Construín máis de 12 sistemas de axentes de IA de produción en desenvolvemento, DevOps e operacións de datos.Este é o motivo polo que o hype actual en torno a axentes autónomos é matemáticamente imposible e o que realmente funciona na produción. Todo o mundo di que 2025 é o ano dos axentes de IA. Os títulos están en todas partes: "A IA autónoma transformará o traballo", "Os axentes son a próxima fronteira", "O futuro é axente".Mentres tanto, pasei o último ano construíndo moitos sistemas de axentes diferentes que realmente funcionan na produción. Durante o último ano, construín máis dunha ducia de sistemas de axentes de produción ao longo de todo o ciclo de vida do desenvolvemento de software: Xeradores de interfaces que crean compoñentes funcionais de React a partir da linguaxe natural, axentes de refactorización de código que modernizan as bases de código herdadas, xeradores de documentación que manteñen automaticamente os documentos de API e xeradores de funcións que converten especificacións en implementacións de traballo. Development agents Axentes de operacións de bases de datos que xestionan consultas e migracións complexas, sistemas de automatización de IA de DevOps que xestionan infraestrutura como código a través de múltiples provedores de nube. Data & Infrastructure agents Pipelines de CI/CD alimentados por IA que fixan problemas de cinta, xeran suites de probas completas, realizan revisións automáticas de código e crean solicitudes de pull detalladas con descricións correctas. Quality & Process agents Estes sistemas funcionan. Transmiten valor real. Están aforrando horas de traballo manual todos os días. E é precisamente por iso que creo que gran parte do que está a escoitar sobre 2025 sendo "o ano dos axentes" perde realidades clave. TL;DR: Three Hard Truths About AI Agents TL;DR: Tres verdades duras sobre os axentes de IA Despois de construír máis de 12 sistemas de produción, aquí está o que aprendín: As taxas de erro multiplícanse exponencialmente en fluxos de traballo de varios pasos. 95% de fiabilidade por paso = 36% de éxito en 20 pasos. 
 
 
 As fiestras de contexto crean custos de token cadrados. conversas longas fanse prohibitivamente caras en escala. O verdadeiro reto non é as capacidades de IA, senón o deseño de ferramentas e sistemas de feedback que os axentes poidan usar de forma efectiva. A realidade matemática da que ninguén fala Aquí está a verdade incómoda que toda empresa de axentes de IA está bailando: o compounding de erros fai que os fluxos de traballo autónomos en múltiples pasos sexan matemáticamente imposibles na escala de produción. Se cada paso dun fluxo de traballo de axente ten unha fiabilidade do 95%, o que é optimista para os LLM actuais, entón: 
 
 
 
 5 pasos = 77% taxa de éxito 10 pasos = taxa de éxito do 59% 20 pasos = 36% taxa de éxito Os sistemas de produción necesitan un 99,9% máis de fiabilidade. Aínda que alcance magicamente o 99% de fiabilidade por paso (que ninguén ten), aínda obtén só o 82% de éxito en 20 pasos. Isto non é un problema de enxeñaría inmediata. O meu axente de DevOps funciona precisamente porque non é realmente un fluxo de traballo autónomo de 20 pasos. É 3-5 operacións discretas, independentemente verificables con puntos de retroceso explícitos e portas de confirmación humana. O "axente" xestiona a complexidade de xerar código de infraestrutura, pero o sistema está arquitectonizado en torno ás limitacións matemáticas da fiabilidade. Cada sistema de axente exitoso que construín segue o mesmo patrón: contextos limitados, operacións verificables e puntos de decisión humana (ás veces) en juncións críticas. A economía do token que non se suma Hai outra realidade matemática que os evanxelistas de axentes ignoran convenientemente: as fiestras de contexto crean unha escala de custos cadrada que fai que os axentes de conversación sexan economicamente imposibles. Aquí está o que realmente acontece cando se constrúe un axente de "conversación": 
 
 
 
