Acaban de revelar su proceso interno para convertirse en un FDE de IA
AAI LABS
Computing/SoftwareManagementJob Search
Transcript
00:00:00si eres alguien que sabe cómo usar la inteligencia artificial, hay una gran oportunidad frente a ti en este momento y
00:00:04curiosamente, aunque es uno de los roles que las empresas más necesitan, apenas pueden encontrar
00:00:09a nadie que pueda hacerlo; esa oportunidad es un puesto llamado ingeniero de despliegue adelantado o FDE y
00:00:14no es que el trabajo sea difícil de aprender, es solo que la gente no sabe que este rol existe en
00:00:19primer lugar y, durante el último mes, este rol se ha vuelto lo suficientemente importante como para que los responsables
00:00:24de estos equipos en OpenAI, Anthropic y Cursor hayan dado charlas al respecto, y normalmente no tienes
00:00:29la oportunidad de escuchar nada de esto porque están analizando proyectos reales dentro de
00:00:33empresas reales; así que los hemos revisado todos y hemos extraído las partes que realmente puedes usar. Ahora bien,
00:00:38si eres nuevo en el canal, te damos la bienvenida. Somos una empresa de software y esto es AI Labs, donde te mostramos
00:00:43cómo optimizar un negocio con inteligencia artificial utilizando métodos probados de nuestro propio equipo, y en este video vamos
00:00:48a ver qué es un FDE, cómo las grandes empresas hacen realmente este trabajo y cómo puedes empezar a hacerlo
00:00:53tú mismo. Pero antes de entrar en materia, comencemos definiendo qué es realmente un FDE:
00:00:58un ingeniero de despliegue adelantado, o FDE por sus siglas en inglés, es básicamente alguien cuyo único trabajo es lograr que
00:01:03una empresa utilice realmente la inteligencia artificial, y eso no significa ir a asesorarlas o entregarles algún
00:01:09documento de estrategia; significa poner la inteligencia artificial a funcionar dentro de los sistemas que ya usan para que el trabajo
00:01:14que su gente hacía a mano sea hecho por la IA en su lugar. No importa qué tipo de proceso sea,
00:01:20hay tres elementos que intervienen en él: o es un humano quien realiza la tarea, o es un software que
00:01:25sigue reglas estrictas para realizar la tarea, o es una IA. Y un FDE es alguien que realmente sabe cuál de
00:01:30esos tres debe encargarse de cada tarea en el proceso. Por ejemplo, una empresa puso un agente en sus solicitudes
00:01:36de reembolso y, en teoría, funcionó: leía cada solicitud, la comparaba con la política de reembolso y rechazaba
00:01:41las que no calificaban. Pero a las pocas semanas, la empresa empezó a perder clientes que tenían desde
00:01:46hacía años y nadie lograba entender por qué, ya que cada reembolso que el agente rechazaba era uno que la política indicaba
00:01:52rechazar. Así que el FDE fue a sentarse con la persona que solía hacer ese trabajo y resultó que tenían un paso
00:01:57propio que no estaba documentado: comprobaban cómo se había pagado el pedido y, si la compra
00:02:02se había hecho con una tarjeta de empresa, simplemente la aprobaban sin leer nada más porque esas proceden
00:02:06de negocios que compran todos los meses y discutir por un reembolso te hace perder la cuenta. La política
00:02:11no decía nada de eso; lo habían ideado por su cuenta años atrás. Así que esa comprobación pasó a formar parte del
00:02:16flujo de trabajo como una regla fija por delante de cualquier decisión del modelo. Ahora bien, cuando trabajas con personas, hay un
00:02:22problema: la mayoría no puede decirte lo que necesita; te describirán algo que ya se han imaginado
00:02:26en lugar del problema que realmente tienen, y ese es el mayor obstáculo para lograr que una empresa adopte
00:02:31la inteligencia artificial. He aquí por qué: las personas que realmente hacen el trabajo siempre solo necesitan terminar su labor, solo
00:02:36quieren que el resultado salga de la manera más fácil posible; no analizan el proceso en sí, por lo que
