La evolución de la IA en la práctica: lo que los desarrolladores de FileMaker están experimentando ahora y en el futuro

Casi ningún otro tema está cambiando tanto el mundo de la informática como la inteligencia artificial. Hace sólo unos años, los sistemas de IA se consideraban una lejana tecnología de futuro para muchas pequeñas y medianas empresas. Hoy en día, herramientas como ChatGPT, modelos de lenguaje local, generadores de imágenes y agentes de IA aparecen de repente en la vida laboral cotidiana, a menudo incluso más rápido de lo que pueden adaptarse los procesos existentes.

Actualmente se está produciendo una interesante mezcla de entusiasmo, presión e incertidumbre. Por un lado, muchos empresarios, desarrolladores y creativos ven enormes oportunidades. Se pueden preparar textos automáticamente, generar imágenes, analizar datos y apoyar procesos de forma inteligente. Pero al mismo tiempo crece el escepticismo. Cuanto más se profundiza en el tema, más claro queda que a menudo hay una gran diferencia entre una demostración impresionante y un sistema de producción estable.

Especialmente en el clásico Software para empresas esto queda muy claro. Y es que no basta con obtener resultados individuales espectaculares. Los sistemas deben funcionar de forma fiable, los datos deben ser coherentes y los procesos deben poder mantenerse a largo plazo. Aquí es precisamente donde comienza el verdadero reto del desarrollo actual de la IA.

Claris anuncia una nueva estrategia de IA para FileMaker

Claris tiene un panorama interesante sobre el futuro desarrollo de la plataforma. En el artículo, Ryan McCann, CEO de Claris, describe cómo FileMaker está preparado para evolucionar más hacia el desarrollo asistido por IA en los próximos años.

Especialmente interesante es la integración prevista de los llamados "herramientas de codificación agéntica". El objetivo es convertir FileMaker en un objetivo de desarrollo directo para los modernos agentes de IA. En el futuro, los desarrolladores podrán seleccionar sus herramientas de desarrollo de IA favoritas, formular requisitos en lenguaje natural y, a continuación, transferir los resultados directamente a las soluciones FileMaker existentes. Según Claris, los sistemas de seguridad y autorización existentes se conservarán automáticamente.

Claris también ha anunciado que, en el futuro, los sistemas de IA podrán comprender la estructura de los archivos de FileMaker y el lenguaje de guiones de FileMaker. Esto permitirá a los agentes de IA generar de forma independiente guiones listos para la producción y extensiones de esquemas directamente dentro de las soluciones existentes. En el futuro, también debería ser posible desarrollar interfaces Web modernas compatibles con la IA.

Los sistemas de IA suelen ser aún experimentales en la práctica

Actualmente, muchos debates se centran en los resultados visibles: imágenes impresionantes, textos fluidos o sistemas de agentes autónomos. Sin embargo, los problemas prácticos que subyacen a ellos se discuten con mucha menos frecuencia. Las interfaces no funcionan de forma estable, las versiones de los modelos cambian de repente, las dependencias de Python chocan entre sí o entornos de entrenamiento enteros se rompen inesperadamente tras las actualizaciones. Cualquiera que eche un vistazo a los sistemas locales de IA se da cuenta rápidamente de que el sector se encuentra todavía en una fase muy experimental.

Sin embargo, esto no significa que la IA esté sobrevalorada. Al contrario. Es probable que la inteligencia artificial cambie fundamentalmente muchas áreas del desarrollo de software y de la organización empresarial, especialmente a largo plazo. Sin embargo, es crucial saber distinguir entre el bombo publicitario a corto plazo y el desarrollo sostenible.

"Evolución de la IA" desde la perspectiva de un desarrollador de FileMaker

Marcel Moré ha escrito un artículo muy interesante sobre este tema. En su detallado Artículo sobre la "Evolución de la IA" e describe vívidamente cómo los sistemas de IA están evolucionando actualmente desde simples herramientas a estructuras más complejas y cada vez más autónomas. No se trata sólo de modelos lingüísticos individuales o generadores de imágenes, sino de la combinación de distintos sistemas que interactuarán cada vez más entre sí en el futuro.

Lo que resulta especialmente interesante es que Marcel Moré no sólo se centra en las tendencias a corto plazo, sino que considera la evolución como un cambio tecnológico a más largo plazo. Muchas de sus observaciones recuerdan a etapas evolutivas anteriores del sector informático. Los sistemas ERP tradicionales, las bases de datos y las plataformas web también han evolucionado gradualmente a lo largo de muchos años. Al principio, solían consistir en herramientas individuales o soluciones aisladas. Sólo más tarde se convirtieron en sistemas estables e integrados con procesos claros y estructuras resistentes.

Aquí es precisamente donde el tema se vuelve interesante para los desarrolladores de FileMaker. Y es que FileMaker siempre ha sido tradicionalmente especialmente fuerte en la transformación de procesos complejos en sistemas funcionales de forma pragmática y comparativamente rápida. Muchas empresas llevan años trabajando con éxito con soluciones personalizadas que se adaptan con precisión a sus propios procesos. La IA abre ahora posibilidades completamente nuevas, pero también trae consigo nuevos retos.

Por tanto, la verdadera cuestión ya no es si la IA desempeñará un papel en el futuro. Más bien, la cuestión es cómo pueden integrarse estas tecnologías en los procesos existentes de forma sensata, estable y económica. Y aquí es precisamente donde comienza la emocionante fase de transición que muchos desarrolladores están experimentando actualmente. Aunque el marketing y los medios de comunicación suelen dar la impresión de que los sistemas de IA totalmente automatizados están ya a punto de generalizarse, la vida cotidiana suele pintar un panorama mucho más matizado. Muchos proyectos ya funcionan sorprendentemente bien en principio, pero a menudo sólo en determinadas condiciones, con considerables conocimientos técnicos y a veces con elevados costes de mantenimiento.

Por ejemplo, cualquiera que utilice IA localServidor o combinando diferentes sistemas de código abierto entre sí, te das cuenta rápidamente de lo complejos que se han vuelto estos entornos. Versiones de Torch, dependencias de CUDA, entornos Python o diferentes WebUIs pueden mantener ocupados durante días incluso a desarrolladores experimentados. Al mismo tiempo, sin embargo, es a menudo durante estas fases experimentales cuando se adquiere la experiencia que más tarde conduce a soluciones verdaderamente estables.

Quizás esto recuerde a muchos desarrolladores experimentados los tiempos pasados de la informática. Incluso entonces, muchos sistemas duraderos no se crearon mediante conceptos perfectos y brillantes, sino a través de años de ensayo y error, personalización y mejora gradual. Precisamente por eso merece la pena no adoptar una visión ciegamente eufórica o prematuramente despectiva de los actuales avances de la IA. Quienes se tomen en serio las posibilidades tecnológicas, pero al mismo tiempo comprendan las limitaciones prácticas, probablemente estarán en una posición mucho mejor en los próximos años que quienes se limiten a perseguir las tendencias a corto plazo.

La visión desde fuera: lo que los desarrolladores observan realmente en este momento

Cualquiera que sólo siga la evolución actual de la IA a través de los titulares o las redes sociales se lleva rápidamente la impresión de que la inteligencia artificial ya está a punto de apoderarse por completo de ámbitos laborales enteros. En la práctica, sin embargo, muchos desarrolladores tienen una visión mucho más matizada de la situación. De hecho, lo que está cambiando actualmente no es tanto la IA en sí, sino la forma en que se combinan los distintos sistemas entre sí.

