Lic. Fabian Sanchez: la inteligencia artificial no sustituye el conocimiento, lo multiplica
La inteligencia artificial no sustituye el conocimiento, lo multiplica
La inteligencia artificial avanza a una velocidad difícil de comparar con otras transformaciones tecnológicas recientes. Lo que hace unos años parecía experimental hoy se integra en empresas, sistemas de atención, desarrollo de software y prácticamente cualquier proceso digital.
Pero detrás del entusiasmo hay una realidad que pocas veces se menciona: tener acceso a inteligencia artificial no significa automáticamente saber construir con ella.
Ese fue uno de los puntos centrales de la conversación con el Lic. Fabián Sánchez, especialista en inteligencia artificial y agentes de IA, invitado del episodio #12 de QSTA PASANDO.
Su experiencia permite observar esta revolución desde una perspectiva distinta: Fabián no llegó a la inteligencia artificial a partir de la popularización de ChatGPT. Su trayectoria se desarrolló durante años alrededor del software, las aplicaciones, las plataformas digitales y la administración de equipos de desarrollo. Hoy concentra parte de su trabajo en la digitalización de negocios y en la implementación de soluciones basadas en IA.
Una trayectoria que empezó antes del boom
Su camino dentro del ecosistema tecnológico comenzó alrededor de 2015 y 2016, cuando empezó a involucrarse en comunidades de jóvenes empresarios y proyectos digitales, participando en dinámicas similares a Startup Weekend. De una de esas experiencias surgió el grupo con el que desarrolló y comercializó páginas web y aplicaciones bajo un proyecto llamado Supernova Apps.
Después llegó la oportunidad de colaborar con una empresa estadounidense de software especializado, donde tuvo contacto con plataformas para compañías de marketing multinivel, sistemas de back office y procesamiento de pagos. Durante la pandemia su responsabilidad creció hasta coordinar proyectos y equipos de desarrollo que, en algunos momentos, llegaron a sumar alrededor de 250 personas trabajando de forma remota.
Coordinar programadores, desarrolladores front-end y back-end, responsables de área y freelancers le dejó una conclusión que hoy considera fundamental: construir tecnología no consiste solamente en escribir código. Requiere planeación, estructura, procesos, comunicación y conocimiento especializado.
Lo que la IA cambió, y lo que no
Uno de los cambios que Fabián identifica con mayor claridad está en los costos y los tiempos. Hace algunos años, construir una plataforma tecnológica importante podía representar inversiones de cientos de miles de dólares, equipos numerosos, infraestructura y meses de trabajo.
Los nuevos modelos pueden ayudar a programar, revisar código, crear estructuras, documentar proyectos e incluso ejecutar tareas dentro de una computadora. Eso ha reducido ciertas barreras de entrada. Pero su distinción es importante: la inteligencia artificial puede acelerar enormemente el desarrollo, y aun así no elimina la necesidad de saber qué se está construyendo.
Generar código no es construir una plataforma
Una persona sin experiencia puede pedirle a un modelo que genere una página web o una aplicación, y probablemente obtendrá algo funcional a primera vista. Pero detrás de un proyecto profesional viven otras preguntas: qué base de datos usará, cómo manejará la información, qué pasa cuando ingresen miles de usuarios, cómo se protegerá el sistema, qué ocurre si el servidor falla, cómo se hacen los respaldos, qué regulaciones debe cumplir, quién le dará mantenimiento.
Fabián lo compara con una construcción: la inteligencia artificial puede ayudar a colocar piezas más rápido, pero alguien debe entender los planos.
De ahí su postura sobre uno de los debates del momento —si la IA terminará sustituyendo a los programadores—, que es más matizada que las respuestas habituales. Los modelos actuales generan código con una capacidad que hace poco parecía imposible, y aun así los desarrolladores siguen necesitando conocimientos de lenguajes, bases de datos, arquitecturas, repositorios, APIs, seguridad e infraestructura. La ventaja se está moviendo hacia quienes combinan ambas cosas: conocimiento técnico más inteligencia artificial.
De los prompts a los agentes
Otro eje del episodio fue la evolución de la propia tecnología. Durante los primeros años de los modelos generativos, trabajar con ellos dependía en gran medida del prompting: escribir instrucciones muy detalladas para conseguir determinada respuesta. Los modelos perdían contexto con facilidad y podían generar información incorrecta.
Eso está cambiando hacia una nueva etapa: los agentes de inteligencia artificial. Un agente puede recibir un objetivo, conectarse con herramientas, acceder a archivos, consultar información y ejecutar acciones hasta completar una tarea. Ya no se trata solamente de conversar con una IA, sino de permitir que participe dentro de un proceso.
Durante años, buena parte de la automatización digital se construyó con APIs. Con la llegada de los agentes aparecen protocolos diseñados para esa comunicación, como el MCP —Model Context Protocol—, impulsado originalmente por Anthropic, que permite que los modelos se conecten de manera más estructurada con herramientas y fuentes de información.
¿Y plataformas como n8n o Make? Para Fabián siguen siendo útiles, pero representan una generación de automatización basada en flujos previamente diseñados. Los agentes introducen otra posibilidad: sistemas capaces de interpretar una situación y determinar qué acciones realizar. Lo más probable no es que unas desplacen a otras, sino ecosistemas donde automatizaciones, APIs, agentes y herramientas empresariales trabajen juntas.
El costo invisible: tokens e infraestructura
Cada interacción con un modelo consume recursos computacionales, y en muchos servicios ese consumo se mide en tokens. Construir sistemas de IA sin una arquitectura adecuada puede generar costos bastante mayores de lo necesario: si un agente tiene que releer un proyecto completo cada vez que ejecuta una tarea, el consumo crece rápido.
De ahí la importancia de estructurar bien la información para que la IA acceda solo a lo que necesita — archivos Markdown, instrucciones específicas y las llamadas skills o habilidades de los agentes. En lugar de explicarle constantemente al modelo cómo hacer una tarea, se construye una estructura que ya contiene esas instrucciones. Optimizar IA no es solo obtener mejores respuestas: también es usar menos recursos para obtenerlas.
Hay además una parte que permanece invisible para el usuario. La inteligencia artificial necesita enormes cantidades de capacidad computacional: servidores, procesadores especializados, centros de datos y energía. Por eso Fabián considera que el crecimiento de los data centers será determinante para el desarrollo de IA en países como México, y la conversación tocó un punto especialmente relevante para el norte del país: la disponibilidad de energía. La IA parece completamente digital, pero depende de infraestructura física.
Lo técnicamente posible no siempre es legal
Haber trabajado con distintos tipos de plataformas le permitió encontrarse con algo que muchos proyectos descubren demasiado tarde: no todo lo técnicamente posible es legal, seguro o sostenible.
Crear una plataforma médica, financiera o relacionada con información personal implica responsabilidades distintas. Existen normas para almacenamiento de datos, procesamiento de pagos, privacidad y manejo de información sensible. Una aplicación puede funcionar perfectamente desde lo técnico y aun así convertirse en un problema si se construyó ignorando esas obligaciones.
Por eso, antes de desarrollar cualquier proyecto digital, Fabián plantea preguntas de fondo: qué problema va a resolver, qué información manejará, qué regulaciones debe cumplir, cómo protegerá los datos, quién tendrá acceso, qué ocurrirá ante un ataque o una falla. La llegada de la IA no elimina esas preguntas; las vuelve más importantes.
Agentes que atienden clientes
Uno de los escenarios más interesantes que se discutieron fue la integración de agentes directamente en los canales donde las empresas hablan con sus clientes: WhatsApp, Instagram, Facebook.
En lugar de respuestas programadas con menús o plantillas, los nuevos sistemas pueden comprender el contexto completo de una conversación. Un negocio puede aportar información sobre sus servicios, procesos, horarios y políticas, y el agente atiende preguntas de manera mucho más natural, identifica necesidades y acompaña al usuario dentro del proceso comercial.
La diferencia con los antiguos chatbots es de fondo: el chatbot seguía reglas, el agente interpreta contexto.
La oportunidad no está en usar IA, sino en saber qué hacer con ella
Quizá esta sea la idea que mejor resume la conversación. Estamos entrando en una etapa donde millones de personas tendrán acceso a herramientas extremadamente poderosas, pero acceso no significa conocimiento.
Un médico podrá usar IA. Un contador podrá usar IA. Un mercadólogo y un programador también. Pero quien conozca profundamente su especialidad tendrá muchas más posibilidades de convertir esa herramienta en resultados reales.
La inteligencia artificial puede multiplicar la capacidad de una persona. Pero primero necesita algo que multiplicar.
Fabián ha vivido distintas etapas de la economía digital: desarrollo de software, plataformas, criptomonedas, NFT, metaverso, automatización y ahora inteligencia artificial. Algunas tecnologías prometieron transformar el mundo y después encontraron sus límites; la IA parece seguir un camino distinto, no porque vaya a resolverlo todo, sino porque puede integrarse en prácticamente cualquier industria.
Los agentes representan el siguiente paso: sistemas capaces no solamente de responder, sino de trabajar. Y ahí puede estar una de las transformaciones más importantes de los próximos años — pasar de utilizar herramientas digitales a colaborar con sistemas inteligentes dentro de nuestras empresas. El reto ya no será solamente aprender a usar inteligencia artificial. Será aprender a construir con ella.
Escucha el episodio
Episodio 12 · Temporada 1 de QSTA PASANDO, con el Lic. Fabián Sánchez, especialista en inteligencia artificial y agentes de IA.
Voces que inspiran. Historias que transforman.
