Está claro que actualmente estamos en una trayectoria en la que los modelos de IA continúan mejorando en capacidad en matemáticas, razonamiento, lógica, llamadas a herramientas y diversas tareas específicas de dominio que mejorarán a medida que se genere más datos de entrenamiento. Si bien habrá debates sobre cuánto se manifestarán estos avances como cambios importantes en los casos de uso diarios que tiene un consumidor, *tendrán* un impacto significativo en muchas categorías de trabajo del conocimiento. Desbloquearán de manera incremental nuevos casos de uso en atención médica, legal, servicios financieros, ciencias de la vida, etc., donde los modelos pueden realizar de manera confiable tareas cada vez más críticas. En un reciente pódcast con Alex Kantrowitz, Dario Amodei tuvo una gran manera de enmarcar esto, que es que si mejorases la capacidad de un modelo de IA para pasar de tener una licenciatura en bioquímica a tener un posgrado en bioquímica, un pequeño porcentaje de la población consumidora notaría el impacto, pero los casos de uso empresarial para una empresa como Pfizer aumentarían de manera significativa como resultado de esto. Deberíamos comenzar a anticipar que esta es ahora la era en la que estamos con la IA. Entonces, ¿cómo comienza a manifestarse esto en el mundo real? Se manifestará a través de agentes de IA que abordan casos de uso aplicados. Agentes de IA para codificación, trabajo legal, escribas médicos, extracción de datos, procesamiento de reclamaciones de seguros, pruebas de penetración, y así sucesivamente. La oportunidad en este momento es construir agentes de IA para verticales y dominios con un profundo entendimiento de ese espacio. Aquí es donde el impacto de la ingeniería de contexto, un profundo entendimiento de los flujos de trabajo, conexiones con datos empresariales y interfaces de usuario especializadas (que permiten a los usuarios desplegar, gestionar y orquestar estos agentes) comenzará a importar mucho. También significará construir una distribución que se alinee con ese vertical o dominio particular. Probablemente significará alguna forma de ingeniería desplegada hacia adelante para no solo ayudar a los clientes a implementar los agentes, sino también aprender rápidamente qué flujos de trabajo están optimizados para los agentes y llevar eso de vuelta a la plataforma central. En última instancia, estos mercados serán ganados por los jugadores que mejor puedan conectar los procesos empresariales de hoy (que a menudo son desordenados y no fueron diseñados para la automatización) con un mundo donde los agentes están integrados en estos flujos de trabajo. Esta es la era de la IA en la que estamos ahora.