Hace sólo unos años, muchas aplicaciones de IA consistían en herramientas individuales especializadas. Un sistema generaba textos, otro imágenes, otro analizaba datos o transcribía el habla. Ahora, sin embargo, está surgiendo cada vez más una nueva generación de entornos de IA en los que varios modelos trabajan en paralelo y se complementan.

Marcel Moré describe muy claramente esta evolución en su artículo. La IA se está desarrollando paso a paso, pasando de funciones individuales a sistemas en red con sus propios procesos. Esto no solo cambia la arquitectura técnica, sino también el papel de los propios desarrolladores.

Esto se debe a que los desarrolladores de hoy en día ya no programan cada función completamente a mano. En su lugar, orquestan sistemas, modelos, interfaces y automatizaciones entre sí.

Agentes de IA y procesos automatizados

En la actualidad, este desarrollo es especialmente visible en los llamados agentes de IA. Se trata de sistemas que ya no se limitan a responder a órdenes individuales, sino que pueden llevar a cabo varios pasos de forma independiente, uno tras otro. Un agente de IA podría, por ejemplo

• Información sobre la investigación,
• Analizar los datos,
• Resumir contenidos,
• Haz preguntas,
• Guardar resultados
• y desencadenar automáticamente otros procesos.

Desde un punto de vista técnico, esto ya recuerda en parte a los clásicos sistemas de flujo de trabajo o procesos ERP, sólo que mucho más flexibles y dinámicos.

Sobre todo los desarrolladores reconocen rápidamente las oportunidades, pero también los riesgos. A primera vista, estos sistemas parecen impresionantes. Sin embargo, al mismo tiempo surge inmediatamente la pregunta de hasta qué punto estos procesos serán realmente estables y controlables a largo plazo. Un sistema ERP clásico funciona normalmente sobre la base de reglas estrictas. Los sistemas de IA, en cambio, reaccionan de forma probabilística, es decir, basándose en probabilidades. Aquí es precisamente donde surgen nuevos retos.

Cuando un clásico Guión en FileMaker es defectuoso, el error suele poder localizarse con relativa claridad. Esto es mucho más difícil con los sistemas complejos de IA. En estos casos, los errores no suelen deberse a un único fallo de programación, sino a interacciones entre modelos, avisos, calidad de los datos o interfaces externas.

El verdadero reto: integración en lugar de IA

Muchos desarrolladores se están dando cuenta de que la dificultad real a menudo ya no está en el modelo de IA en sí. Los modelos son cada vez más potentes y fáciles de utilizar. Los verdaderos problemas suelen surgir al integrarlos en los sistemas existentes. Las empresas, en particular, suelen tener estructuras de datos evolucionadas, soluciones de software antiguas, diferentes fuentes de datos, procesos individuales y numerosos casos especiales.

Y aquí es exactamente donde queda claro si una solución de IA es realmente adecuada para el uso diario. Porque una demostración impresionante se crea rápidamente. En cambio, un sistema estable de forma permanente requiere datos limpios, flujos de trabajo claros, procesos controlables, resultados trazables y capacidad de mantenimiento a largo plazo.

Por ello, muchos desarrolladores experimentados observan actualmente un cambio interesante. Mientras el público suele hablar de modelos cada vez más grandes, las empresas se preocupan cada vez más por cuestiones completamente distintas:

• ¿Cómo integrar la IA de forma sensata?
• ¿Qué procesos son adecuados en absoluto?
• ¿Dónde ahorra tiempo realmente la IA?
• ¿Qué riesgos se plantean?
• ¿Y cómo se mantiene el sistema?

Estas preguntas parecen menos espectaculares, pero probablemente sean mucho más importantes.

Por qué los desarrolladores de FileMaker en particular tienen ventajas interesantes aquí

Esta evolución podría ser especialmente emocionante en el entorno FileMaker. Esto se debe a que muchos desarrolladores de FileMaker llevan años acostumbrados a desarrollar soluciones pragmáticas para procesos empresariales reales. En lugar de arquitecturas puramente teóricas, la atención suele centrarse en procesos concretos:

• Pedidos,
• Gestión de clientes,
• Rodamiento,
• Documentos,
• Flujos de trabajo,
• Interfaces
• o procesos especiales personalizados.

Es precisamente esta experiencia práctica la que podría suponer una gran ventaja en el futuro. Al fin y al cabo, la IA por sí sola no resuelve los problemas organizativos. Si los datos se estructuran caóticamente o los procesos nunca se han definido con claridad, ni siquiera la mejor IA los convertirá en un sistema estable.

Muchos desarrolladores se están dando cuenta incluso de que los principios clásicos del software vuelven a cobrar importancia de repente:

• modelos de datos limpios,
• relaciones claras,
• procesos trazables,
• Interfaces estables
• y mantenimiento de datos estructurados.

Curiosamente, esto recuerda en parte a anteriores fases de desarrollo del Digitalización. Incluso entonces, muchas empresas creyeron inicialmente que las nuevas tecnologías resolverían los problemas existentes de forma casi automática. Sin embargo, en realidad casi siempre resultaba que los sistemas sostenibles se creaban principalmente a través de buenas estructuras.

Entre una fase experimental y un cambio a largo plazo

Al mismo tiempo, sin embargo, muchos desarrolladores también son conscientes de que la actual ola de IA no desaparecerá sin más. La tecnología se desarrolla demasiado rápido para ello. Hace sólo dos años, muchos sistemas de IA parecían más bien experimentos interesantes. Hoy ya se crean flujos de trabajo completos en torno a modelos lingüísticos, generadores de imágenes o procesos de automatización. Incluso las empresas más pequeñas empiezan a probar cada vez más cómo puede utilizarse la IA de forma significativa.

Sin embargo, esto también revela un patrón típico de la agitación tecnológica. Al principio, la gente suele sobrestimar lo que es posible a corto plazo. Al mismo tiempo, se subestima hasta qué punto cambiarán realmente las tecnologías a largo plazo. Precisamente por eso, muchos desarrolladores observan la situación actual con una mezcla de entusiasmo y cautela.

Por un lado, están surgiendo oportunidades fascinantes. Por otro, está por ver qué plataformas, modelos y métodos de trabajo se impondrán a largo plazo. Es probable que muchas de las soluciones actuales hayan desaparecido o hayan sido completamente sustituidas en pocos años.

Por eso es tan importante un enfoque sereno y pragmático. No todas las nuevas herramientas de IA deben utilizarse de forma productiva inmediatamente. Pero, al mismo tiempo, sería un error ignorar por completo el desarrollo. Quienes se familiaricen pronto con los conceptos básicos, adquieran experiencia práctica y clasifiquen los sistemas de forma realista estarán mucho mejor preparados a largo plazo.

Y es precisamente en este punto donde comienza la fase realmente emocionante de la evolución de la IA para muchos desarrolladores.