 
 Cada nova interacción require procesar TODO o contexto anterior Token custo escala cadrada coa duración da conversación Unha conversa de 100 voltas custa $ 50-100 en tokens só Multiplicado por miles de usuarios e estás mirando a unha economía insostible Aprendín isto do xeito difícil ao prototipar un axente de base de datos de conversación.As primeiras interaccións eran baratas.Na 50a consulta nunha sesión, cada resposta custaba varios dólares - máis do valor que proporcionaba.A economía simplemente non funciona para a maioría dos escenarios. O meu axente de xeración de funcións é exitoso porque é completamente sen estado: descrición → función → feito. Non hai contexto para manter, non hai conversación para rastrexar, non hai explosión de custos cadrados. Non é unha experiencia de "chatear co seu código", é unha ferramenta enfocada que resolve un problema específico de forma eficiente. Os "axentes" máis exitosos na produción non son conversativos en absoluto.Son ferramentas intelixentes e limitadas que fan unha cousa ben e saen do camiño. O muro de realidade de enxeñaría de ferramentas Mesmo se resolves os problemas matemáticos, atopas un tipo diferente de parede: construír ferramentas de calidade de produción para axentes é unha disciplina de enxeñaría completamente diferente que a maioría dos equipos subestiman. As chamadas de ferramentas son realmente bastante precisas agora. O verdadeiro desafío é o deseño de ferramentas. Cada ferramenta debe ser coidadosamente deseñada para proporcionar o feedback correcto sen esmagar a xanela de contexto. 
 
 
 
 
 Como pode o axente saber se unha operación foi parcialmente exitosa?Como pode comunicar cambios complexos de estado sen queimar tokens? Unha consulta de base de datos pode devolver 10.000 liñas, pero o axente só precisa saber "a consulta logrou, 10k resultados, aquí están os primeiros 5". Cando unha ferramenta falla, que información necesita o axente para recuperar? demasiado pouco e está atrapado; demasiado e desperdicia contexto. Como xestiona as operacións que se afectan mutuamente? transaccións de base de datos, bloqueos de ficheiros, dependencias de recursos. O meu axente de base de datos non funciona porque as chamadas de ferramentas sexan pouco fiables, senón porque pasei semanas deseñando ferramentas que se comuniquen de forma eficaz coa AI. As empresas que prometen "só conectar as súas APIs e o noso axente descubrirá" non fixeron este traballo de enxeñaría. Están tratando ferramentas como interfaces humanas, non interfaces de IA. O resultado é axentes que tecnicamente fan chamadas de API exitosas pero non poden realmente realizar fluxos de traballo complexos porque non entenden o que pasou. O segredo sucio de cada sistema de axentes de produción é que a IA está a facer quizais o 30% do traballo.O outro 70% é a enxeñaría de ferramentas: deseñar interfaces de feedback, xestionar o contexto de forma eficiente, xestionar fallos parciais e construír mecanismos de recuperación que a IA poida realmente comprender e usar. Verificación da realidade da integración Pero digamos que resolve os problemas de fiabilidade e a economía. aínda ten que integrarse co mundo real, eo mundo real é unha desorde. Os sistemas empresariais non limpan as APIs á espera de que os axentes de IA as orquestren.Son sistemas herdados con quirks, modos de fallo parcial, fluxos de autenticación que cambian sen previo aviso, límites de tarifas que varían segundo a hora do día e requisitos de cumprimento que non se encaixan correctamente nos modelos de solicitude. O meu axente de base de datos non só "executa consultas de forma autónoma".Navega o conxunto de conexións, xestiona os rollbacks de transaccións, respecta as réplicas de só lectura, xestiona os tempos de consulta e rexistra todo para as pistas de auditoría.A IA xestiona a xeración de consultas; todo o demais é programación de sistemas tradicionais. As empresas que prometen "axentes autónomos que se integran con toda a súa pila de tecnoloxía" son ou demasiado optimistas ou realmente non tentaron construír sistemas de produción a escala. O que realmente funciona (e por que) Despois de construír máis dunha ducia de sistemas de axentes diferentes ao longo de todo o ciclo de vida do desenvolvemento de software, aprendín que os exitosos comparten un patrón: 
 
 
 
 
 
