, por qué detectar un incidente suele ser relativamente simple, pero construir el contexto necesario para identificar su causa raíz sigue siendo una de las tareas más difíciles de la operación, cómo la observabilidad representa una nueva forma de operar y por qué reducir el MTTR depende mucho más de la velocidad con que comprendemos un incidente que de la velocidad con que ejecutamos su recuperación.
Si los cinco primeros artículos buscaron comprender cómo evolucionaron las operaciones modernas hasta llegar a los desafíos actuales, esta nueva serie parte de una pregunta diferente.
¿Cómo transformará la Inteligencia Artificial la forma en que se estructurarán las operaciones de TI en los próximos años?
Es una discusión particularmente relevante porque, en los últimos meses, se volvió prácticamente imposible participar en un evento de tecnología, abrir una publicación especializada o conversar con proveedores sin encontrar una nueva promesa relacionada con los agentes de Inteligencia Artificial.
Estamos haciendo la pregunta equivocada
Cada semana surgen soluciones capaces de analizar logs, interpretar métricas, ejecutar playbooks, abrir tickets automáticamente, investigar fallas en entornos Kubernetes, administrar recursos en la nube o auxiliar a equipos de desarrollo y operaciones. La velocidad con que estas soluciones evolucionan impresiona y, en muchos casos, justifica el entusiasmo que el mercado viene demostrando.
La discusión dejó de ser si las empresas utilizarán agentes. La pregunta pasó a ser cuántos agentes deberá tener cada organización y qué actividades podrán delegarse en ellos.
Todo indica que esta transformación realmente ocurrirá, pero quizá estemos comenzando esta conversación con la pregunta equivocada.
A lo largo de la primera serie de artículos, vimos que el principal desafío de las operaciones modernas nunca fue la ausencia de herramientas capaces de ejecutar tareas. Tampoco fue la falta de monitoreo, de observabilidad o de especialistas.
El verdadero desafío siempre estuvo en la capacidad de comprender rápidamente qué está ocurriendo en entornos cada vez más distribuidos, heterogéneos e interdependientes.
Esta distinción parece sutil, pero cambia por completo la forma en que debemos analizar la actual ola de agentes de Inteligencia Artificial.
Si creemos que el mayor problema de las operaciones es ejecutar actividades repetitivas, entonces tiene sentido imaginar que los agentes especializados representarán, por sí solos, la próxima gran evolución del área. Después de todo, podrán automatizar investigaciones, interpretar información técnica e incluso ejecutar acciones correctivas mucho más rápido de lo que lo hacemos hoy.
Pero ¿es realmente ese el principal problema?
Un incidente rara vez respeta las fronteras de las herramientas
Imagine una operación que utiliza distintas plataformas para administrar su entorno tecnológico.
El monitoreo de la infraestructura lo realiza una herramienta. La observabilidad de las aplicaciones utiliza otra. Los logs se centralizan en una tercera plataforma. La gestión de servicios de TI ocurre en un sistema de ITSM. La nube ofrece sus propios mecanismos de monitoreo. Equipos de red, bases de datos, soluciones de seguridad y aplicaciones críticas también producen continuamente eventos, métricas y alertas.
Ahora imagine que cada una de estas plataformas pasa a contar con su propio agente de Inteligencia Artificial.
Individualmente, este escenario parece extremadamente prometedor.
El agente especializado en observabilidad logra interpretar traces y métricas de las aplicaciones. El agente responsable del monitoreo identifica rápidamente cambios de disponibilidad. Otro agente analiza logs en busca de patrones anómalos. Un cuarto acompaña los cambios recientes en la infraestructura. El ITSM utiliza un agente capaz de correlacionar tickets similares y sugerir procedimientos de atención.
Cada uno de estos agentes puede ser altamente competente dentro del dominio que conoce.
El problema es que los incidentes reales rara vez permanecen confinados a un único dominio.
Un cambio de configuración realizado en un servicio de autenticación puede provocar un aumento de la latencia en determinadas API. Esa degradación genera colas en otro componente, que pasa a consumir más recursos computacionales, produciendo nuevas alertas de infraestructura, afectando la experiencia de los usuarios y aumentando el volumen de tickets registrados por el Service Desk.
Ninguno de estos eventos es falso, y todos representan manifestaciones legítimas del mismo incidente. Sin embargo, cada agente seguirá observando solo la porción de la realidad accesible a la plataforma en la que está inserto.
Es justamente en este punto donde surge una pregunta mucho más importante que simplemente saber cuántos agentes deberá tener una organización.
El problema no es la inteligencia de los agentes
La pregunta con la que cerramos la sección anterior quizá sea la más importante de este artículo.
¿Quién será responsable de conectar todas estas visiones?
Esta cuestión suele pasar inadvertida porque, cuando observamos demostraciones de agentes de Inteligencia Artificial, normalmente vemos solo un dominio específico. Vemos un agente analizando logs, otro interpretando métricas, otro sugiriendo acciones para una plataforma de observabilidad o automatizando actividades dentro de una herramienta de ITSM. En todos estos escenarios, los resultados suelen ser impresionantes.
No hay duda de que estas soluciones representan un avance importante.
Sería un error subestimar su capacidad de aumentar la productividad de los equipos y automatizar tareas que hasta hace poco dependían exclusivamente de la intervención humana.
El punto central, sin embargo, no es ese. El verdadero desafío comienza cuando dejamos de observar cada herramienta de forma aislada y pasamos a analizar el comportamiento de la operación como un todo. Los incidentes relevantes casi nunca permanecen confinados a una única plataforma.
En una gran institución financiera, por ejemplo, un simple cambio en un servicio de autenticación puede afectar aplicaciones móviles, API utilizadas por socios, sistemas internos, mecanismos de seguridad, colas de procesamiento y bases de datos distribuidas. Cada plataforma registrará solo los síntomas que logra observar. Para el agente responsable de los logs, el problema parecerá un conjunto específico de mensajes de error. Para el agente de infraestructura, será un aumento en el consumo de recursos. Para el agente de observabilidad, una degradación de rendimiento. Para el ITSM, un crecimiento repentino en el número de tickets.
Ninguno estará equivocado, pero ninguno poseerá, individualmente, información suficiente para comprender el incidente en toda su extensión.
Este comportamiento no se debe a una limitación de la Inteligencia Artificial, sino a la propia arquitectura de las operaciones modernas.
Cada herramienta fue construida para observar un dominio específico de la tecnología. Naturalmente, los agentes desarrollados sobre esas plataformas heredan esa misma perspectiva. Cuanto más especializados se vuelven, mayor tiende a ser su capacidad de interpretar los datos de ese dominio. En contrapartida, menor es su capacidad de comprender eventos que exceden los límites de la propia herramienta.
Esta característica merece atención porque el mercado ha concentrado buena parte de sus inversiones justamente en el desarrollo de estos especialistas digitales.
Estamos presenciando el surgimiento de agentes para nube, redes, bases de datos, observabilidad, seguridad, desarrollo, atención, infraestructura y prácticamente todas las disciplinas de las operaciones de TI.
Es una evolución extremadamente positiva, pero no elimina una pregunta fundamental.
¿Cómo compartirán todos estos especialistas una misma comprensión del incidente?
La próxima barrera creada por la complejidad de las operaciones
Esta quizá sea la próxima gran transformación por la que pasarán las operaciones de TI.
Durante muchos años, el desafío consistió en integrar herramientas de monitoreo, observabilidad, automatización e ITSM. Ahora empezamos a caminar hacia un escenario en el que también será necesario integrar inteligencias.
Cada agente producirá análisis, hipótesis, recomendaciones y decisiones basados en la información a la que tiene acceso. Cuanto mayor sea el número de agentes especializados, mayor será también la necesidad de garantizar que todos trabajen sobre una misma realidad operativa.
De lo contrario, corremos el riesgo de reproducir, a una escala aún mayor, un problema que ya conocemos muy bien.
Hoy, distintos equipos analizan distintas herramientas y con frecuencia llegan a interpretaciones diferentes sobre un mismo incidente.
Mañana, podremos tener distintos agentes analizando distintas plataformas y llegando exactamente al mismo tipo de divergencia.
En otras palabras, la Inteligencia Artificial puede aumentar significativamente nuestra capacidad de analizar información. Pero eso no significa, automáticamente, que aumentará nuestra capacidad de construir una comprensión única de lo que realmente está ocurriendo.
Esta diferencia es importante porque cambia por completo el foco de la discusión.
Quizá el mayor desafío de la próxima generación de operaciones no sea desarrollar agentes cada vez más inteligentes.
Quizá sea crear una forma de ofrecer a todos ellos el mismo contexto operacional, permitiendo que sus análisis dejen de ser solo correctos dentro de un dominio específico y pasen a tener sentido dentro del comportamiento completo de la operación.