La realidad del día a día: por qué los proyectos de IA suelen ser mucho más complicados de lo esperado

Cualquiera que se acerque a la inteligencia artificial se da cuenta rápidamente de que hay una diferencia considerable entre una demostración que funciona y un sistema estable de uso cotidiano. Es precisamente en este punto donde comienza la verdadera desilusión para muchas empresas y desarrolladores. Por supuesto, las posibilidades de los sistemas modernos de IA son impresionantes. Los modelos lingüísticos escriben textos, analizan datos o responden a preguntas complejas en cuestión de segundos. Los generadores de imágenes producen contenidos que habrían sido técnicamente inconcebibles hace sólo unos años. Al mismo tiempo, sin embargo, a menudo surge la impresión de que estos sistemas ahora sólo necesitan "conectarse de alguna manera" para crear automáticamente soluciones empresariales productivas.

En la práctica, sin embargo, enseguida se pone de manifiesto que este último paso suele ser el más difícil. Esto se debe a que los procesos reales de una empresa rara vez consisten en simples procedimientos estándar. Los datos proceden de distintas fuentes, las estructuras han crecido históricamente y muchos casos especiales se han personalizado a lo largo de los años. Aquí es donde empieza el verdadero trabajo.

El lado invisible de los proyectos de IA

Desde fuera, muchos proyectos de IA suelen parecer sorprendentemente fluidos y modernos. Se presentan resultados funcionales, elegantes interfaces de usuario o breves demostraciones de funciones impresionantes. Sin embargo, las muchas horas de trabajo de resolución de problemas y mantenimiento que hay detrás de estos sistemas son mucho menos visibles. Los desarrolladores, en particular, viven situaciones similares una y otra vez:

• Un modelo deja de funcionar de repente tras una actualización,
• Las dependencias de Python chocan,
• Las versiones CUDA no coinciden,
• Las interfaces cambian,
• Se producen problemas de memoria,
• o extensiones individuales hacen que entornos enteros sean inestables.

Esta dinámica es especialmente evidente en el sector del código abierto. Muchas herramientas se desarrollan con extrema rapidez. A veces aparecen nuevas funciones cada semana. Al mismo tiempo, suelen faltar normas estables a largo plazo. Como resultado, los desarrolladores se encuentran rápidamente en una especie de modo de mantenimiento permanente. No es raro que dediquen más tiempo a poner en marcha los sistemas que a trabajar productivamente con ellos.

Por qué de repente la mantenibilidad vuelve a ser un factor clave

Por ello, los desarrolladores experimentados, en particular, reconocen actualmente una evolución interesante: muchos principios clásicos del desarrollo profesional de software vuelven a cobrar de repente una enorme importancia. Al fin y al cabo, incluso la IA más moderna sirve de poco si el sistema en su conjunto se vuelve inestable. Las empresas no necesitan demostraciones individuales espectaculares, pero:

• procesos trazables,
• resultados reproducibles,
• interfaces estables,
• flujos de datos controlables
• y mantenimiento a largo plazo.

Sin embargo, ésta suele ser la mayor debilidad de los proyectos actuales de IA. Muchos sistemas se desarrollan actualmente de forma experimental. Se combinan distintas herramientas entre sí, se prueban nuevas ampliaciones y se utilizan distintos modelos en paralelo. Esto suele funcionar sorprendentemente bien a corto plazo, pero crea rápidamente complejas dependencias a largo plazo.

Esto es especialmente crítico para las soluciones empresariales productivas. Porque no basta con que un sistema funcione "la mayor parte del tiempo". Los procesos deben funcionar de forma fiable, incluso después de actualizaciones, cambios de servidor o cambios de personal. Por ello, muchos desarrolladores recuerdan actualmente principios de TI anteriores:

• prefieren soluciones estables a trucos a corto plazo,
• Preferimos los procesos comprensibles a la máxima complejidad,
• Prefiero los sistemas mantenibles a los trucos individuales impresionantes.

Curiosamente, esta evolución casi parece un retorno a las virtudes clásicas del desarrollo de software.

A menudo, el verdadero trabajo no empieza hasta después del primer éxito.

Otro problema de muchos proyectos de IA sólo se pone de manifiesto tras los primeros resultados positivos. Al principio, muchas cosas funcionan sorprendentemente rápido:

• Los primeros generadores de imágenes están en marcha,
• Se generan textos,
• Se crean automatizaciones,
• los modelos locales arrancan con éxito.

Pero es precisamente ahora cuando suele comenzar la fase difícil. De repente surgen preguntas como:

• ¿Cómo proteger el medio ambiente?
• ¿Qué versión del modelo utilizamos permanentemente?
• ¿Cómo documentamos los procesos?
• ¿Es escalable el sistema?
• ¿Cómo evitar el caos de datos?
• ¿Quién esperará eso más tarde?

Las empresas más pequeñas, en particular, suelen subestimar considerablemente este esfuerzo. Mientras que el software tradicional a menudo puede funcionar de forma relativamente estable durante años, muchos sistemas de IA se encuentran actualmente en una fase de desarrollo muy dinámica. Los modelos, las bibliotecas y los marcos cambian a veces con tanta rapidez que resulta difícil planificar a largo plazo. Esta es precisamente la razón por la que muchos desarrolladores informan actualmente de unos costes de mantenimiento inusualmente altos.

Nuestra experiencia práctica

Esto resulta especialmente evidente en el caso de los servidores locales de IA y los sistemas de formación. Cualquiera que instale este tipo de entornos por sí mismo se da cuenta enseguida de cuántos pequeños detalles técnicos tienen que funcionar juntos:

• Controlador de la tarjeta gráfica,
• Versiones de antorcha,
• Compatibilidad con CUDA,
• Entornos Python,
• Extensiones,
• WebUIs,
• Gestión de la memoria
• y compatibilidad de modelos.

A menudo basta una sola versión incompatible para que un sistema que antes funcionaba de repente falle por completo. Sin embargo, estas experiencias también dejan claro por qué muchos debates actuales sobre IA parecen a veces algo irreales. Desde fuera, a menudo se tiene la impresión de que los sistemas modernos de IA ya están en gran medida maduros. En la práctica, sin embargo, rápidamente se pone de manifiesto que muchas áreas siguen teniendo un carácter altamente experimental.

Sin embargo, esto no significa que este desarrollo vaya a fracasar. Al contrario. Probablemente nos encontremos en una fase de transición típica de las nuevas tecnologías. Los primeros servidores web, sistemas de bases de datos y soluciones ERP también solían ser complicados, inestables y de alto mantenimiento al principio. Sólo con el tiempo se convirtieron en plataformas estandarizadas y resistentes.

Precisamente por eso, la fase actual debería ser extremadamente importante a largo plazo. Al fin y al cabo, es precisamente ahora cuando los promotores están adquiriendo la experiencia práctica que más tarde dará lugar a estructuras estables.

Por qué el pragmatismo es actualmente más importante que la perfección

Por eso, muchos desarrolladores experimentados adoptan ahora un enfoque mucho más pragmático. No todos los modelos nuevos deben integrarse inmediatamente. No todas las innovaciones técnicas aportan automáticamente un valor añadido real. A menudo tiene más sentido trabajar con soluciones más pequeñas y estables y ampliarlas paso a paso. A largo plazo, las empresas suelen beneficiarse más de procesos claros, sistemas manejables, una estructura de datos limpia y una automatización controlable.

Por tanto, la verdadera fuerza de la inteligencia artificial podría residir en última instancia menos en la espectacularidad de las acciones individuales y más en complementar inteligentemente los procesos existentes y hacerlos gradualmente más eficientes. Y probablemente sea precisamente aquí donde se decida el éxito de los proyectos de IA a largo plazo: no con la mayor demostración, sino con la solución práctica permanentemente estable.

