La mayoría de las empresas encuentran que el mayor desafío para la IA es tomar un experimento prometedor, demostración o prueba de concepto y llevarlo al mercado. El analista digital de McKinsey Rodney Zemmel resume esto: es “Tan fácil de encender a un piloto que puedes quedar atrapado en este enfoque de ‘Muerte por 1,000 pilotos”. Es fácil ver el potencial de la IA, encontrar algunas concepts y girar docenas (si no miles) de proyectos piloto. Sin embargo, el problema no es solo el número de pilotos; También es la dificultad de incorporar a un piloto en la producción, algo llamado “Purgatorio de prueba de concepto” de Hugo Bowne-Anderson, y también discutido por Chip Huyen, Hamel Husain y muchos otros autores de O’Reilly. Nuestro trabajo se centra en los desafíos que conlleva llevar a los POC a la producción, como escalar la infraestructura de IA, mejorar la confiabilidad del sistema de IA y producir valor comercial.
Llevar productos a la producción incluye mantenerlos actualizados con las tecnologías más nuevas para la construcción de sistemas de inteligencia synthetic de agente, TRAPOGraphrag, y MCP. También estamos siguiendo el desarrollo de modelos de razonamiento como Deepseek R1, el QWQ de Alibaba, Open AI’s 4O1 y 4O3, Gemini 2 de Google y un número creciente de otros modelos. Estos modelos aumentan su precisión al planificar cómo resolver problemas de antemano.
Aprender más rápido. Cavar más profundo. Ver más lejos.
Los desarrolladores también deben considerar si usar API de los principales proveedores como Open AI, Anthrope y Google o confiar en modelos abiertos, incluida Gemma de Google, Llama de MetaR1 de Deepseek y los muchos modelos de lenguaje pequeño que se derivan (o “destilados”) de modelos más grandes. Muchos de estos modelos más pequeños pueden ejecutarse localmente, sin GPU; Algunos pueden ejecutarse en {hardware} limitado, como los teléfonos celulares. La capacidad de ejecutar modelos localmente ofrece a las opciones de desarrolladores de IA que no existían hace un año o dos. Estamos ayudando a los desarrolladores a comprender cómo usar esas opciones.
Un desarrollo closing es un cambio en la forma en que los desarrolladores de software program escriben código. Los programadores dependen cada vez más de los asistentes de IA para escribir código, y también están utilizando IA para probar y depurar. Lejos de ser el “closing de la programación”, este desarrollo significa que los desarrolladores de software program serán más eficientes, capaces de desarrollar más software program para tareas que aún no hemos automatizado y las tareas ni siquiera hemos imaginado. El término “codificación de ambientes” ha capturado la imaginación standard, pero el uso de asistentes de IA adecuadamente requiere disciplina, y ahora ahora estamos entendiendo lo que significa esa “disciplina”. Como cube Steve Yegge, debe exigir que la IA escriba código que cumpla con sus estándares de calidad como ingeniero.
Sin embargo, la codificación asistida por IA es solo la punta del iceberg. El autor de O’Reilly, Phillip Carter, señala que los LLM y el software program tradicional son buenos en cosas diferentes. Comprender cómo fusionar a los dos en una aplicación efectiva requiere un nuevo enfoque para la arquitectura de software program, la depuración y las ‘evals’, el monitoreo y la observabilidad aguas abajo, y las operaciones a escala. Los servicios dominantes de Web se han creado utilizando sistemas que proporcionan bucles de retroalimentación ricos y acumulaciones de datos; Estos sistemas de management y optimización serán necesariamente diferentes a medida que la IA tome el centro del escenario.
El desafío de lograr el máximo potencial de la IA no es solo cierto para la programación. AI está cambiando la creación de contenido, diseño, advertising, ventas, aprendizaje corporativo e incluso procesos de gestión interna; El desafío será construir herramientas efectivas con IA, y tanto los empleados como los clientes deberán aprender a usar esas nuevas herramientas de manera efectiva.
Ayudando a nuestros clientes a mantenerse al día con esta avalancha de innovación, mientras se convierte en pilotos emocionantes en una implementación efectiva: ese es nuestro trabajo en una oración.