00:02:41es muy difícil construir algo que vayan a adoptar, y eso es exactamente en lo que se encuentran la mayoría de las empresas
00:02:46hoy en día. Desde que la IA se popularizó, la han estado añadiendo a todo lo que hacen sin saber realmente
00:02:51si siquiera la necesitan en primer lugar. Por eso todo el mundo está contratando de repente a alguien que pueda
00:02:55resolver esto por ellos: las ofertas de empleo para este rol han aumentado un 729% en un año. AWS invirtió mil
00:03:02millones de dólares en crear todo un departamento de ingenieros de despliegue adelantado, y el propio equipo de FDE de OpenAI pasó
00:03:08de dos personas en enero a 39, y todo eso ocurrió muy rápido porque hace tres años prácticamente
00:03:13nadie necesitaba un FDE y ahora hay más de cien startups contratando para ese rol solo dentro de Y Combinator,
00:03:19que es donde se originaron muchas de las mayores startups de hoy. Colin Jarvis dirige el equipo de despliegue
00:03:24adelantado en OpenAI y dice que simplemente no hay muchos FDEs ahí fuera, así que la demanda aumentó
00:03:29antes que las personas. Antes de profundizar más en este rol, sería genial si te suscribes a
00:03:34canal y presionas el botón de "Me gusta"; este pequeño gesto de apoyo nos ayuda muchísimo. Así que la demanda está ahí,
00:03:40pero eso aún no explica por qué un FDE tiene que ser un puesto de trabajo independiente, porque las herramientas no son la
00:03:45parte difícil; cualquiera puede registrarse en ellas y la mayoría de las empresas ya lo ha hecho. El año pasado, el MIT realizó un estudio
00:03:51exactamente sobre esto: analizaron 300 proyectos de IA y encuestaron a cientos de personas dentro de las empresas
00:03:56que los llevaron a cabo, y descubrieron que el 95% de esos proyectos no produjeron ningún rendimiento medible en absoluto. Y la propia conclusión del MIT
00:04:03fue que las propias empresas causaron los fracasos, no los modelos. Las que no obtuvieron
00:04:08nada utilizaban herramientas genéricas que se veían bien en una demostración y se venían abajo en cuanto se usaban en
00:04:13trabajos reales, y nada de lo que construyeron en torno a esas herramientas llegó a aprender cómo funcionaba realmente su negocio. Ahora bien,
00:04:18Vasuman Moza se dedica a este tipo de trabajo para vivir; fue ingeniero en Meta y ahora su empresa integra la IA
00:04:24en grandes empresas, básicamente es un FDE, así que ha visto de cerca cómo muchos de estos proyectos salen mal,
00:04:30y afirma que la IA simplemente se está implementando por encima de procesos rotos porque nadie analiza realmente
00:04:36el proceso primero. Un ejecutivo con el que habló agotó un presupuesto de 10 millones de dólares en tres meses,
00:04:41y se supone que debía durar un año; su empresa le había entregado las herramientas a todo el mundo y simplemente los había dejado
00:04:46a su suerte, así que todos improvisaron lo que quisieron, el dinero se fue y nada de eso hizo que el negocio fuera
00:04:51mejor en nada de lo que ya hacía. Y la razón por la cual ese trabajo tiene que ser el empleo a tiempo completo de alguien es
00:04:56que nadie dentro de la empresa va a hacerlo por iniciativa propia: los ingenieros tienen su propio trabajo que sacar
00:05:00adelante, y las personas que gestionan el proceso llevan haciéndolo tanto tiempo que las soluciones provisionales del mismo
00:05:05les parecen completamente normales. Palantir perdió todo un año debido a una de esas soluciones provisionales:
00:05:10la migración a un nuevo formato de archivo estaba estancada porque una ingeniera no paraba de decir que el nuevo formato era peor y nadie
00:05:15lograba averiguar por qué, hasta que alguien se detuvo a observar cómo trabajaba. Resulta que ella comprobaba los datos
00:05:20haciendo doble clic para abrir los archivos, y el nuevo formato no tenía nada en lo que se pudiera hacer doble clic, así que el equipo le construyó
00:05:26algo esa misma noche que le permitía abrir los nuevos archivos de la misma manera, y aprobó el cambio dos días después.
00:05:31Por eso vale la pena contar con alguien cuya única tarea sea resolver todo eso antes de que se construya
00:05:36nada, porque la alternativa es un desperdicio de todos tus costos y esfuerzos. Muchas grandes empresas como
00:05:42Anthropic y OpenAI han dado charlas recientemente sobre cómo manejan todo este proceso internamente;
00:05:47compilamos lo mejor de esas charlas y, al analizarlas, descubrimos que los mismos patrones seguían apareciendo
00:05:52en todos y cada uno de los flujos de trabajo. El primer paso es elegir el proceso que realmente le está costando dinero
00:05:57al negocio, y con la IA eso básicamente significa volumen; por lo tanto, buscas a la persona que maneja
00:06:02el mismo tipo de mensaje 50 veces al día, porque automatizar un mensaje no le ahorra nada a nadie, pero automatizar
00:06:08un mensaje que necesita enviarse mil veces por semana es donde la empresa realmente se vuelve más
00:06:13productiva y genera más ingresos. Y ese trabajo es fácil de encontrar ahora porque una empresa ya tiene todo su historial en
00:06:19sus registros de soporte; le entregas eso a un modelo y te indica dónde está el volumen. El equipo de OpenAI hizo
00:06:24exactamente eso en uno de los bancos más grandes del mundo: fueron tras la única tarea que miles de
00:06:29asesores realizaban todos los días, y alrededor del 98% de ellos terminaron usando lo que construyeron. El segundo paso es construir
00:06:35sobre lo que la empresa ya utiliza, y con la IA eso importa mucho más que antes
00:06:40porque un agente solo vale lo que puede alcanzar; así que si un equipo ya mantiene todo su trabajo en Notion, no
00:06:45les construyes un sistema separado ni trasladas todo eso solo para que un agente pueda leerlo más fácilmente,
00:06:50conectas el agente a su Notion con un MCP y todos continúan trabajando de la forma en que siempre
00:06:56lo han hecho. Así es como funcionan la mayoría, porque no quieren renunciar a un sistema en el que ya han invertido mucho
00:07:00tiempo y dinero. Uno de los clientes de Moza había gastado cinco millones de dólares y cinco años en migrar a su
00:07:05sistema financiero, por lo que sacarlos de ese sistema estaba fuera de discusión; todo el trabajo consistía en hacer que
00:07:10todo lo demás en ese negocio se comunicara con él. El tercer paso es no cambiar la forma en que la gente trabaja más
00:07:16de lo estrictamente necesario: si alguien ha estado ejecutando un proceso de 11 pasos durante años y le entregas una versión de un solo paso,
00:07:21dejan de usarlo; solían verificar el trabajo sobre la marcha y ahora la parte intermedia ha desaparecido y
00:07:26se les pide que confíen en una respuesta que acaba de aparecer. Así que Moza dice que debes dejar el proceso
00:07:31con el aspecto que la gente ya conoce; dejas que el agente haga el trabajo dentro de cada paso, pero mantienes
00:07:35los pasos ahí para que la gente siga teniendo algo visible que les permita saber que la respuesta
00:07:40es correcta. Y el último paso es presupuestar mucho más tiempo para la confianza que para el desarrollo: en ese mismo banco,
00:07:45OpenAI entró y el lado técnico terminó en seis u ocho semanas, y luego tomaron otros cuatro
00:07:50meses de pruebas piloto y ensayos antes de que los asesores realmente confiaran en él, porque si estás haciendo
00:07:55algo todos los días de la misma manera que lo has hecho durante el último año, cualquier cambio en ese proceso tiene
00:08:00que ganarse su lugar, ya sea que se lo entregues a 5,000 personas o a cinco. Pero antes de seguir adelante,
00:08:05dediquemos unas palabras a nuestro patrocinador Dex AI, el agente de talento para ingenieros de software. No te faltan
00:08:10oportunidades, te faltan las correctas; los mejores puestos nunca se publican, van a parar a quien esté
00:08:15en la red de contactos. Dex lo soluciona: funciona enteramente en tu nombre, no es una bolsa de empleo ni un reclutador,
00:08:20es la persona de adentro que te hace entrar en la sala. Así que lo probé: le informas a Dex una vez sobre lo que haces y lo que buscas y, sinceramente,
00:08:25la conversación me convenció; hace las preguntas correctas y comprende lo que persigues, luego hace el trabajo: sin
00:08:30solicitudes, sin filtros de reclutadores. Dex regresa con una lista corta de puestos evaluados de startups como
00:08:36Linear y Atio, con un promedio de más de 150 000 dólares. Cada puesto se selecciona cuidadosamente por su compatibilidad, sin bots de rastreo;
00:08:43obtienes una línea directa con el equipo de contratación con el salario por adelantado. El tiempo promedio de recomendación a oferta es de 29 días frente a los 55 de una
00:08:49bolsa de trabajo. Es gratis para los ingenieros, así que deja de postularte y empieza a conseguir presentaciones. Conoce a Dex en el enlace del
00:08:55comentario fijado. Así es como las grandes empresas introducen la IA en un negocio; ahora, si quieres poner esto en práctica
00:09:00tú mismo, la hoja de ruta consta de cinco pasos y el primero ocurre antes de construir nada: primero necesitas
00:09:06observar cómo se realiza realmente un trabajo y anotar cada uno de sus pasos en el orden en que
00:09:11ocurren de verdad. Después debes preguntar por qué se hace cada uno de esos pasos de esa manera y, si nadie puede darte
00:09:16una razón concreta, suele ser una solución provisional que alguien implementó hace años y que nadie ha cuestionado
00:09:21segundo, tienes que decidir qué partes de ese proceso realmente deberían convertirse en IA y qué partes
00:09:26no. Porque si le entregas todo el proceso a un modelo, es exactamente así como terminas en ese 95%
00:09:32de proyectos de IA que nunca producen nada; por lo tanto, debes pasar cada paso que anotaste por tres
00:09:38filtros: el primero es si ese paso sigue una regla fija y debe salir bien todas y cada una de las
00:09:43veces; si es así, simplemente se queda como software ordinario y no necesita ser automatizado con IA. El
00:09:48segundo es si alguien tiene que leer algo complejo y tomar una decisión al respecto, porque para eso
00:09:53es exactamente para lo que sirve el modelo. Y el tercero es el costo de equivocarse, porque si fallar
00:09:58sale caro, ese paso se queda con una persona incluso cuando un modelo podría hacerlo. Y una vez que hayas hecho
00:10:03eso, casi nunca encontrarás que todo el proceso deba ser ejecutado por la IA: algunos pasos se quedan como software,
00:10:08otros van al modelo y otros se quedan con una persona. En el ejemplo de Moza de un proceso de ocho pasos, cuatro de los
00:10:14pasos terminaron ejecutándose por sí solos, otros tres se ejecutaron con una persona verificando el resultado antes de que fuera
00:10:19a ninguna parte, y el último se mantuvo completamente humano. Y la razón de que ese paso sea totalmente humano es porque
00:10:24es una decisión de negocios que la IA aún no puede tomar; por lo tanto, o el costo de equivocarse es demasiado alto para delegarlo,
00:10:29o el paso no ocurre con la suficiente frecuencia como para que un modelo valga la pena. Tercero, debes
00:10:34diseñar pensando en las formas en que el sistema puede fallar y no solo para el caso en que todo sale bien, y Moza dice
00:10:39que cuando solo hay una manera de que algo salga bien, también hay mil maneras de que salga mal;
00:10:44por lo tanto, si solo construyes para el escenario en que todo sale bien, lo que has construido no vale nada. Y con la IA, eso se trata principalmente
00:10:50de gestionar los momentos en los que el modelo no está seguro, porque te entregará una respuesta de todos modos
00:10:55incluso cuando no tenga ni idea. Cuarto, debes asegurarte de que el sistema funcione realmente antes de acercarlo
00:11:00a nada real. Ahora bien, un modelo da una respuesta ligeramente diferente cada vez, incluso si le haces la misma
00:11:05pregunta; por lo tanto, si solo pruebas el sistema unas pocas veces, te perderás las ocasiones poco frecuentes en las que
00:11:09falla. Lo que debes hacer en su lugar es tomar ejemplos reales del proceso que anotaste donde ya conoces
00:11:14la respuesta correcta, luego ejecutas el sistema a través de todos ellos y cuentas cuántos acertó,
00:11:20después revisas los que falló y los corriges. Y por último, tienes que ponerle una cifra a lo que realmente
00:11:25valió la pena, y debes ser capaz de decir si generó ingresos, redujo un costo o disminuyó un riesgo,
00:11:30porque nada más cuenta. A Cursor alguien le se quejó de que un agente le estaba
00:11:35costando dos mil dólares al día, y cuando le preguntaron qué estaba haciendo realmente ese agente,
00:11:39resulta que simplemente elegía qué ingeniero enviar a reparar equipos averiados. Así que le preguntaron
00:11:44cuánto le costaba enviar a la persona equivocada, y era más de dos mil al día, por lo que
00:11:49estuvo de acuerdo de inmediato, ya que todo lo que había estado mirando era lo que le costaba el agente y nunca lo que
00:11:54le estaba ahorrando. Y esos cinco pasos son los que seguimos para construir el chatbot interno en nuestra propia empresa
00:11:59company ahora bien, si han visto nuestros videos anteriores, sabrán que básicamente es solo una interfaz de chat
00:12:03que permite a las personas no técnicas de nuestro equipo usar Claude Code y todo lo que puede hacer; lo construimos
00:12:09porque el personal de recursos humanos y contabilidad no son ingenieros y todo lo relacionado con Claude Code presupone
00:12:14que lo eres. Antes de que Claude Code pudiera hacer algo útil para su trabajo, tendría que estar conectado a
00:12:19Slack, al correo electrónico y al resto de las herramientas que usan todos los días, y ese es un trabajo de configuración que ninguno de ellos iba
00:12:24a hacer jamás. Así que la interfaz de chat hace toda esa conexión por ellos y simplemente escriben lo que
00:12:29necesitan. Pero antes de empezar a construir, nuestros ingenieros se fueron a sentar con la gente de recursos humanos y contabilidad
00:12:34primero, porque ingeniería no tenía una idea real de cómo esos departamentos pasaban realmente sus días; así que dedicaron
00:12:39el tiempo necesario en esos departamentos y anotaron cada tarea repetitiva que se realizaba a mano,
00:12:45y luego determinaron cuáles de ellas podría asumir razonablemente un modelo. Después, ese documento resultó ser
00:12:50la base de la mayor parte del desarrollo: esos procesos redactados se convirtieron en las instrucciones que siguen los agentes
00:12:54y en el conocimiento a partir del cual el chatbot responde. A continuación, entregamos la primera versión a esos departamentos
00:12:59para que la usaran en su propio trabajo real, y volvieron para decirnos que realmente les estaba ahorrando tiempo.
00:13:05Ahora bien, la última pregunta es en qué necesitas ser realmente bueno para hacer todo esto. Una de las empresas
00:13:09que contrata exactamente para este puesto busca personas que tengan una visión amplia de los procesos de negocio y la tecnología, con
00:13:15un área en la que sean genuinamente profundos, y afirman que la mitad empresarial se aprende en el trabajo mientras que la
00:13:20técnica no. Pero para ti, eso probablemente sea al revés, porque solo tienes que concentrarte en la
00:13:25parte empresarial, ya que de la construcción se encargan los agentes ahora. Y está bien, porque un ejecutivo de Palantir afirma
00:13:30que la persona que fracasa en este trabajo es el ingeniero meticuloso que quiere código que siga funcionando dentro de 10
00:13:36años; el trabajo consiste en poner algo rudimentario frente a un usuario real rápidamente, que es básicamente lo que un
00:13:41agente como Claude Code te entrega en la primera pasada de todos modos. Así que ahora que sabes lo que hace un FDE y
00:13:47cómo se realiza realmente el trabajo, veamos qué puedes hacer tú con ello. El lugar por donde empezar es
00:13:51la empresa más pequeña en la que puedas entrar físicamente: ya sea donde trabajas o algún negocio que gestione un amigo, le pides
00:13:57a quien lo dirija si puedes pasar una hora sentado al lado de la persona que realiza el trabajo más repetitivo
00:14:02del lugar mientras lo está haciendo, y luego simplemente aplicas los cinco pasos a lo que viste. Lo que
00:14:07lo que resulta de todo esto se llama auditoría y es algo real por lo que las empresas de verdad pagan Moza que
00:14:12quien dirige esos proyectos de inteligencia artificial dentro de grandes empresas, comienza cada uno de ellos con una auditoría antes de que
00:14:18se construya nada, y dice que la primera fase es el mayor cuello de botella de todo el trabajo. Y eso es
00:14:23lo que pones frente a la gente, ya sea que estés postulando para un puesto de FDE o presentando un proyecto directamente a una empresa,
00:14:28porque dentro de él tienes redactado el proceso de una empresa real, los pasos que entregarías a
00:14:32la IA y lo que cada uno de ellos le aporta en términos de dinero. Ahora bien, tenemos hojas de ruta y guías seleccionadas para aquellos
00:14:38que quieran profundizar en el rol de FDE, las cuales se pueden encontrar en AI Labs Pro, que es nuestra comunidad. Así que
00:14:44si has encontrado valor en lo que hacemos y quieres apoyar el canal, esta es la mejor manera de hacerlo; los
00:14:49enlaces están en la descripción. Esto nos lleva al final de este video; si deseas apoyar al canal
00:14:54y ayudarnos a seguir haciendo videos como este, puedes hacerlo utilizando el botón de Super Gracias que aparece abajo. Como
00:14:59siempre, gracias por ver y nos vemos en el próximo.