La IA es para la ambigüedad; el código es para las reglas (no gastes dinero de mas)

Todos quieren un agente de inteligencia artificial. Pocos se preguntan si lo necesitan. En Possition venimos observando un patrón que se repite en la industria: empresas que reemplazan lógica simple, barata y verificable por modelos de lenguaje costosos e impredecibles, convencidas de que eso es "transformación digital". Nuestro más reciente position paper pone nombre y método a ese error, y propone un criterio simple para no cometerlo.

El punto de partida es una confusión que parece inocente pero no lo es: automatización, chatbot determinista y agente de IA no son sinónimos. Automatizar es convertir una tarea costosa en un proceso ágil y económico, y puede lograrse con un script de veinte líneas o sin computadoras en absoluto. Un chatbot determinista es un sistema de reglas explícitas: ante la misma entrada, siempre la misma salida, auditable línea por línea. Un agente de IA, en cambio, es otra cosa: una entidad que decide bajo ambigüedad, usando un modelo de lenguaje para interpretar aquello que ninguna lista de reglas podría anticipar. Usar el instrumento equivocado para el problema equivocado es caro en ambas direcciones, pero uno de los dos errores es además silencioso: el sistema parece funcionar... hasta que no lo hace.

¿Por qué insistimos tanto en este punto? Porque la salida de un modelo de lenguaje es, por construcción, una jugada de azar sofisticada. Imaginá un bolillero de lotería donde cada palabra posible es una bolilla, y las palabras más plausibles pesan más. Cada respuesta del modelo es un sorteo tras otro, palabra por palabra, como una carrera de postas donde un solo traspaso defectuoso compromete el resultado completo. Podés agitar menos el bolillero —eso hace la famosa "temperatura baja"— y el sorteo se vuelve más predecible. Pero predecible no significa correcto: un sistema que se equivoca siempre igual sigue equivocándose. Y a diferencia del código tradicional, la corrección de un modelo nunca puede demostrarse; solo puede estimarse, como una encuesta electoral estima la intención de voto: con margen de error, con muestras grandes, y sin certeza absoluta jamás.

La joya del enfoque está en el medio: la arquitectura híbrida. El modelo interpreta la intención y extrae los datos del texto libre; el código toma la decisión de negocio con reglas verificables. El modelo clasifica; el código decide. Y cuando el modelo participa, la ingeniería seria no consiste en soltarlo a decidir, sino en acotarlo: salidas estructuradas que se validan por fuera, respuestas ancladas en documentos verificables, y evaluación continua con datos abundantes y de calidad. Porque un agente sin conjunto de evaluación no tiene tasa de error conocida: tiene anécdotas.

La conclusión cabe en una línea y es nuestra bandera: la inteligencia artificial es para la ambigüedad; el código es para las reglas. La transformación digital no madura cuando una empresa adopta más IA, sino cuando aprende a decidir dónde no usarla. Si estás evaluando automatizar procesos, sumar un agente conversacional o rediseñar tu operación, esa pregunta —¿puedo escribir las reglas?— vale más que cualquier demo. En Possition la hacemos antes de escribir una sola línea. Hablemos.