En 2025, el liderazgo empresarial se redefine: ya no basta con gestionar personas y procesos. Hoy, se trata de orquestar ecosistemas híbridos donde humanos, IA y agentes inteligentes colaboran activamente.

En medio del hype que rodea a la IA y los agentes inteligentes, es común ver que quienes más los promueven son aquellos que recién lo adoptan. Quienes ya tienen experiencia saben que detrás de este brillo hay desafíos complejos y que no todo es tan simple ni mágico.

Adoptar esta tecnología es emocionante, pero hacerlo con cautela y una mentalidad clara es fundamental. Estamos aún en una etapa temprana, y avanzar con conocimiento es clave.

¿Estamos trabajando o participando en un reality de reinvención continua?

Estoy convencido de que si uno se distrae cinco minutos, sale un nuevo modelo o un pattern o una libreria que hace todo lo que venías haciendo... pero mejor, más rápido y encima gratis.

Venís armando tu proyecto con cariño: que el fine-tuning, que el embedding, que el vector store. Ya lo tenés casi listo para producción y ¡Pará pará pará! Aparece un nuevo LLM que te deja el stack viejo al borde de ser pieza de museo. Y ahí vas, otra vez, a repensar todo desde cero.

La sensación general: nunca terminamos un proyecto porque siempre hay algo mejor que acaba de salir. Vivimos en una especie de “loop de obsolescencia espontánea”.

Pero bueno, si algo nos enseñó trabajar en tecnología en esta época es que cocodrilo que se duerme es cartera… directamente lo reemplazan por un plugin nuevo.

Así que nada, si te sentís así, que estás siempre “a un paso de entregar el producto” y ese paso se va corriendo, no estás solo. Es parte del juego.

Eso sí: aprendemos, nos reinventamos, y siempre con una sonrisa (forzada, pero sonrisa al fin)

¿Viste esa peli donde todo el mundo es vampiro y ya no queda sangre humana? (Daybreakers, 2009).

Cuando los vampiros se muerden entre ellos porque no hay más humanos, se empiezan a deteriorar. Se vuelven monstruos. El sistema colapsa.

Eso está empezando a pasar con los modelos de IA: se entrenan cada vez más con contenido generado por otros modelos. O sea: IA alimentándose de IA.

¿El riesgo? Aprenden de sus propios errores, pierden precisión y se "degeneran".

Entrenar sin datos humanos frescos es como vivir sin sangre real: a la larga, la cosa se pone fea.