En entrevista con En Perspectiva, el ingeniero Eduardo Mangarelli sostuvo que los modelos de inteligencia artificial generativa son actualmente “significativamente más capaces” que hace seis meses. Según explicó, esa capacidad se refleja especialmente en la posibilidad de resolver problemas complejos de forma original.
Como ejemplo, mencionó que sistemas de OpenAI lograron resolver diez problemas y conjeturas matemáticas que llevaban décadas sin solución. Además de alcanzar una respuesta, los modelos plantearon hipótesis y detallaron el razonamiento utilizado, de modo que ese proceso pudiera ser verificado.
“Lo interesante detrás de eso es que son soluciones novedosas, originales, a problemas existentes”, dijo Mangarelli.
El especialista señaló que este tipo de avances puede tener consecuencias concretas en la investigación científica y en la vida cotidiana. La resolución de problemas matemáticos y científicos, explicó, puede contribuir a predecir de mejor manera la estructura de una proteína o a desarrollar componentes electrónicos más eficientes.
“Esas pequeñas pizcas de ciencia tienen luego un enorme impacto en múltiples aspectos de la vida cotidiana”, señaló.
El avance de los agentes autónomos
Mangarelli también destacó como uno de los principales avances recientes el desarrollo de los llamados agentes autónomos. A diferencia de un sistema que simplemente responde una pregunta, estos agentes pueden recibir un objetivo, definir los pasos necesarios para alcanzarlo y ejecutar tareas durante un período prolongado.
“Son capaces de resolver o llevar adelante tareas de más larga duración”, explicó. Según detalló, estos sistemas pueden “entender qué es lo que necesitan hacer para alcanzar ese objetivo, armar un plan y ejecutar tantas tareas como sea necesario, por el tiempo que sea necesario, conectándose a cuanto sistema sea necesario hasta llegar a ese resultado”.
Como ejemplo, planteó el caso de una empresa que recibe la noticia de que un proveedor no podrá entregar una determinada pieza. Un agente autónomo podría identificar qué productos se verían afectados, determinar cuáles serían los clientes alcanzados por el problema, buscar proveedores alternativos y comparar los costos y los plazos de cada opción. También podría informar a los clientes sobre eventuales demoras y solicitar intervención humana en los puntos del proceso en los que sea necesario tomar una decisión.
“Este escenario que acabo de describir es un escenario 100% realista, 100% implementable”, dijo.
A su entender, esta tecnología puede tener una incidencia directa en las empresas, tanto en la eficiencia y la productividad como en la experiencia de los clientes.
La competencia de los modelos chinos
Otro de los cambios destacados por Mangarelli fue el desarrollo de empresas chinas de inteligencia artificial y la estrategia comercial que están utilizando. Mencionó, entre otras, a Moonshot, DeepSeek, Qwen y MiniMax.
El especialista explicó la diferencia entre los modelos cerrados y los modelos abiertos o, más precisamente, de “pesos abiertos”. En el primer caso, el usuario debe contratar directamente el servicio de la empresa que desarrolló el sistema, como OpenAI, Anthropic o Google.
En cambio, los modelos de pesos abiertos pueden descargarse y ejecutarse en una infraestructura propia o en servidores de terceros. Dependiendo del tamaño del modelo, pueden funcionar en una computadora personal o requerir servidores de mayor capacidad.
“Los sistemas que los desarrolla una empresa determinada, pero al mismo tiempo me dan la opción de descargármelos y ponerlos a funcionar en mi infraestructura física, mi infraestructura de hardware”, explicó.
Privacidad y costos
Mangarelli señaló que esta posibilidad ofrece ventajas en dos áreas principales: privacidad y seguridad, por un lado, y costos, por otro.
Cuando un modelo funciona bajo la jurisdicción de otro país, las empresas pueden tener dudas sobre el tratamiento de la información que intercambian con el sistema. En cambio, al descargarlo y ejecutarlo en una infraestructura propia, se reduce el riesgo asociado al envío de datos.“Lo que permite es bajar enormemente ese riesgo de seguridad”, señaló.
El experto explicó que, una vez descargado, el modelo consiste en “una gran matriz de pesos matemáticos”. En ese escenario, sostuvo, no existe necesariamente una conexión con la empresa que lo desarrolló ni un envío de información hacia el exterior.
Además, los modelos chinos de pesos abiertos pueden ofrecer costos de procesamiento más bajos. Por eso, Mangarelli recomendó que las empresas no utilicen siempre el sistema más sofisticado, sino que elijan el que resulte adecuado para cada tarea. “Uno tiene que lograr encontrar cuál es el modelo suficientemente bueno para resolver la tarea al menor precio”.
“No necesitamos el mejor modelo para resolver todos los problemas”, dijo Mangarelli. Según explicó, los modelos más avanzados pueden reservarse para tareas específicas, mientras que otras partes de un proceso pueden resolverse con sistemas menos sofisticados y, por lo tanto, más baratos.
Emiliano Cotelo conversó con Eduardo Mangarelli, decano de la Facultad de Ingeniería de la Universidad ORT.
