Confiamos en agentes de IA que fallan todos los días - Shy Ruparel, Temporal
원제 · We Trust AI Agents That Break Every Day - Shy Ruparel, Temporal
핵심 요약
El 80.8% de los desarrolladores utiliza agentes de IA diariamente, pero el 41.1% experimenta fallos constantes, lo que exige una ejecución duradera para evitar la pérdida de progreso y costos innecesarios en producción.
하이라이트
KPMG descubrió que las ganancias de productividad corporativa por IA alcanzaron los tres billones de dólares en 2025.
El 62% de los equipos de servicios financieros pierden tiempo o ingresos debido a problemas de confiabilidad con la IA.
El 80.8% de los desarrolladores utiliza agentes de inteligencia artificial en su día a día, pero solo el 49.1% los ejecuta en producción.
El 41.1% de los equipos experimenta fallas en sus agentes de IA diariamente o con mayor frecuencia.
Ocho de cada diez ingenieros afirman que los altos costos limitan la forma en que utilizan y despliegan sus agentes.
타임라인
Adopcion empresarial y la naturaleza de los flujos de trabajo
Las empresas integran la inteligencia artificial en sus operaciones principales, especialmente en el sector de servicios financieros. Sin embargo, un porcentaje elevado de equipos enfrenta problemas de confiabilidad debido a que los procesos corporativos requieren interacciones complejas de larga duración que involucran sistemas externos y transacciones de dinero real.
- Las ganancias de productividad corporativa por IA alcanzaron los tres billones de dólares en 2025 según KPMG.
- El 94% de las empresas de tecnología financiera consideran que la inteligencia artificial es fundamental para sus operaciones.
- Los procesos financieros abarcan múltiples días, sistemas y personas, lo que impide asumir errores.
Las cuatro brechas del desarrollo con agentes de IA
Los datos de la encuesta a 554 ingenieros revelan contradicciones profundas entre la confianza depositada en las herramientas y la realidad operativa. Mientras que el uso cotidiano se duplica rápidamente, las grandes organizaciones enfrentan restricciones prolongadas de cumplimiento y auditoría. Adicionalmente, el rastreo de estados y la depuración superan a los modelos de lenguaje como los principales obstáculos de productividad.
- Existe una brecha del 30% entre el 80.8% de uso diario y el 49.1% de despliegue real en producción.
- El 85.5% de los encuestados confía en los resultados de sus agentes, a pesar de que el 41.1% reporta fallos diarios u horarios.
- El 51.3% de las empresas implementa prototipos de IA en cuestión de horas, mientras que las organizaciones con más de 5,000 empleados tardan meses.
Demostracion de ejecucion duradera ante fallos de trabajadores
Se demuestra un flujo de pagos de nueve etapas en el que un agente investiga posibles fraudes y espera una aprobación humana. Al interrumpir intencionalmente el proceso del trabajador, el sistema demuestra cómo el historial y el estado sobreviven sin requerir código manual de recuperación. Las señales externas, como las aprobaciones de transacciones, se registran de forma segura para reanudar el flujo desde el último punto exitoso.
- El 35.7% de los equipos señala que rastrear el estado entre servicios es su mayor obstáculo técnico.
- La ejecución duradera garantiza que el código avance hasta completarse incluso cuando los procesos del trabajador mueren.
- Los historiales de eventos de Temporal preservan las llamadas a herramientas previas para evitar el gasto redundante de tokens en LLM.
Resolucion de obstaculos y adopcion en la industria
La unificación del estado y la observabilidad en un solo registro elimina la necesidad de escribir lógica compleja de conciliación y recuperación ante caídas. Plataformas importantes de la industria ya aplican este modelo para proteger las operaciones de sus agentes autónomos contra interrupciones imprevistas y optimizar los costos operativos derivados del consumo de tokens.
- Una plataforma de ejecución duradera resuelve simultáneamente siete problemas principales de ingeniería, incluyendo gestión de estados, reintentos y depuración.
- Empresas como OpenAI y Replit ejecutan sus agentes de programación sobre la infraestructura de Temporal para evitar fallos catastróficos.
- Un mal resultado del modelo de lenguaje se maneja como un fallo estándar de actividad mediante políticas de reintento automatizadas.
설명
Temporal's State of Development survey found that 80.8% of engineers use agents daily, but only 49.1% run them in production. Developer advocate Shy Ruparel walks through the four gaps behind that number (usage vs. production, trust vs. reality, prototype vs. enterprise, seeing vs. recovering), then demos a $2,500 payout workflow with a local model that survives having its workers killed mid-flight, without losing state, repeating tool calls or re-spending tokens. Chapters: 0:00 Intro 0:34 Finance runs on long-running workflows 2:05 The State of Development survey 3:16 Gap 1: Usage vs. production 4:33 Gap 2: Trust vs. reality 7:18 Gap 3: Prototype vs. enterprise 8:55 Gap 4: Seeing vs. recovering 10:53 Demo: a payout that survives a crash 13:06 Durable execution explained 18:12 What the demo solved 20:10 Who runs this in production 20:50 Wrap-up Shy Ruparel https://temporal.io Join us in SF for the second annual AIE CODE summit: https://aie.codes our last flagship summit of 2026. Applications live now!