Este cambio de perspectiva nos lleva, naturalmente, a la pregunta que cierra esta segunda parte.
¿Y si el verdadero activo estratégico de las operaciones modernas no fueran los agentes, sino el contexto compartido sobre el cual trabajan?
El contexto es el punto de partida, no el resultado
Existe una tendencia natural cuando hablamos de Inteligencia Artificial aplicada a las operaciones de TI.
Imaginamos que, a medida que los agentes evolucionen, comprenderán mejor los incidentes. Después de todo, si logran interpretar logs, correlacionar eventos dentro de una plataforma y sugerir acciones correctivas, parece razonable concluir que, con modelos cada vez más sofisticados, esa comprensión se volverá prácticamente ilimitada.
Esa conclusión, sin embargo, parte de una premisa que merece ser cuestionada: ningún agente puede razonar sobre información a la que no tiene acceso.
Esta limitación no está relacionada con la calidad del modelo de lenguaje ni con la cantidad de parámetros utilizada en su entrenamiento. Es una característica inherente a cualquier sistema de Inteligencia Artificial: su capacidad de análisis depende directamente del contexto disponible en el momento en que necesita tomar una decisión.
Piense en un médico especialista que recibe solo el resultado de un examen de sangre.
Aun siendo un excelente profesional, difícilmente emitirá un diagnóstico definitivo sin conocer el historial del paciente, los síntomas presentados, los medicamentos utilizados, los exámenes anteriores y otros elementos que permitan comprender el cuadro clínico como un todo.
En las operaciones de TI ocurre exactamente lo mismo.
Un agente puede interpretar perfectamente los eventos registrados por una plataforma de observabilidad. Otro puede comprender en detalle los logs de una aplicación. Un tercero puede analizar cambios recientes en la infraestructura o identificar comportamientos anómalos en servicios de nube.
Cada uno producirá análisis consistentes, cada uno formulará hipótesis coherentes y cada uno podrá recomendar acciones técnicamente correctas. Pero todos seguirán limitados por el contexto que recibieron.
Es justamente por eso que la discusión sobre agentes no puede separarse de la discusión sobre contexto operacional.
Cuanto más distribuidos se vuelven los entornos tecnológicos, mayor es la diferencia entre poseer información y poseer entendimiento.
Una organización puede contar con decenas de agentes extremadamente competentes, cada uno analizando miles de eventos por segundo, y aun así gastar largos minutos intentando responder la misma pregunta que acompaña a las operaciones desde hace décadas:
¿Qué está ocurriendo realmente?
La respuesta difícilmente estará en una única herramienta, y tampoco estará en un único agente.
Estará en la capacidad de reunir información proveniente de distintas plataformas, comprender las relaciones de dependencia existentes entre aplicaciones, infraestructura, redes, servicios en la nube y procesos de negocio, reconstruyendo la secuencia de eventos que llevó al incidente.
Este quizá sea el principal equívoco de la discusión actual sobre Inteligencia Artificial aplicada a las operaciones.
Estamos dedicando gran parte de nuestra atención a hacer cada agente más inteligente, pero quizá deberíamos dedicar la misma atención al entorno en el que esos agentes trabajarán. Porque agentes inteligentes operando sobre información fragmentada seguirán produciendo interpretaciones fragmentadas.
Una nueva capa en la arquitectura de las operaciones
Este cambio de perspectiva nos lleva a una consecuencia interesante.
Durante muchos años, las organizaciones estructuraron sus operaciones sobre distintas capas tecnológicas. El monitoreo observaba la disponibilidad. La observabilidad ampliaba la capacidad de investigación. El ITSM organizaba procesos. Las herramientas de automatización ejecutaban procedimientos operativos.
Los agentes de Inteligencia Artificial tienden a ocupar una nueva capa de esta arquitectura.
Interpretarán información, recomendarán acciones, automatizarán actividades y apoyarán decisiones de manera cada vez más sofisticada.
Pero existe una capa anterior que empieza a ganar importancia estratégica: la capa responsable de construir el contexto operacional compartido.
Es en ella donde la información proveniente de monitoreo, observabilidad, logs, eventos, topología, dependencias entre servicios, cambios recientes, CMDB, plataformas de nube e indicadores de negocio pasa a formar una visión única del entorno.
Solo cuando ese contexto existe, los agentes especializados logran dejar de actuar como excelentes especialistas aislados y pasan a colaborar sobre una misma comprensión del incidente.
