Andrej Karpathy — una de las personas que ayudó a construir la inteligencia artificial que todos usamos hoy — publicó algo esta semana sin hacer demasiado ruido. Se llama autoresearch, y la idea cabe en una servilleta.
Le das a un agente de IA una tarea. El agente prueba algo, comprueba si funcionó, se queda con lo que mejoró, descarta lo que no, y vuelve a intentarlo. Así toda la noche. Por la mañana ha completado unas 100 rondas.
Lo que más nos llamó la atención no es el tema de la investigación en IA — es el patrón. Todo funciona a partir de un archivo de texto simple llamado program.md. Ese archivo es el manual de instrucciones del agente. Tú escribes en lenguaje normal qué quieres que haga y cómo medir si lo hizo bien. El agente lo lee, actúa, puntúa el resultado y repite.
La mayoría de nosotros no entrenamos modelos de IA. Pero sí tenemos procesos repetitivos donde el objetivo está claro y las reglas se pueden escribir. Probar asuntos de correo. Redactar descripciones de producto de formas distintas. Revisar presupuestos de proveedores contra una lista de criterios.
El modelo mental que hay aquí — dale a un agente un manual escrito y una forma de medir el éxito, y déjalo correr — es de las ideas más reutilizables que hemos visto en tiempo.
Agente de IA — Una IA que no solo responde una pregunta, sino que toma una serie de acciones por su cuenta para alcanzar un objetivo. Como un asistente muy enfocado que nunca se cansa.
Métrica de validación — Una puntuación que te dice si algo funcionó. Como saber qué plato de tu carta se repite más — ese número te ayuda a decidir qué conservar en el menú.
Bucle agéntico — Cuando una IA hace algo, revisa el resultado, ajusta y vuelve a hacerlo. El ciclo continúa hasta que el trabajo está hecho o tú lo detienes.
Algo en lo que pensar: si pudieras escribir las reglas de una decisión repetitiva en tu negocio — con suficiente claridad como para que un empleado nuevo pudiera seguirlas — un agente probablemente podría encargarse de ese bucle por ti.