El desarrollo de modelos de agentes se está expandiendo... Las empresas están ansiosas por construir sistemas de IA multiforme y marcos de gobernanza

html

En la primera línea del desarrollo de software, “el desarrollo de agentes inteligentes” se está expandiendo rápidamente, y la forma en que las empresas introducen IA también ha cambiado significativamente. El diagnóstico señala que, en lugar de depender de un proveedor específico, construir un sistema de “IA de múltiples modelos” que opere varios modelos de IA y agentes inteligentes al mismo tiempo se está convirtiendo en un tema central.

Mijaíl Vink, vicepresidente de desarrollo comercial de JetBrains s.r.o., señaló en una entrevista en el evento Google Cloud Next que la velocidad de los cambios en el entorno de desarrollo reciente supera ampliamente las expectativas del mercado. JetBrains es una empresa de entornos de desarrollo integrados (IDE) utilizados por 15 millones de desarrolladores en todo el mundo. Vink dijo: “Este mes es Anthropic, el próximo mes es Gemini, las nuevas funciones de IA aparecen una tras otra”, y señaló que, para que los desarrolladores obtengan los mejores resultados en el mercado, deben poder utilizar de manera flexible múltiples modelos.

Él explicó especialmente que, “el verdadero desafío del desarrollo de agentes inteligentes” no radica tanto en la generación de código en sí, sino en la construcción de la infraestructura subyacente posterior. Para que las empresas apliquen IA en negocios reales, deben controlar múltiples agentes inteligentes, conectar datos, contexto y capas de memoria, e incluso integrar de manera orgánica herramientas externas y líneas de producción. Esto significa que, más allá de un entorno de IA empresarial simple para experimentos, la estructura compleja que se requiere supera ampliamente la imaginación.

Aunque la generación de código se ha simplificado, la operación y el control son aún más importantes

Vink enfatizó que, para que los agentes inteligentes funcionen normalmente, el “contexto” y los “datos reales” son imprescindibles. Para ello, cree que es necesario lograr una conexión con el servidor del Protocolo de Contexto de Modelos (MCP), transmitir datos estructurados y configurar un entorno de desarrollo sostenible. Explicó que, si falta alguna de estas bases, los resultados generados por IA pueden alejarse de la realidad laboral.

JetBrains afirmó que, siguiendo esta tendencia, están construyendo una plataforma de gobernanza para rastrear costos, gestionar permisos de acceso a modelos y analizar el grado en que los desarrolladores adoptan realmente las recomendaciones de IA. Su juicio es que, desde la perspectiva empresarial, solo cuando se puede tener una visión clara del uso, la eficiencia y el nivel de control de la IA, se puede lograr una adopción a gran escala. Esto significa que, a medida que se expanden las aplicaciones de IA, la “gobernanza” y la “visibilidad” son tan importantes como el rendimiento.

El papel del desarrollador, de “escritor” a “orquestador”

Este cambio también está transformando el rol del propio desarrollador. Ya no se limita a escribir código directamente como antes; ahora, el papel de “orquestador” que coordina múltiples agentes y modelos de IA se vuelve aún más importante. Al mismo tiempo, los requisitos para garantizar la calidad, la seguridad y la comprensión de los algoritmos también han alcanzado niveles más altos.

Vink considera que el “pensamiento crítico” es el factor más importante en la gestión de calidad. Cree que no se trata solo de aprobar directamente los resultados proporcionados por IA, sino de comprender en profundidad cómo funciona el sistema y verificar personalmente los algoritmos generados. Esto indica que, incluso si la IA aumenta la productividad del desarrollo, la responsabilidad final y la capacidad de juicio siguen en manos de los desarrolladores humanos.

En definitiva, en la era del desarrollo de agentes inteligentes, la competitividad no depende únicamente de usar los modelos más recientes. Las empresas que puedan combinar de manera flexible múltiples IA, controlarlas de forma segura y gestionar la calidad de los resultados tienen más posibilidades de mantener la iniciativa en el desarrollo de software en el futuro.

Notas de TP AI Este artículo fue resumido utilizando el modelo de lenguaje base TokenPost.ai. El contenido principal puede haber sido omitido o no coincidir con los hechos.