Para el ingeniero e innovador Matteo Zamparini, una de las barreras de productividad más significativas en el mundo moderno no es la escasez de talento o la falta de ambición, es tiempo perdido en tareas repetitivas. Desde rastrear mapas de paquetes como internado en ciencias de datos hasta cofundar una startup que identificó oportunidades de energía renovable para los propietarios de propiedades comerciales, su carrera ha seguido un tema consistente: construir tecnología para automatizar el trabajo de grunt para que el trabajo humano pueda ser utilizado para tareas más estratégicas. Como ingeniero fundador de PropRise, una compañía respaldada por Y Combinator, construye agentes de IA que trabajan todo el día para rastrear enormes cantidades de datos inmobiliarios dispares y generar insights que revelan oportunidades de inversión potenciales. Todo gira en torno a su visión de un mundo donde la IA no solo ayuda a las personas, sino que las une a la fuerza laboral para ejecutar tareas de larga duración. El coste real del análisis manual de datos En un mundo asistido por software, la falta de herramientas digitales ya no es el principal problema. Descubierto de primera mano mientras en la Universidad de California en Irvine, el problema tiende a ser la naturaleza repetitiva y demorada de las tareas que incluso los seres humanos más talentosos necesitan abordar, desde investigadores a profesionales de negocios que utilizan herramientas digitales. Zamparín Zamparín Como estudiante de internado, pasó meses usando herramientas como mapas digitales, permitiendo que sitios web, software de computación estadística y sitios web de listas de bienes raíces recopilaran y finalmente analizaran datos que podrían utilizarse para tomar decisiones de inversión y desarrollo. “Recuerdo pensar: ‘La imagen por satélite construida con Lidar es cool,’” relata. Este fue uno de los puntos de vista que desencadenaron la idea de Spaceflare, una startup que fundó con compañeros de UC Irvine después de graduarse en 2021.El modelo que construyó utilizó registros públicos e imágenes de satélite para identificar propiedades que podrían ser adecuadas para la instalación de paneles solares, permitiendo a las compañías de energía limpia y los propietarios de propiedades identificar rápidamente oportunidades potenciales para la generación de energía y los ingresos. Un proceso que probablemente habría tomado semanas de análisis manual ahora podría hacerse en minutos con Spaceflare. Building AI Agents that Act and Reason—Within Reason Construir agentes de IA que actúen y razonan: dentro de la razón Hoy en día, Zamparini es el desarrollador detrás de los agentes de IA que Estos agentes autónomos actúan como "analistas de inversión de IA 24/7" que analizan innumerables puntos de datos que van desde las listas de bienes raíces y las finanzas hasta los permisos de la ciudad, las noticias locales y las tendencias del mercado para descubrir oportunidades que los analistas humanos podrían perder o tardar meses en compilar. Propiedad Propiedad PropRise no es sólo otra herramienta de aprendizaje automático que automatiza la recopilación de datos; sus agentes operan de forma independiente, estructurando los datos que encuentran y evaluando continuamente la credibilidad y exactitud de una amplia gama de fuentes. “Hemos desarrollado sistemas de agentes que pueden razonar, actuar e incluso buscar feedback humano o aprobación en medio de la tarea”, explica. “Esta mezcla de autonomía y supervisión humana es necesaria para construir flujos de trabajo de IA fiables”. Él ve este enfoque humano-in-the-loop como un componente crucial para un futuro en el que los agentes de IA pueden asumir todo el trabajo manual sin arriesgarse a perder el control sobre las decisiones estratégicas. Fiabilidad sobre la novedad: arquitectura de sistemas de agentes para uso en el mundo real En los ojos de Zamparini, el surgimiento de estándares abiertos como el Protocolo de Contexto Modelo (MCP), AGNTCY, HumanLayer o el lenguaje BAML es la tendencia más importante en AI. Cuando los resultados del software se alimentan de modelos financieros o decisiones estratégicas, los resultados que producen deben ser verificables. Frames emergentes como HumanLayer, BAML, MCP y AGNTCY están creando una línea de partida que puede hacer posible este tipo de ecosistema de agentes. HumanLayer, por ejemplo, proporciona un protocolo que agrega una vigilancia humana robusta a los agentes de IA autónomos. intercepta las acciones de alto nivel y las dirige a los humanos -a través de Slack, correo electrónico, SMS y otros canales- para la aprobación, el feedback o la escalada, y luego envía la respuesta de vuelta para que los agentes puedan seguir trabajando de forma segura. MCP, es un estándar abierto que estandariza cómo los modelos de IA se conectan a las entradas de datos, permitiendo que los grandes modelos de lenguaje (LLM) se conecten directamente a diversas bases de datos y APIs para crear un pool más completo de información y colaboración de agente a agente. AGNTCY es un ecosistema abierto para la interoperabilidad de agente a agente que lleva el concepto un paso más allá al definir una capa de identidad compartida y un modelo de interacción para los agentes de IA, permitiendo herramientas hechas por diferentes desarrolladores para compartir información de forma segura y predecible entre plataformas. Juntos, estos marcos permiten a los agentes de IA que no solo son potentes, sino que son desplegables, probables y mantenibles. Building a Template for the Future of Work Construir un modelo para el futuro del trabajo Los estándares y los idiomas compartidos son clave para el desarrollo de la IA que puede automatizar de manera confiable el trabajo cotidiano y se aplican mucho más allá de los bienes inmuebles comerciales; en su mejor momento, permiten a los agentes de IA y los sistemas de agentes transformar la forma en que los profesionales y los expertos trabajan en todas las industrias. “Con la ayuda de la IA, podemos liberar esencialmente el tiempo de las personas”, concluye Zamparini.Cuando podemos confiar verdaderamente en que el trabajo automatizado y las recomendaciones sean completas y precisas, estos sistemas pueden hacer más que mejorar los flujos de trabajo existentes, pueden hacer espacio para nuevas industrias e innovación. Para Zamparini, el futuro de la IA no es un mejor asistente digital, es un sistema que permite a los humanos construir cosas nuevas más rápido, avanza las industrias actuales e incluso engendra nuevas. Los agentes de IA eliminan el ruido, limpiando la confusión para que los constructores puedan moverse más rápido, pensar más profundamente y soñar más grande.

This story contains new, firsthand information uncovered by the writer.

Este audio es producido en el idioma original de la historia!

Por qué los agentes de IA deben manejar el mundano, para que los humanos no tengan que

About Author

COMENTARIOS

ETIQUETAS

ESTE ARTÍCULO FUE PRESENTADO EN

Related Stories

De los foros a los feeds: cómo los algoritmos de las redes sociales influyen en la interacción digital

Una guía del arquitecto para crear una arquitectura de referencia para un lago de datos de IA/ML

Crecimiento de las criptomonedas: creación de perfiles de usuarios eficaces

¿Quieres ganar un concurso de redacción de HackerNoon? Esto es lo que recomiendan los ganadores del concurso #crypto-api

De los foros a los feeds: cómo los algoritmos de las redes sociales influyen en la interacción digital

Una guía del arquitecto para crear una arquitectura de referencia para un lago de datos de IA/ML

Crecimiento de las criptomonedas: creación de perfiles de usuarios eficaces

¿Quieres ganar un concurso de redacción de HackerNoon? Esto es lo que recomiendan los ganadores del concurso #crypto-api

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps