Imaginate que sos un agente secreto. Pero no cualquiera: un agente secreto que debe infiltrarse en un edificio… a ciegas. Sin mapa, sin linterna, sin sensores. Imposible, ¿no? Bueno, para un agente de IA es igual de crítico: sin percepción, no hay decisión posible.

Y entonces…

•  ¿Cómo percibe el mundo un agente de IA?
•  ¿Qué «ojos» tiene?
•  ¿Y qué tan confiable es lo que ve?

Empecemos por el principio: los sensores. Un sensor es cualquier dispositivo o sistema que permite a un agente recolectar información sobre su entorno.

• Un Roomba tiene sensores infrarrojos que detectan paredes.
• Un coche autónomo usa cámaras, LiDAR y radares para saber si se acerca un peatón.
• Un chatbot como ChatGPT no tiene cámaras, pero su sensor es… el texto que le escribimos.

Cada agente está limitado por lo que puede percibir. Si su sensor es pobre o su «visión» es parcial, su capacidad para tomar buenas decisiones también se ve comprometida.

Ahora bien, no todos los entornos son iguales. En inteligencia artificial solemos clasificarlos para entender qué tan difícil es para un agente operar en ellos. Te muestro las categorías clave:

Tipos de entornos que enfrenta un agente

1. Deterministas vs Estocásticos
   
   • Un entorno determinista es como el ajedrez: si muevo la reina, el tablero cambia de forma predecible.
     
   • Uno estocástico es como manejar en la vida real: podés planear tu camino, pero siempre hay imprevistos… un perro que cruza, un auto que frena de golpe, lluvia repentina.
     
2. Conocidos vs Desconocidos
   
   • En un entorno conocido, el agente sabe cómo funciona el mundo. Por ejemplo, un simulador de vuelo: todas las reglas físicas están codificadas.
     
   • En uno desconocido, el agente aprende sobre la marcha. Como cuando nos mudamos a una ciudad nueva y no sabemos dónde están los supermercados o cuál es la mejor ruta.
     
3. Totalmente observables vs Parcialmente observables
   
   • Un entorno totalmente observable es como un juego de ajedrez: ves todas las piezas, conocés el estado completo.
     
   • Pero en la vida real, la mayoría de los entornos son parcialmente observables. Un coche autónomo no puede ver qué hay detrás de una curva o dentro de otro vehículo. Necesita estimar o predecir lo que no ve.

Pongamos un ejemplo:

• Un agente que juega al ajedrez opera en un entorno:
  • Determinista
  • Conocido
  • Totalmente observable

Cada jugada tiene un efecto definido y el tablero está siempre a la vista.

• Un coche autónomo enfrenta:
  • Un entorno estocástico
  • A menudo desconocido en detalles (cada calle puede ser distinta)
  • Y parcialmente observable (no puede verlo todo)

Por eso, entrenar un coche autónomo es muchísimo más complejo que programar un campeón de ajedrez.

Entonces… ¿cómo deciden con percepciones limitadas?

Cuando un agente no puede ver todo, necesita modelos internos del mundo: una representación de lo que cree que está pasando y lo que podría pasar si actúa de cierta manera. Es como cuando escuchás un ruido en la cocina: no viste nada, pero inferís que tu gato acaba de tirar algo (¡o al menos eso queremos creer!).

Por eso, los sensores son solo la punta del iceberg. Lo realmente valioso es cómo el agente interpreta esos datos para completar el rompecabezas del entorno.

¿Y por qué debería importarte todo esto?

Porque en un futuro lleno de agentes, cuanto más entendamos sobre sus «ojos» y sus «orejas», mejor vamos a poder convivir con ellos. Y sobre todo, vamos a saber dónde pueden fallar… porque si su percepción es limitada, sus decisiones también lo serán.

En SMS Sudamérica, al diseñar soluciones no nos limitamos a construir modelos potentes: primero analizamos qué “sensores” digitales tendrá el sistema, qué entornos enfrentará y qué lagunas de percepción existen. Solo así garantizamos que las decisiones que tomen nuestros agentes sean sólidas, transparentes y alineadas al contexto real en el que operarán.

Para nosotros, desarrollar tecnología responsable no es solo una cuestión técnica: es una responsabilidad ética con cada cliente, cada industria y cada persona que convive con estas inteligencias. Porque solo entendiendo el mundo que perciben, podemos diseñar un futuro donde la colaboración entre humanos y máquinas sea realmente virtuosa.

Nota por: María Dovale Pérez