Paralelismos con el desarrollo clásico de software

Si echamos un vistazo más sobrio al desarrollo actual de la inteligencia artificial, observaremos un interesante paralelismo: Muchos retos recuerdan sorprendentemente a fases anteriores del desarrollo clásico de software.

Porque también allí muchas cosas empezaron con gran euforia. Las nuevas tecnologías prometían procesos más rápidos, costes más bajos y posibilidades completamente nuevas. Al mismo tiempo, sin embargo, casi siempre resultaba en la práctica que los sistemas sostenibles no se creaban sólo con innovaciones técnicas, sino sobre todo con estructuras limpias, procesos claros y mantenibilidad a largo plazo.

Es precisamente esta evolución la que actualmente parece repetirse de forma similar en el campo de la IA. En la actualidad, muchos debates siguen centrándose en gran medida en las capacidades visibles de los sistemas modernos de IA:

• mejores modelos lingüísticos,
• ventana contextual más grande,
• generadores de imágenes más rápidos,
• sistemas de agentes autónomos
• o automatización compleja.

Sin embargo, cuanto más profundizan las empresas y los desarrolladores en proyectos reales, más claro queda que aquí se plantean las mismas cuestiones básicas que antes:

• ¿Es estable el sistema?
• ¿Es la solución fácil de mantener?
• ¿Hasta qué punto están limpios los datos?
• ¿Hasta qué punto son fiables los procesos?
• ¿Y hasta qué punto dependes de las plataformas individuales?

Ni siquiera los sistemas ERP clásicos se crearon de la noche a la mañana

Por ello, los desarrolladores con muchos años de experiencia reconocerán muchos patrones familiares. Incluso los sistemas ERP o de bases de datos clásicos eran a menudo mucho más caóticos y experimentales al principio de lo que cabría esperar hoy en día. Muchas soluciones se desarrollaban paso a paso:

1. funciones individuales en primer lugar,
2. y luego automatizaciones más pequeñas,
3. procesos posteriores más complejos,
4. sistemas globales integrados.

A menudo, las soluciones estables sólo se desarrollan tras muchos años de experiencia práctica. FileMaker, en particular, fue una herramienta interesante para muchas empresas porque los procesos podían trazarse de forma comparativamente pragmática y rápida. En lugar de enormes conceptos teóricos, a menudo se desarrollaban soluciones concretas para problemas reales:

• Gestión de pedidos,
• Gestión de almacenes,
• Documente los procesos,
• Gestión de clientes
• o soluciones industriales a medida.

Es precisamente esta forma práctica de pensar la que ahora podría volver a cobrar importancia en el campo de la IA. Al fin y al cabo, la inteligencia artificial no puede sustituir a los procesos mal organizados. Si los datos están estructurados caóticamente o los procesos nunca se han definido con claridad, la IA suele crear fuentes de error adicionales en lugar de mejoras reales.

Por qué las estructuras de datos vuelven a ser cruciales

Curiosamente, la actual oleada de IA está provocando incluso que muchos principios clásicos de las TI vuelvan a cobrar protagonismo. Aunque los sistemas modernos de IA suelen ser flexibles e inteligentes, siguen dependiendo en gran medida de la calidad de los datos subyacentes. Esto se aplica a

• Datos maestros,
• Estructuras documentales,
• Palabras clave,
• Relaciones,
• Definiciones de los procesos
• y la coherencia de los datos.

Aquí es donde a menudo se pone de manifiesto un problema que muchas empresas han suprimido durante años: Los sistemas creados históricamente suelen contener incoherencias, casos especiales y estructuras poco claras.

Estos problemas no pueden ser simplemente "inteligentizados" por la IA. Al contrario. A menudo, las estructuras de datos defectuosas se ven incluso reforzadas porque los sistemas de IA reconocen patrones y los siguen procesando, independientemente de si estos patrones son útiles o problemáticos.

Por ello, muchos desarrolladores se están dando cuenta actualmente de que un buen mantenimiento de los datos vuelve a cobrar de repente una enorme importancia. Esto recuerda a proyectos anteriores de bases de datos, en los que el éxito a largo plazo a menudo dependía menos de funciones espectaculares y más de:

• modelo de datos limpio,
• relaciones claras,
• procesos trazables
• y una estructuración disciplinada.

El peligro de las nuevas "soluciones rápidas"

Otro paralelismo con el desarrollo de software tradicional puede verse en el tema de las soluciones rápidas. Ya en las primeras fases de la informática se crearon una y otra vez herramientas que impresionaban a corto plazo, pero causaban problemas considerables a largo plazo. Muchos desarrolladores aún lo recuerdan bien:

• soluciones de acceso sobrecargadas,
• sistemas Excel no estructurados,
• guiones mal documentados,
• o aplicaciones web improvisadas.

Al principio, estos sistemas solían funcionar sorprendentemente bien. Sólo después surgían problemas de mantenimiento, caos de datos o dependencias difíciles de controlar. Precisamente riesgos similares se observan ahora de nuevo en el sector de la IA. Muchos flujos de trabajo de IA actuales consisten en un gran número de herramientas combinadas:

• diferentes modelos,
• API externas,
• Plugins,
• servidores locales,
• Automatizaciones,
• Cadenas Prompt
• y ampliaciones experimentales.

A corto plazo, los resultados son impresionantes. A largo plazo, sin embargo, se plantea la cuestión de hasta qué punto estas construcciones son realmente estables y mantenibles. Por ello, los desarrolladores experimentados observan actualmente con cierta cautela la rapidez con la que algunas empresas intentan utilizar de forma productiva procesos complejos de IA, a pesar de que a menudo siguen sin resolverse cuestiones organizativas fundamentales.

Por qué el pensamiento a largo plazo es especialmente importante ahora

Precisamente por eso, la fase actual debería recompensar a los desarrolladores y empresas que piensan a largo plazo. No todas las nuevas funciones tienen que integrarse inmediatamente. No todas las herramientas de tendencia seguirán siendo relevantes a largo plazo. Es probable que muchos de los sistemas actuales desaparezcan o se sustituyan por completo en unos pocos años.

Sin embargo, el verdadero punto fuerte del desarrollo profesional de software siempre ha sido crear bases estables. Y es precisamente esta capacidad la que probablemente siga siendo crucial en la era de la IA:

• Comprender los procesos,
• Sistemas estructurantes,
• Organizar los datos de forma limpia,
• Procesos documentales
• y complejidad técnica manejables.

No cabe duda de que la inteligencia artificial está cambiando actualmente el mundo del software. Al mismo tiempo, sin embargo, también demuestra que muchos principios básicos del buen trabajo informático siguen siendo intemporales. Quizá ésta sea precisamente la constatación más importante del desarrollo actual de la IA: no todo es completamente nuevo. Más bien, muchas cosas están evolucionando como la siguiente etapa en la evolución de principios ya conocidos.

Dónde tiene sentido la IA hoy en día y hacia dónde podría llevarnos el viaje con FileMaker

Tras las primeras grandes oleadas de IA, poco a poco va surgiendo una visión mucho más sobria del tema. Muchas empresas y desarrolladores se están dando cuenta de que la inteligencia artificial no es un truco de magia a corto plazo ni un mero artificio. Al mismo tiempo, sin embargo, también está quedando claro que no todas las tareas pueden automatizarse de forma significativa.

Sobre todo en el día a día de las empresas, lo decisivo al final no es tanto la demostración más espectacular, sino la idoneidad práctica para el uso cotidiano. Y aquí es precisamente donde están cristalizando una serie de áreas en las que la IA ya puede aportar un valor añadido real.

Generación de textos como primera gran área productiva

Las ventajas son probablemente más visibles en el tratamiento de textos. Ahora los modelos lingüísticos pueden:

• Prepara los documentos,
• Formular correos electrónicos,
• Crear resúmenes,
• Generar traducciones,
• Preparar las zonas FAQ
• o generar contenidos estructurados a partir de datos brutos.

Aquí es donde ya se ahorra mucho tiempo. Lo que resulta especialmente interesante es que la IA a menudo no sustituye por completo a los humanos, sino que funciona como un asistente inteligente. Muchos desarrolladores, editores y empresarios utilizan ahora la IA de forma similar a un empleado adicional para el trabajo preparatorio, la estructuración o la recopilación de ideas.

Sin embargo, esto no significa que los resultados deban aceptarse sin escrutinio. El control sigue siendo crucial, sobre todo en cuestiones técnicas o jurídicas. No obstante, es probable que este ámbito siga siendo una de las áreas de aplicación práctica más importantes a largo plazo. Será especialmente interesante cuando puedan utilizarse directamente los datos existentes en la empresa, por ejemplo:

• plantillas de presupuesto automáticas,
• Respuestas por correo electrónico,
• Documentales,
• Bases de datos de conocimientos
• o sistemas de asistencia interna.
• IA como apoyo en lugar de sustitución completa

Otro campo de aplicación realista son las funciones de asistencia. Muchas empresas se están dando cuenta de que la IA funciona especialmente bien cuando complementa a las personas en lugar de sustituirlas por completo. Esto incluye, por ejemplo:

• funciones de búsqueda inteligente,
• categorización automática,
• Análisis de datos,
• Clasificación de imágenes,
• Reconocimiento de documentos
• o sistemas de propuestas.

A largo plazo, esto podría resultar especialmente interesante en el entorno de los ERP y las bases de datos. Y es que en ellos se generan a diario grandes cantidades de información estructurada:

• Facturas,
• Documentos,
• Consultas de los clientes,
• Datos de almacenamiento,
• Información sobre el producto
• o comunicación por correo electrónico.

La IA puede ayudar a evaluar esa información con mayor rapidez, organizarla con sensatez o preparar procesos. Sin embargo, el proceso real de toma de decisiones suele seguir siendo responsabilidad de los humanos. Es precisamente este enfoque híbrido el que probablemente resulte mucho más realista para muchas empresas que la idea de sistemas de IA totalmente autónomos.

Por qué no basta con la automatización

Sin embargo, actualmente se está poniendo de manifiesto una limitación de muchos proyectos de IA. Al fin y al cabo, ser técnicamente automatizable no significa automáticamente ser razonable desde el punto de vista organizativo. Las empresas, en particular, tienen numerosos procesos que contienen excepciones, requieren comunicación humana, exigen responsabilidad o deben mantenerse deliberadamente flexibles.

Muchos desarrolladores se dan cuenta ahora de que la inteligencia artificial no sustituye simplemente al software tradicional. En su lugar, está surgiendo un nuevo nivel de apoyo inteligente sobre los sistemas existentes. Esto recuerda en cierto modo a los primeros pasos de la digitalización. Incluso entonces, los procesos no desaparecían por completo. Por el contrario, se hicieron gradualmente más eficientes, más estructurados y mejor apoyados.

Es precisamente esta visión pragmática la que probablemente sea más importante a largo plazo que la idea de una IA corporativa completamente autónoma.

Especialmente interesante: IA directamente en FileMaker

Sin embargo, esta evolución podría resultar especialmente interesante en el entorno FileMaker en los próximos años. Y es que Claris FileMaker ya ha anunciado que en el futuro se apoyará cada vez más en los denominados agentes de IA. Ya no se trata sólo de las clásicas consultas de IA o de interfaces externas, sino de sistemas que pueden trabajar de forma activa directamente dentro de FileMaker.

Y esto podría cambiar significativamente la forma de trabajar de muchos desarrolladores a largo plazo. Hasta ahora, el apoyo de la IA ha sido relativamente indirecto en muchos casos:

• Los desarrolladores formulan indicaciones,
• recibir sugerencias de texto,
• copiar guiones,
• personalizar el código manualmente
• e integrar ellos mismos los resultados en la solución.

Sin embargo, los sistemas de agentes anunciados van un paso más allá. En el futuro, los desarrolladores podrán formular cada vez más tareas directamente en lenguaje natural:

• crear nuevas tablas,
• Generar guiones,
• Prepare los diseños,
• Crear relaciones,
• Campos completos
• o automatizar procesos.

De este modo, la IA no sólo proporcionaría sugerencias, sino que trabajaría activamente en el entorno FileMaker.

Por qué podría cambiar el desarrollo de software

Si esta evolución se hace estable y controlable, tendría un impacto significativo en el trabajo diario de desarrollo. Porque, de repente, el centro de gravedad se desplaza:

Alejarse de la mera aplicación técnica y acercarse a la descripción de procesos y la lógica de sistemas.

Curiosamente, esto recuerda en cierto modo a la fuerza original del propio FileMaker. FileMaker siempre fue especialmente atractivo porque muchos procesos podían implementarse de forma comparativamente rápida y visual. Los desarrolladores tenían que hacer menos "programación de bajo nivel" que en los entornos de desarrollo clásicos.

Los agentes de IA podrían ahora llevar este enfoque a un nuevo nivel. En lugar de programar manualmente guiones individuales, los desarrolladores podrían en el futuro trabajar más como:

• Arquitectos de sistemas,
• Diseñador de procesos,
• Modelador de datos
• y controladores de calidad.

La aplicación técnica propiamente dicha estaría cada vez más automatizada.

Al mismo tiempo, están surgiendo retos completamente nuevos

Sin embargo, es poco probable que esta evolución se desarrolle sin contratiempos. En cuanto la IA pueda realizar cambios directamente en los sistemas productivos, surgirán problemas como:

• Control,
• Trazabilidad,
• Control de versiones,
• Autorizaciones
• y garantía de calidad

aún más importante. Los desarrolladores experimentados, en particular, probablemente prestarán mucha atención a la fiabilidad con la que funcionan estos agentes. Al fin y al cabo, un script generado incorrectamente o un cambio estructural defectuoso pueden tener consecuencias considerables en sistemas de bases de datos productivos.

Por tanto, es probable que el control humano siga siendo fundamental a largo plazo. La verdadera fuerza de estos sistemas podría residir menos en sustituir completamente a los desarrolladores, sino más bien en acelerar masivamente el trabajo repetitivo y poder preparar procesos complejos con mayor rapidez.

Probablemente la forma más realista de desarrollar la IA

Este podría ser también el futuro más realista para la inteligencia artificial en general. No en sistemas totalmente autónomos que sustituyan por completo a los humanos. Sino en herramientas inteligentes que aceleren los procesos, estructuren la información, reduzcan el trabajo repetitivo y apoyen a las personas en tareas complejas.

FileMaker, en particular, podría seguir siendo una plataforma interesante para esto a largo plazo, ya que permite combinar procesos empresariales tradicionales con nuevas funciones de IA de una forma comparativamente flexible. Y quizás sea aquí donde la dirección real de la evolución de la IA ya es evidente hoy en día:

no la sustitución completa de los sistemas existentes, sino su expansión inteligente y gradual.

Nuestra propia experiencia práctica: entre la fase experimental y un futuro productivo

Cualquiera que desee seriamente integrar la inteligencia artificial en los sistemas existentes hoy en día se da cuenta rápidamente de que muchos debates públicos sólo muestran una pequeña parte de la realidad real. Y es que, mientras que los resultados espectaculares son a menudo visibles para el mundo exterior, la realidad cotidiana consiste a menudo en numerosos pequeños retos técnicos, organizativos y estructurales.

Es precisamente esta experiencia la que están experimentando actualmente muchos desarrolladores que se esfuerzan no sólo por utilizar sistemas de IA con fines de prueba, sino también por integrarlos de forma productiva en sus propios flujos de trabajo. Rápidamente queda claro que la inteligencia artificial no es tanto un producto acabado en este momento, sino más bien una nueva obra tecnológica con un enorme potencial.

Construir su propia infraestructura de IA en lugar de utilizar sólo la nube

El tema se vuelve especialmente interesante cuando los desarrolladores empiezan a crear sus propias infraestructuras de IA. Porque aunque muchos usuarios solo utilizan herramientas basadas en la nube, cada vez se crean más sistemas locales en paralelo:

• propio servidor Linux de IA,
• modelos lingüísticos locales,
• Generadores de imágenes,
• Entornos de formación
• o sistemas de flujo de trabajo combinados.

Esto abre posibilidades completamente nuevas, especialmente en entornos creativos y técnicos. Sin embargo, también se pone rápidamente de manifiesto lo complejos que se han vuelto ya estos entornos. Quien, por ejemplo, instala sus propios servidores de imágenes de IA basados en Linux, trabaja con modelos locales o combina diferentes sistemas, suele operar en un entorno que todavía tiene un carácter muy experimental.

Los controladores, las versiones de CUDA, las dependencias de la antorcha, la gestión de la memoria o las extensiones incompatibles pueden mantener ocupados durante días incluso a desarrolladores experimentados. Muchos problemas no surgen de un único error importante, sino de innumerables pequeñas dependencias técnicas. Sin embargo, suele ser en esta fase cuando se adquiere la verdadera experiencia práctica.

Controle la IA directamente desde FileMaker

Sin embargo, el tema se vuelve especialmente apasionante cuando el software empresarial tradicional se combina con los modernos sistemas de IA. Aquí es precisamente donde están surgiendo actualmente nuevos enfoques interesantes. En la práctica, varios sistemas de IA ya pueden controlarse directamente desde FileMaker:

• Modelos de texto,
• Generadores de imágenes,
• Administraciones modelo,
• Sistemas Prompt,
• Controles del servidor
• o rutinas de transferencia automatizadas.

Cada vez se crean más interfaces de administración especializadas, a través de las cuales:

• Modelos organizados,
• Servidor gestionado,
• Plantillas guardadas,
• Estructuras JSON preparadas
• y varios procesos de IA pueden controlarse de forma centralizada.

Curiosamente, esto recuerda en parte al desarrollo clásico de ERP, salvo que en lugar de datos de almacén o facturas, de repente se gestionan modelos de IA, avisos y parámetros de entrenamiento. La combinación de lógica de base de datos estructurada y sistemas de IA flexibles, en particular, es probable que tenga un enorme potencial a largo plazo.

El límite actual: la IA entiende mucho, pero aún no está integrada de forma suficientemente limpia

Sin embargo, a pesar de todos los progresos realizados, sigue habiendo un límite importante. Esto se debe a que los modelos lingüísticos modernos ya son asombrosamente buenos:

• Generar guiones,
• Escribe fórmulas,
• Explicar las estructuras de las bases de datos
• o lógica compleja.

Sin embargo, la integración real en soluciones FileMaker productivas suele ser todavía relativamente manual. En concreto, esto significa

• Hay que adaptar el código,
• Los guiones se transfieren,
• Estructuras controladas,
• Formato corregido
• y los procesos se comprueban manualmente.

Esto plantea un problema particular en el entorno FileMaker. Esto se debe a que los guiones de FileMaker tienen su propia estructura interna y no pueden transferirse directamente al editor de guiones como texto normal. Esto da lugar actualmente a varias soluciones intermedias:

• transferencia manual,
• Conversiones XSLT,
• Convertidor de portapapeles,
• Herramientas especiales para copiar y pegar
• o sistemas de conversión para formatos de guión compatibles con FileMaker.

Esto ya funciona sorprendentemente bien en la vida cotidiana, pero al mismo tiempo sigue pareciendo una fase de transición entre el desarrollo clásico y la futura integración de la IA.

Aquí es precisamente donde los agentes de IA podrían cerrar la brecha crucial

Y es precisamente aquí donde la tecnología de agentes anunciada por Claris FileMaker resulta especialmente interesante. Hasta ahora, a menudo ha habido una especie de "capa de traducción manual" entre la IA y el desarrollo productivo. La IA genera contenidos, sugerencias o guiones; el desarrollador se encarga entonces de la integración técnica real.

Los agentes de IA podrían reducir significativamente esta brecha en el futuro. Porque si los sistemas de IA pueden trabajar directamente dentro de FileMaker, toda la forma de trabajar cambiará:

• Los guiones podrían generarse directamente,
• se crean automáticamente,
• relaciones,
• Maquetas preparadas
• o procesos pueden ampliarse dinámicamente.

Así, el promotor realizaría él mismo menos pasos técnicos individuales, pero más:

• Describa los procesos,
• Define lógica,
• Comprobar resultados
• y sistemas estructurales.

Esto podría suponer un salto considerable en la productividad a largo plazo.

Por qué los desarrolladores experimentados en particular podrían beneficiarse de esto

Curiosamente, es probable que esta evolución beneficie sobre todo a los desarrolladores experimentados. Aunque la IA puede asumir cada vez más tareas técnicas, no comprende automáticamente los procesos empresariales reales que hay detrás. Esto sigue siendo crucial, especialmente para las soluciones más complejas:

• Comprensión del proceso,
• Lógica de datos,
• Experiencia en casos especiales,
• pensamiento organizativo
• y la planificación estructural a largo plazo.

Muchas empresas siguen subestimando lo importantes que pueden llegar a ser estas competencias en el futuro. Al fin y al cabo, si las tareas técnicas estándar se automatizan cada vez más, el valor real se desplazará más en la dirección correcta:

• Arquitectura,
• Consultoría,
• Diseño del proceso
• y control de calidad.

Los desarrolladores de FileMaker en particular suelen tener una ventaja interesante porque tradicionalmente trabajan muy estrechamente con los procesos reales de la empresa.

Entre la fase experimental actual y el futuro entorno productivo

Por supuesto, este desarrollo se encuentra aún en una fase relativamente temprana. Muchos sistemas aún parecen experimentales, a veces inestables o inacabados desde el punto de vista organizativo. Al mismo tiempo, sin embargo, ya es posible reconocer hacia dónde podría ir la dirección. Hace sólo unos años, los modelos lingüísticos locales, los servidores de imágenes de IA o los sistemas de desarrollo basados en agentes parecían casi sueños del futuro. Hoy ya existen los primeros enfoques productivos, sorprendentemente eficaces a pesar de todas las dificultades.

Precisamente por eso, es probable que la fase actual sea especialmente apasionante a largo plazo. Al fin y al cabo, es probable que ahora mismo se estén sentando las bases de una nueva generación de herramientas de desarrollo, como ocurrió con los primeros sistemas gráficos de bases de datos o las primeras plataformas ERP.

Y dentro de unos años, puede que echemos la vista atrás y nos demos cuenta de que esta fase de transición actual fue precisamente el momento en el que el desarrollo clásico de software se desplazó lentamente hacia el desarrollo de sistemas apoyados en IA.

La evolución de la IA no significa el fin del desarrollo tradicional, sino su próxima etapa

Tras los primeros años de gran euforia por la IA, poco a poco empieza a perfilarse un panorama más diferenciado. Muchas empresas, desarrolladores y mentes creativas reconocen cada vez más que la inteligencia artificial no es una tendencia a corto plazo ni una solución inmediata todo en uno para todos los problemas.

Al mismo tiempo, sin embargo, cada vez está más claro que es probable que los avances tecnológicos tengan un impacto significativo en todo el mundo del software a largo plazo. Actualmente está surgiendo un interesante doble movimiento: Por un lado, cada día surgen nuevas herramientas, modelos y automatizaciones. Por otro lado, muchos principios clásicos del desarrollo profesional de software están recuperando repentinamente su importancia:

• estructuras de datos limpias,
• procesos trazables,
• Facilidad de mantenimiento,
• Estabilidad
• y el pensamiento organizativo.

Precisamente por eso, la fase actual de la IA en muchos aspectos no parece tanto una ruptura total con el mundo informático anterior, sino más bien su siguiente etapa evolutiva.

El verdadero reto no reside en la propia IA

Curiosamente, ahora resulta evidente en muchos proyectos que la dificultad real ya no suele ser el modelo de IA en sí. Los modelos lingüísticos, los generadores de imágenes y los sistemas de asistencia modernos funcionan ya hoy sorprendentemente bien. Los verdaderos retos suelen plantearse únicamente cuando estos sistemas deben integrarse de forma significativa en los procesos reales de la empresa. Aquí es precisamente donde entran en juego las nuevas tecnologías:

• estructuras crecidas,
• bases de datos históricas,
• Procesos individuales
• y prácticas de la vida cotidiana.

Por ello, muchos desarrolladores viven actualmente una fase de experimentación intensiva. Se prueban sistemas, se instalan servidores locales, se integran modelos y se automatizan procesos. Al mismo tiempo, sin embargo, también está quedando claro que la estabilidad productiva requiere mucho más que impresionantes demostraciones individuales.

A largo plazo, por tanto, las soluciones que combinen las posibilidades técnicas con la idoneidad pragmática para el uso cotidiano serán probablemente las que tengan más éxito.

Por qué la experiencia práctica adquiere actualmente un valor especial

Es precisamente en este punto donde la experiencia práctica adquiere cada vez más importancia. Porque cualquiera que trabaje hoy activamente con sistemas locales de IA, configurando sus propios entornos o combinando la IA directamente con el software de la empresa, reconocerá con relativa rapidez las oportunidades y los límites reales de los desarrollos actuales.

Esto suele dar lugar a evaluaciones mucho más realistas que en muchos debates públicos. La inteligencia artificial ya puede proporcionar hoy una enorme ayuda:

• para el tratamiento de textos,
• Organización del conocimiento,
• Análisis de datos,
• Automatización
• o procesos creativos.

Al mismo tiempo, sin embargo, sigue estando claro que muchos sistemas son todavía muy experimentales por el momento. Precisamente por eso, es probable que la fase actual resulte especialmente valiosa a largo plazo para quienes adquieran experiencia práctica desde el principio sin perder la sobriedad.

El punto de vista de Marcel Moré sobre la evolución de la IA

El artículo de Marcel Moré sobre la "Evolución de la IA" fue un interesante punto de partida para estas consideraciones. Lo que resulta especialmente interesante no es tanto la tecnología individual, sino la observación fundamental: la IA está pasando cada vez más de ser herramientas aisladas a sistemas en red con sus propios procesos, automatización y estructuras similares a las de los agentes.

Es precisamente esta evolución la que probablemente caracterizará con fuerza los próximos años. A largo plazo, probablemente ya no se trate solo de modelos lingüísticos o generadores de imágenes individuales, sino de paisajes de sistemas completos en los que los distintos componentes de la IA interactúan entre sí.

Esto crea un enorme potencial, sobre todo en el entorno empresarial, pero también nuevos retos organizativos y técnicos.

FileMaker y la próxima fase de desarrollo

Esta evolución podría resultar especialmente interesante en el entorno Claris FileMaker en el futuro. Esto se debe a que los agentes de IA anunciados ya indican hacia dónde podrían dirigirse los entornos de desarrollo modernos a largo plazo:

• de la aplicación puramente manual,
• hacia el desarrollo de sistemas asistidos por IA.

Si estos sistemas de agentes pudieran funcionar de forma estable dentro de FileMaker en el futuro, el papel de muchos desarrolladores cambiaría significativamente.

La fuerza real residiría entonces, presumiblemente, menos en la pura escritura de guiones individuales, y más en:

• Comprensión del proceso,
• Arquitectura del sistema,
• Lógica de datos,
• Control de calidad
• y el pensamiento organizativo.

Curiosamente, esto encaja muy bien con los puntos fuertes tradicionales de muchos desarrolladores de FileMaker. FileMaker siempre ha sido particularmente fuerte en la asignación de procesos de negocio reales de una manera pragmática y flexible. La IA podría ampliar significativamente este enfoque en el futuro.

Probablemente la realización más importante de la actual fase de IA

Quizá sea ésta precisamente la constatación más importante del desarrollo actual. La inteligencia artificial no sustituye automáticamente a la experiencia, la estructura o el pensamiento organizativo. Más bien, actualmente se están desarrollando nuevas herramientas que pueden ampliar y acelerar de forma inteligente los métodos de trabajo existentes.

Por tanto, probablemente el verdadero reto no consista en adoptar todas las nuevas funciones de la IA lo antes posible. Más bien, el factor decisivo será:

• qué sistemas permanecen estables a largo plazo,
• Qué procesos pueden automatizarse realmente de forma significativa
• y cómo integrar responsablemente las posibilidades técnicas.

Es probable que los desarrolladores con conocimientos prácticos desempeñen un papel especialmente importante en el futuro. Porque al final -como suele ocurrir en la historia de la informática- probablemente no triunfará la demostración más ruidosa, sino la solución que funcione permanentemente en la vida cotidiana.

---

Preguntas más frecuentes

1. ¿Por qué se tiene actualmente la impresión de que la inteligencia artificial aparece de repente en todas partes al mismo tiempo?
   El desarrollo se ha acelerado enormemente en los dos últimos años. Antes, los sistemas de IA solían ser soluciones especializadas para grandes empresas o instituciones de investigación. Hoy, los modelos lingüísticos, los generadores de imágenes y las herramientas de automatización están de repente al alcance de casi todo el mundo. Esto está teniendo un efecto similar a la llegada de internet o, más tarde, de los teléfonos inteligentes: muchas empresas se están dando cuenta al mismo tiempo de que los procesos de trabajo podrían cambiar radicalmente.
2. ¿Por qué las presentaciones públicas de IA suelen diferir tanto de la práctica diaria?
   Las presentaciones suelen mostrar escenarios controlados que funcionan en condiciones ideales. En la realidad, sin embargo, los sistemas de IA tienen que lidiar con datos defectuosos, casos especiales individuales, estructuras de software antiguas e interfaces inestables. Aquí es precisamente donde surgen los verdaderos retos, que a menudo apenas son visibles para el mundo exterior.
3. ¿Por qué es tan costoso actualmente el mantenimiento de los sistemas de IA?
   Muchos entornos de IA se encuentran todavía en una fase de desarrollo muy dinámica. Los modelos, las extensiones, las dependencias de Python y las interfaces cambian a veces semanalmente. Incluso pequeñas actualizaciones pueden hacer que los sistemas en funcionamiento sean inestables. Por ello, los desarrolladores suelen invertir una sorprendente cantidad de tiempo en volver a poner en marcha los entornos.
4. ¿Qué papel desempeñan los servidores locales de IA en el entorno corporativo?
   Los sistemas locales de IA son cada vez más interesantes para muchas empresas porque permiten un mayor control de los datos, los modelos y los procesos. Una infraestructura local puede ofrecer ventajas, sobre todo para la información sensible o los flujos de trabajo especializados. Al mismo tiempo, sin embargo, esto también aumenta considerablemente el esfuerzo técnico.
5. ¿Por qué muchos de los problemas actuales de la IA recuerdan a fases anteriores del desarrollo informático?
   Los primeros servidores web, sistemas ERP y plataformas de bases de datos también parecían complicados e inestables al principio. Tuvieron que pasar muchos años para que surgieran sistemas estandarizados y resistentes. Muchos desarrolladores experimentados reconocen actualmente patrones similares en el sector de la IA y, por tanto, ven la fase actual más bien como un proceso de desarrollo a largo plazo.
6. ¿Por qué de repente la calidad de los datos vuelve a ser tan importante gracias a la IA?
   Los sistemas de IA funcionan a partir de la información existente. Si los datos están estructurados de forma caótica, son incorrectos o incompletos, la IA sigue reconociendo patrones y los sigue procesando. Por lo tanto, los datos deficientes suelen dar lugar a resultados deficientes. Precisamente por eso, las estructuras de datos limpias y los procesos claros vuelven a cobrar importancia.
7. ¿Por qué FileMaker podría armonizar especialmente bien con la IA a largo plazo?
   FileMaker siempre se ha diseñado para mapear procesos empresariales reales de forma pragmática. Es precisamente esta flexibilidad la que se adapta muy bien a los modernos sistemas de IA. Mientras que los entornos de desarrollo tradicionales suelen ser muy técnicos, FileMaker es especialmente adecuado para adaptar rápidamente los procesos y combinarlos con nuevas tecnologías.
8. ¿Qué son exactamente los agentes de IA?
   Los agentes de IA van mucho más allá de los chatbots tradicionales. No sólo responden a preguntas, sino que también llevan a cabo de forma independiente varios pasos de trabajo sucesivamente. Estos incluyen análisis, control de procesos, procesamiento de datos o decisiones automatizadas dentro de procesos definidos.
9. ¿Por qué los agentes de IA anunciados por Claris son tan interesantes para los desarrolladores de FileMaker?
   Porque esto podría cambiar la forma de desarrollar software. En el futuro, los desarrolladores ya no tendrán que programar ellos mismos cada paso técnico. En su lugar, los procesos podrían describirse cada vez más en lenguaje natural, mientras la IA prepara la implementación técnica o se encarga directamente de parte de ella.
10. ¿Cómo suele funcionar hoy en día el desarrollo asistido por IA en FileMaker?
    Actualmente, muchas cosas siguen funcionando de forma semimanual. Los desarrolladores crean guiones, fórmulas o estructuras con la ayuda de sistemas de IA y luego los transfieren ellos mismos a FileMaker. Ahora existen varias soluciones auxiliares para ello, como convertidores de portapapeles o herramientas de conversión especiales.
11. ¿Por qué la transferencia directa de código generado por IA a FileMaker sigue siendo complicada por el momento?
    FileMaker tiene sus propias estructuras de guión internas que no pueden insertarse simplemente como texto normal. Por este motivo, las salidas de AI a menudo deben personalizarse o convertirse mediante soluciones intermedias especiales antes de que puedan utilizarse de forma productiva.
12. ¿Qué ámbitos prácticos de aplicación de la IA funcionan ya hoy especialmente bien?
    La IA ya está dando resultados muy útiles, sobre todo en generación de textos, reconocimiento de documentos, traducciones, organización del conocimiento, análisis de datos y apoyo a la automatización. La IA es especialmente potente cuando se pueden preparar o acelerar tareas repetitivas.
13. ¿Por qué es improbable que la inteligencia artificial sustituya por completo a los desarrolladores tradicionales?
    Porque la implementación técnica es sólo una parte del desarrollo profesional de software. La comprensión de los procesos, la lógica de los datos, los flujos de trabajo organizativos y la planificación estructural a largo plazo siguen siendo cruciales. La IA puede agilizar muchas tareas, pero no comprende automáticamente toda la complejidad de las empresas reales.
14. ¿Por qué podría cambiar tanto el papel de los desarrolladores?
    Es probable que la atención se desplace cada vez más: de la mera redacción de rutinas técnicas a la arquitectura de sistemas, el diseño de procesos, el control de calidad y la planificación estratégica. En consecuencia, es probable que los desarrolladores se conviertan en planificadores generales más organizativos y técnicos.
15. ¿Por qué muchas empresas sobrestiman actualmente la velocidad de desarrollo de la IA?
    Porque los avances visibles suelen producirse más rápido de lo que realmente se crean sistemas de producción estables. A menudo hay muchos meses o incluso años de trabajo de desarrollo práctico entre una demostración impresionante y un sistema cotidiano resistente.
16. ¿Cuál es el peligro de precipitarse en los proyectos de IA?
    Muchas empresas corren el riesgo de confundir los experimentos a corto plazo con las soluciones estables a largo plazo. Sin estructuras de datos claras, procesos comprensibles y conceptos de mantenimiento, surgen rápidamente sistemas inestables que más tarde ocasionan elevados costes de seguimiento.
17. ¿Por qué los desarrolladores están adquiriendo actualmente tanta experiencia práctica con los servidores Linux de IA?
    Porque los sistemas locales permiten más control y flexibilidad. Los desarrolladores pueden utilizar sus propios modelos, realizar formación especializada y combinar distintas herramientas entre sí. Al mismo tiempo, sin embargo, esto también crea muchos retos técnicos que actualmente siguen requiriendo mucha experiencia y paciencia.
18. ¿Por qué la fase actual de desarrollo de la IA puede ser especialmente importante en retrospectiva?
    Probablemente ahora mismo se están sentando las bases de los futuros sistemas estándar. Muchos de los experimentos actuales pueden parecer aún inacabados o complicados, pero aportan una valiosa experiencia práctica. Las anteriores convulsiones tecnológicas de la historia de la informática fueron similares.
19. ¿Qué determinará probablemente el éxito de los proyectos de IA a largo plazo?
    Probablemente no se trate de la tecnología individual más espectacular, sino de la capacidad de construir sistemas estables y mantenibles que sean adecuados para el uso cotidiano. A largo plazo, las soluciones que apoyen procesos empresariales reales de forma significativa y funcionen de forma fiable a largo plazo serán probablemente las que tengan más éxito.