 O axente de xeración de UI funciona porque os humanos revisan cada interface xerada antes da implantación.A AI xestiona a complexidade de traducir a linguaxe natural en compoñentes funcionais de React, pero os humanos toman as decisións finais sobre a experiencia do usuario. O meu axente de base de datos funciona porque confirma cada operación destrutiva antes da execución.A IA xestiona a complexidade de traducir os requisitos empresariais a SQL, pero os humanos manteñen o control sobre a integridade dos datos. O meu axente de xeración de funcións funciona porque funciona dentro de límites claramente definidos. Dálle unha especificación, recupere unha función. Sen efectos secundarios, sen xestión de estado, sen complexidade de integración. A miña automatización de DevOps funciona porque xera infraestrutura-como-código que pode ser revisada, versionada e rolada de volta.A AI xestiona a complexidade de traducir os requisitos en Terraform, pero a pipeline de implementación mantén todos os mecanismos de seguridade que aprendemos a confiar. O meu axente CI / CD funciona porque cada etapa ten criterios de éxito claros e mecanismos de retroceso.A IA xestiona a complexidade de analizar a calidade do código e xerar correccións, pero o tubo mantén o control sobre o que realmente se fusionou. O patrón é claro: a IA xestiona a complexidade, os humanos manteñen o control e a enxeñaría de software tradicional xestiona a fiabilidade. My Predictions As miñas previsións Aquí está a miña predición específica sobre quen loitará en 2025: As súas demostracións funcionan moi ben con fluxos de traballo de 5 pasos, pero os clientes esixirán máis de 20 procesos de paso que se descompoñen matemáticamente. As empresas de software empresarial que incorporaron "axentes de IA" a produtos existentes verán a adopción estancada. Mentres tanto, os gañadores serán equipos que constrúen ferramentas restrinxidas e específicas de dominio que usan a IA para as partes duras mantendo o control humano ou os límites estritos sobre as decisións críticas. O mercado aprenderá a diferenza entre a IA que demostra ben e a IA que navega de forma fiable. Non estou apostando contra a IA. Estou apostando contra o enfoque actual da arquitectura de axentes. pero creo que o futuro será moito máis valioso do que o hype suxire. Construír o camiño correcto Se estás a pensar en construír con axentes de IA, comeza con estes principios: Que pode facer exactamente o seu axente, e que transmite aos humanos ou aos sistemas deterministas? Define clear boundaries. Como xestiona o 20-40% dos casos nos que a IA comete erros? Design for failure. Canto custa cada interacción, e como iso escala co uso? Solve the economics. Os usuarios confían en ferramentas que funcionan de forma consistente máis do que valoran sistemas que ocasionalmente fan maxia. Prioritize reliability over autonomy. Use a IA para as partes duras (entender a intención, xerar contido), pero confíe na enxeñaría de software tradicional para as partes críticas (execución, xestión de erros, xestión de estado). Build on solid foundations. A revolución do axente está a chegar. simplemente non vai parecer nada do que todos prometen en 2025. As verdadeiras leccións das trenzas A diferenza entre "obras en demo" e "obras a escala" é enorme, e a maioría da industria aínda está a descubrir isto. Os retos en torno á fiabilidade do axente, a optimización de custos e a complexidade da integración son fascinantes problemas de enxeñaría que aínda non teñen solucións obvias. Regularmente aconsello a equipos e empresas a navegar por estes desafíos exactos - desde as decisións de arquitectura ata evitar as trampas que aprendín sobre de primeira man. Se está a avaliar as decisións de construción vs compra, debugando por que os seus axentes non están a traballar na produción, ou só queren implementalas, non deixe de contactar. Canto máis xente constrúa sistemas reais e comparta experiencias honestas, máis rápido imos descubrir o que realmente funciona. Se queres profundizar nalgún destes temas. X

Read My Stories

Este audio está producido na lingua orixinal da historia!

Demasiado longo; Ler

Make resilience your competitive advantage

Deixar de crer o axente Hype - Os números non menten

About Author

COMENTARIOS

Etiquetas colgantes

ESTE ARTIGO FOI PRESENTADO EN

Related Stories

HackerNoon Decoded 2024: Celebrating Our Writing Community!

HackerNoon Decoded 2024: Celebrating Our Gaming Community!

HackerNoon Decoded 2024: Celebrating Our HackerNoon Community!

HackerNoon Decoded 2024: Celebrating Our Programming Community!

HackerNoon Decoded 2024: Celebrating Our Writing Community!

HackerNoon Decoded 2024: Celebrating Our Gaming Community!

HackerNoon Decoded 2024: Celebrating Our HackerNoon Community!

HackerNoon Decoded 2024: Celebrating Our Programming Community!

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps