De las herramientas a los sistemas propios
Primero que nada, podemos tener sistemas con distintas funciones. Uno de ellos, permite evaluar piezas creativas mediante audiencias sintéticas. Antes de realizar una prueba con personas, el equipo puede presentar videos, sitios web o anuncios a perfiles simulados con distintos roles. La plataforma registra sus recorridos, muestra capturas de pantalla y permite consultar qué dificultades se encontraron. Es una instancia previa que puede orientar el trabajo, pero no reemplaza las pruebas con usuarios reales.
 

Otro sistema ayuda a preparar briefs de campaña. El cliente completa un formulario y, a partir del contexto de proyectos anteriores, la herramienta formula preguntas para detectar información faltante. Las respuestas se incorporan al documento que recibe la agencia.

Tombras llevó adelante la automatización de la gestión de reseñas de Google para una red de concesionarios automotrices en Estados Unidos. Según Tubert, el equipo respondía manualmente unas 7.000 reseñas mensuales. El sistema propone respuestas acordes con el tono de la marca y las pautas de cada concesionario. Las positivas pueden responderse automáticamente; las negativas se derivan a un agente, que revisa la propuesta y decide cómo proceder.

En producción, la agencia utiliza IA para crear storyboards y versiones preliminares de comerciales. En tecnología, los agentes ayudaron a migrar 19 sitios de WordPress hacia una plataforma unificada y a revisar miles de páginas, enlaces, metadatos y redirecciones. El contenido fue revisado y aprobado por personas antes de adaptarlo al nuevo sistema. También desarrollaron herramientas para auditar experiencia de usuario, accesibilidad y SEO, y generar en minutos informes que podían demandar días.

Tubert presentó dos campañas. Para PODS, empresa de mudanzas y almacenamiento, Tombras utilizó IA generativa y Google Cloud para producir titulares adaptados a 299 barrios de Nueva York, según variables como el clima, el tránsito y el momento del día. Se generaron más de 6.000 titulares y, según los datos compartidos, en una semana las visitas al sitio aumentaron un 60 por ciento y las solicitudes de presupuesto, un 33 por ciento.

En otra iniciativa, “Quili.ai”, las consultas eran respondidas por personas en lugar de un modelo automático, con el objetivo de generar conciencia sobre el consumo de agua asociado al uso de IA. Según Tubert, la propuesta recibió más de 25.000 consultas.

El cambio en el trabajo técnico

La segunda parte de la charla se centró en el desarrollo de software. El CTO describió una evolución desde la IA como buscador o asistente de autocompletado hasta herramientas capaces de generar proyectos a partir de instrucciones. En ese escenario, parte del trabajo del ingeniero pasa de escribir código a planificar, definir la arquitectura, coordinar agentes y revisar resultados.

Para aprovechar estas herramientas, recomendó definir la tarea antes de comenzar, aportar contexto y responder las preguntas del sistema. También propuso dividir el trabajo en objetivos acotados, elegir modelos según la complejidad de cada tarea y verificar el código mediante pruebas, revisión con otros modelos y comprobaciones visuales.

Tubert explicó que Tombras utiliza skills: paquetes de instrucciones, código y archivos de referencia que permiten ejecutar tareas específicas de manera consistente y compartirlas entre equipos. Además, desarrolló agentes internos que reúnen información de la agencia y sus clientes para asistir a empleados de distintas áreas.

El CTO sostuvo que las organizaciones deben facilitar el acceso a las herramientas, documentar estándares y asignar responsables para revisar los resultados. Estimó que la inversión inicial en suscripciones y herramientas para una agencia grande puede rondar los 50.000 dólares, según el uso previsto. En su experiencia, las mejoras de productividad observadas se ubican entre el 30 por ciento y el 60 por ciento.

Riesgos y supervisión humana

El disertante identificó riesgos como los sesgos presentes en los datos de entrenamiento, la homogeneidad de resultados cuando se utilizan modelos y consignas similares, y las alucinaciones: respuestas verosímiles que pueden contener información falsa. Por eso, recomendó verificar datos, citas y fuentes, y conservar una instancia de revisión humana.

También señaló cuestiones vinculadas con derechos de autor y licencias, el manejo de información de clientes, la privacidad de los datos ingresados en herramientas personales y el consumo de energía y agua de los centros de datos. Para trabajos empresariales, sugirió evaluar planes que ofrezcan mayores garantías para el tratamiento de la información.

Consultado sobre el empleo, Tubert afirmó que hasta el momento observaba principalmente una transformación del rol de los desarrolladores, más que una eliminación directa de puestos en su equipo. Según explicó, la IA permite realizar más tareas al mismo tiempo, aunque hay proyectos en los que su uso todavía está restringido. También sostuvo que la experiencia sigue siendo necesaria para definir arquitecturas y elegir herramientas.

La conclusión retomó la pregunta inicial: si los modelos están disponibles para todos, la ventaja no depende solo de utilizarlos. Para Tubert, el diferencial está en incorporar el conocimiento de cada organización, construir sistemas adecuados a sus necesidades y aplicar criterio humano para revisar y orientar los resultados.