Artificial Intelligence / Agents
No quería otro chatbot. Quería un asistente.
Durante mucho tiempo tuve una frustración con los asistentes de inteligencia artificial.
Podían responder preguntas increíbles.
Podían escribir.
Analizar.
Programar.
Resumir.
Pero después de cerrar la conversación, prácticamente todo desaparecía.
Al día siguiente volvías a empezar.
Y eso me llevó a una pregunta:
¿Qué tendría que tener una IA para convertirse realmente en un asistente?
De esa pregunta nació Yuka.
El problema del chatbot
Un chatbot funciona principalmente de forma reactiva.
Tú escribes.
El sistema responde.
Eso es extremadamente útil, pero un asistente debería tener una relación diferente con el contexto.
Un asistente debería poder saber cosas como:
- qué proyectos están activos,
- qué estabas haciendo antes,
- qué herramientas tiene disponibles,
- qué información acaba de recibir,
- qué ocurrió durante una conversación,
- qué puede hacer realmente además de responder.
La diferencia parece pequeña.
Arquitectónicamente no lo es.
Contexto antes que inteligencia
Durante el desarrollo de Yuka llegué a una conclusión que sigo considerando importante:
Un modelo muy inteligente con poco contexto puede ser menos útil que un modelo más pequeño con el contexto correcto.
Por eso el proyecto dejó rápidamente de ser simplemente una interfaz alrededor de un LLM.
Empezaron a aparecer distintas capas.
Voz.
Reconocimiento facial.
Contexto visual.
Memoria durante la sesión.
Herramientas.
Automatizaciones.
Agentes especializados.
Integraciones con dispositivos.
IoT.
Cada una respondía a la misma pregunta:
¿Qué necesita saber el sistema para ayudar en este momento?
La interfaz también cambia
Si una IA solamente funciona mediante una caja de texto, toda interacción tiene que comenzar explícitamente.
Eso limita muchísimo lo que puede hacer.
Con voz, por ejemplo, la relación cambia.
Puedes hablar mientras haces otra cosa.
Puedes interrumpir.
El sistema puede responder de una forma mucho más natural.
Cuando introduces contexto visual ocurre algo todavía más interesante.
Ahora la IA no depende exclusivamente de lo que le describes.
Puede existir una relación entre:
lo que dices + lo que ocurre + lo que ya sabe.
Ahí empieza a aparecer una experiencia mucho más cercana a lo que yo imaginaba como asistente.
De un agente a varios sistemas especializados
Otra decisión importante fue dejar de pensar que un único agente tenía que hacerlo absolutamente todo.
Un sistema complejo puede dividir responsabilidades.
Un agente puede interpretar intención.
Otro puede recuperar contexto.
Otro puede trabajar con determinadas herramientas.
Otro puede encargarse de una integración.
Entonces el problema deja de ser:
“¿Qué prompt debería tener este chatbot?”
y se convierte en:
“¿Cómo debería organizarse este sistema para resolver correctamente una intención?”
Eso ya es arquitectura de software.
No simplemente prompting.
El mundo físico importa
Para mí, una de las partes más interesantes de Yuka es precisamente que no quiero limitarlo a una aplicación.
Si el sistema puede conectarse con:
- cámaras,
- dispositivos IoT,
- wearables,
- sensores,
- herramientas de trabajo,
entonces la frontera entre software y entorno empieza a desaparecer.
Un asistente puede dejar de existir solamente dentro de una pestaña.
Puede convertirse en una capa que conecta diferentes partes de tu vida digital.
Ese es el territorio que realmente me interesa explorar.
El objetivo nunca fue construir Jarvis
Es fácil describir este tipo de proyecto usando la referencia de Jarvis.
Y sirve para explicar rápidamente la idea.
Pero técnicamente intento mantener una expectativa mucho más concreta.
No necesito una IA omnisciente.
Necesito un sistema que haga tres cosas bien:
- entienda el contexto disponible,
- seleccione correctamente qué herramienta utilizar,
- mantenga continuidad suficiente para ser útil.
Si conseguimos eso, muchas experiencias que parecen ciencia ficción empiezan a convertirse simplemente en ingeniería.
Lo que Yuka terminó representando
Yuka comenzó como proyecto personal.
Pero con el tiempo terminó convirtiéndose en una especie de laboratorio.
Ahí he probado ideas de:
- agentes,
- voz,
- visión,
- automatización,
- memoria,
- herramientas,
- contexto,
- interacción humano-máquina.
Y probablemente esa sea la razón por la que sigue evolucionando.
No quiero terminarlo como un producto tradicional.
Quiero que pueda evolucionar conforme aparecen mejores modelos, mejores interfaces y nuevas formas de conectar software con el entorno.
Porque el objetivo original sigue siendo exactamente el mismo.
No quería otro chatbot. Quería un asistente.