Este quizá sea el principal cambio arquitectónico que veremos en los próximos años.
La discusión dejará de ser solo cuántos agentes tiene una organización y pasará a ser cómo todos esos agentes comparten la misma visión de la operación.
Y esa pregunta prepara naturalmente la reflexión que cerrará este artículo.
Si los agentes representan una nueva capa de inteligencia operacional, ¿cuál será el papel de las plataformas responsables de construir y mantener ese contexto compartido?
El próximo paso de las operaciones de TI
Siempre que surge una nueva tecnología, existe una tendencia natural a imaginar que resolverá, por sí sola, los principales desafíos de la generación anterior.
Fue así con el monitoreo, luego con la observabilidad y, más recientemente, con la automatización.
Ahora vivimos ese mismo movimiento en torno a los agentes de Inteligencia Artificial.
Todos estos avances representan, sin duda, una evolución importante de las operaciones de TI.
Sin embargo, a lo largo de los últimos cinco artículos de esta serie, vimos que los mayores desafíos de las operaciones modernas nunca estuvieron solo en la capacidad de recolectar información, automatizar tareas o ejecutar procedimientos con mayor velocidad.
Siempre estuvieron relacionados con la capacidad de comprender entornos cada vez más complejos.
Esa constatación sigue siendo válida en la era de la Inteligencia Artificial.
Los agentes especializados podrán interpretar información, recomendar acciones y automatizar procesos con una eficiencia cada vez mayor. Probablemente transformarán profundamente la forma en que operamos entornos tecnológicos.
Pero existe una pregunta que seguirá existiendo independientemente del número de agentes presentes en la organización.
¿Todos estarán trabajando sobre la misma comprensión del incidente?
Si la respuesta es negativa, corremos el riesgo de reproducir un problema que ya conocemos muy bien.
Hoy, distintos especialistas analizan distintas herramientas y necesitan construir colectivamente una explicación de lo que está ocurriendo.
Mañana, podremos tener agentes extremadamente inteligentes analizando distintas plataformas y enfrentando exactamente el mismo desafío.
Esto nos lleva a una conclusión que, quizá, sea más importante que la propia discusión sobre agentes.
El verdadero diferencial competitivo de las operaciones modernas probablemente no estará en la cantidad de Inteligencias Artificiales disponibles, sino en la calidad del contexto operacional compartido que permitirá a todas ellas interpretar una misma realidad.
Quizá esta sea la próxima gran evolución de las operaciones de TI.
No una evolución basada solo en agentes.
Sino una evolución basada en la capacidad de construir una visión integrada del entorno, capaz de conectar información proveniente de múltiples fuentes, revelar relaciones de dependencia entre servicios y ofrecer una comprensión común sobre lo que realmente está ocurriendo.
Cuando eso sucede, personas e Inteligencias Artificiales dejan de competir por la interpretación de los datos y pasan a colaborar sobre una misma base de conocimiento.
Es justamente este cambio de perspectiva el que, en mi opinión, definirá la próxima generación de las operaciones de TI.
En el próximo artículo, profundizaremos exactamente esta idea al discutir por qué, antes de desarrollar agentes cada vez más sofisticados, las organizaciones necesitarán construir lo que quizá sea su activo más importante: el contexto operacional compartido.
Para reflexionar
La discusión sobre Inteligencia Artificial en las operaciones de TI no debería comenzar preguntando cuántos agentes pretende utilizar una organización.
Quizá la pregunta más importante sea otra.
¿Cómo construirán estos agentes una comprensión común sobre un incidente que atraviesa decenas de plataformas diferentes?
Porque los agentes especializados pueden interpretar muy bien una herramienta.
Pero solo un contexto operacional compartido permite comprender toda la operación.
Sobre el autor
Paulo Florêncio de Menezes es emprendedor, socio y cofundador de empresas como Target Solutions, BiPTT y ARGUS.
Es graduado en Procesamiento de Datos por la Universidad Federal de Amazonas (UFAM), tiene un MBA en Gestión Empresarial por la Fundação Dom Cabral (FDC) y una Maestría Profesional en Economía por la Fundação Getulio Vargas (FGV).
En su investigación de Maestría, desarrolló el IBEOP-IA (Índice Brasileño de Exposición Ocupacional Potencial a la Inteligencia Artificial), investigando la exposición potencial de las ocupaciones brasileñas a las capacidades de la IA mediante la combinación de datos ocupacionales, patentes de inteligencia artificial y técnicas de procesamiento de lenguaje natural.