El camino hacia una arquitectura de agentes de IA robusta no siempre es lineal. Intuit, la empresa detrás de herramientas financieras como TurboTax y QuickBooks, lo aprendió de primera mano al tener que reconstruir su sistema de agentes inteligentes dos veces en apenas cuatro meses. Esta experiencia, lejos de ser un fracaso, se ha convertido en un caso de estudio sobre los errores estructurales que pueden surgir al escalar sistemas multiagente y cómo las empresas pueden pivotar hacia soluciones más sostenibles. Para cualquier compañía que busque implementar agentes IA de manera eficiente, entender estas lecciones es crucial, y aquí es donde un socio tecnológico como Q2BSTUDIO puede marcar la diferencia, ofreciendo experiencia en el desarrollo de software a medida que evita costosos rodeos.
El problema inicial de Intuit era clásico: los clientes se quejaban de tener que gestionar múltiples agentes especializados, decidiendo cuál usar para cada tarea. La solución parecía obvia: construir un orquestador central que enrutara las solicitudes internamente, eliminando la fricción para el usuario. Durante unos tres meses, esa capa de orquestación funcionó bien, pero luego colapsó por una razón estructural, no de capacidad. Cada agente pasaba sus resultados al siguiente en lenguaje natural, y en cada salto se perdía contexto. Con diez agentes encadenados, los errores se acumulaban de forma exponencial. Como señaló Nhung Ho, VP de IA en Intuit, 'si tienes diez agentes y todos se pasan información entre sí, cada vez que ocurre ese traspaso, el error se compone'. Esta falla llevó a una segunda reconstrucción completa en solo 60 días, adoptando una arquitectura basada en habilidades y herramientas (skills and tools) en lugar de agentes especializados.
Este cambio de paradigma tiene implicaciones profundas para el diseño de sistemas de IA empresarial. La orquestación monolítica con agentes que se comunican en lenguaje natural introduce una fragilidad inherente: la inferencia de contexto se degrada con cada salto. La solución de Intuit fue descomponer los agentes en habilidades y herramientas compartidas, eliminando la necesidad de que los agentes 'adivinen' lo que hizo el anterior. Esto no solo mejoró la precisión, sino que cambió la forma en que los equipos internos trabajan. En lugar de construir agentes aislados, los desarrolladores ahora se centran en crear evaluaciones (evals) para medir el rendimiento del sistema completo. Esta aproximación es similar a lo que Q2BSTUDIO recomienda a sus clientes: una arquitectura modular que permita escalar sin perder control, combinando IA, ciberseguridad y cloud AWS/Azure para garantizar tanto la eficiencia como la seguridad de los datos.
La reconstrucción no fue solo técnica; requirió convencer a la dirección y a los ingenieros que habían invertido meses en los agentes originales. Ho utilizó una demostración con consultas reales de clientes para mostrar que la nueva arquitectura rendía mejor. Para los ingenieros, el argumento fue el alcance: una habilidad compartida podía servir a todos los clientes, mientras que un agente especializado solo resolvía un problema concreto. Este enfoque de plataforma, donde las habilidades se reutilizan y se evalúan continuamente, es un principio que Q2BSTUDIO aplica en sus proyectos de BI y Power BI, permitiendo a las empresas tomar decisiones basadas en datos precisos y actualizados. Además, la integración de cloud AWS/Azure proporciona la infraestructura necesaria para manejar el volumen masivo de interacciones y retroalimentación que genera un sistema de agentes en producción.
Uno de los resultados más visibles de la reconstrucción es la capacidad de incorporar a un humano en el flujo de la conversación, una función que Intuit está probando con el 1% de sus clientes. Cuando un agente no puede resolver un problema, un profesional de soporte (o el propio contable del cliente) se une a la conversación con todo el contexto de lo que el agente ha hecho. Este diseño contrasta con los típicos chatbots que simplemente muestran un descargo de responsabilidad. Detrás de esta funcionalidad hay un modelo de permisos granular para datos financieros: cada acción del agente requiere permiso explícito, y todo queda registrado en un auditoría reversible. La ciberseguridad es, por tanto, un pilar fundamental, y Q2BSTUDIO ofrece soluciones de ciberseguridad que permiten implementar estos controles de forma robusta, protegiendo la información sensible mientras se mantiene la experiencia de usuario fluida.
Otra lección clave es cómo cambia la recogida de feedback en la era de los agentes conversacionales. Antes, Intuit obtenía retroalimentación explícita de solo el 0.3% de los clientes, y solía ser binaria (amor u odio). Ahora, cada conversación es una fuente de feedback, acercándose al 100%. Los usuarios son directos: 'Apestas. Odio esto. Esto no está bien', pero también están dispuestos a corregir y dar oportunidades. La empresa ha tenido que construir modelos de IA que procesen ese volumen masivo de retroalimentación de manera sistemática, identificando dónde falla el sistema a una escala que ningún equipo humano podría manejar. Esta capacidad de análisis masivo es similar a la que ofrecen las soluciones de BI y Power BI, transformando datos no estructurados en información accionable. Q2BSTUDIO ayuda a las empresas a implementar estos pipelines de datos, ya sea en cloud AWS o Azure, integrando agentes IA con sistemas de automatización de procesos para crear un ciclo de mejora continua.
La experiencia de Intuit demuestra que no basta con lanzar un montón de agentes especializados y esperar que un orquestador los coordine mágicamente. La arquitectura de habilidades y herramientas, combinada con un sólido modelo de permisos y una estrategia de feedback basada en datos, es más resiliente. Para las empresas que buscan adoptar agentes IA en sus operaciones, asociarse con un desarrollador de software a medida como Q2BSTUDIO puede acelerar el camino evitando los errores que Intuit ya ha cometido. Desde el diseño inicial de la arquitectura hasta la integración con cloud AWS/Azure, pasando por la implementación de medidas de ciberseguridad y la creación de cuadros de mando en Power BI, contar con un socio experimentado reduce los riesgos y maximiza el retorno de la inversión en inteligencia artificial.
En resumen, reconstruir dos veces en cuatro meses no es un signo de debilidad, sino de madurez técnica. Intuit aprendió que la comunicación en lenguaje natural entre agentes no escala, que los equipos necesitan métricas objetivas (evals) en lugar de agentes aislados, y que el feedback conversacional es una mina de oro para la mejora continua. Estas lecciones son directamente aplicables a cualquier proyecto de IA empresarial, ya sea en el sector financiero, logístico o de servicios. Q2BSTUDIO, con su enfoque en aplicaciones a medida, IA, ciberseguridad y cloud, está preparado para guiar a las empresas en este viaje, asegurando que sus arquitecturas de agentes sean robustas, escalables y preparadas para el futuro.
