Conozcan a 4 desarrolladores que lideran el camino con agentes de IA
Empleados que intentan responder preguntas como parte de sus trabajos, investigadores que revisan los registros médicos, desarrolladores que analizan las necesidades de los clientes: todos quieren tener la información al alcance de la mano. La IA lo ha hecho posible en muchos sentidos.
Ahora, los agentes de IA ayudan a las personas a dar el siguiente paso en la entrega de valor empresarial. Los agentes utilizan la IA para automatizar y ejecutar procesos empresariales, al trabajar junto a una persona, un equipo o una organización o en su nombre. Las empresas han comenzado a pedir a los desarrolladores que creen equipos enteros de agentes de IA especializados en ciertas tareas, y los desarrolladores utilizan los propios agentes para trabajar más rápido.
Según el Índice de Tendencias Laborales 2025 de Microsoft, el 46 por ciento de los líderes dicen que sus empresas utilizan agentes para automatizar flujos de trabajo o procesos. Alrededor del 43 por ciento de los líderes globales ya utilizan sistemas multiagente que colaboran para lograr un objetivo o ejecutar un flujo de trabajo complejo, y el 82 por ciento de los líderes esperan que su organización adopte una fuerza laboral agéntica con agentes como miembros del equipo digital en los próximos 12 a 18 meses.
En Microsoft Build, Microsoft presentó nuevos agentes, herramientas y características para ayudar a los desarrolladores a trabajar de forma más eficiente y crear agentes de IA capaces y seguros.
Así es como cuatro desarrolladores a la vanguardia de esta transformación utilizan agentes para codificar más rápido, además de las herramientas de creación y orquestación de agentes de Microsoft para resolver problemas empresariales.
Timothy Keyes: Uso de agentes para poner la información de los pacientes con cáncer al alcance de los médicos
La atención del cáncer ha progresado de manera importante en los últimos años. Pero algunos casos no se ajustan a los tratamientos probados y verdaderos. Los casos de estos pacientes se envían a una «junta de tumores», un equipo que incluye especialistas como un radiólogo, un patólogo, un oncólogo, un cirujano y otros que reúnen su experiencia para brindar la mejor atención.
Las juntas de tumores son «reuniones de alto riesgo y alto costo para pacientes de alto riesgo», dice Timothy Keyes, científico de datos de Stanford Health Care y candidato combinado de MD y doctorado en biología del cáncer e informática biomédica en la Facultad de Medicina de la Universidad de Stanford.
Como estudiante de medicina, Keyes ayudó a los oncólogos asistentes a preparar los casos para presentarlos a la junta de tumores. «Lleva mucho tiempo prepararse», dice. La información debe extraerse de muchas fuentes diferentes, desde registros de salud electrónicos hasta exploraciones por imágenes y literatura médica, y puede que no sea fácil de encontrar. Todo tiene que ser resumido para su presentación a la junta de tumores.
Ahora, una nueva herramienta desarrollada por Microsoft permite a los científicos y desarrolladores de datos de Stanford crear y probar agentes de IA para ayudar a aliviar esta carga administrativa y acelerar el flujo de trabajo para la preparación de la junta de tumores. El nuevo orquestador de agentes sanitarios de Microsoft ya está disponible para otros usuarios en el catálogo de agentes de Azure AI Foundry.
El orquestador de agentes sanitarios ha ayudado al equipo de Stanford a crear y probar agentes de IA autónomos que consultan fuentes de datos dispares y colaboran en tareas que, de otro modo, podrían llevar horas (crear una línea de tiempo cronológica del paciente, sintetizar la literatura actual, hacer referencia a las directrices de tratamiento, obtener ensayos clínicos y generar informes), por medio de conocimientos clínicos para ofrecer resultados precisos y fiables. Stanford Health Care todavía está en periodo de prueba de su aplicación del orquestador de agentes de atención médica en un entorno de investigación y aún no lo ha puesto en uso clínico en tiempo real.
Todos los agentes trabajan con Microsoft 365 Copilot para que los ocupados médicos no tengan que dedicar un tiempo precioso a la incorporación para usar los agentes, sino que tan solo pueden escribir lo que quieran en lenguaje natural en aplicaciones como Teams o Word sin tener que agregar otra aplicación a su flujo de trabajo. Stanford Health Care es solo una de las instituciones que pone a prueba el orquestador de agentes de atención médica de Microsoft, Foundry.
Los agentes pueden superar la fragmentación de los datos que provienen de las notas de los médicos, las notas del personal que se ocupa de los seguros, las notas de las enfermeras, las imágenes como las tomografías computarizadas que son muy diferentes de las diapositivas de patología, y más, dice Keyes.
«Es muy difícil conseguir un modelo de chat para hacer esto», dice. Sin embargo, los agentes pueden centrarse en una tarea especializada, con el orquestador de agentes sanitarios que dirige las solicitudes al agente adecuado. Empezar es muy fácil. Stanford Health Care configuró los agentes iniciales del catálogo de agentes de Azure AI Foundry y los implementó en Microsoft Teams para realizar pruebas en unos 10 minutos, afirma Keyes.
El organizador de datos trae notas clínicas, laboratorios, medicamentos y datos genómicos, todos los cuales vienen en diferentes formatos, y estructura la información en un resumen sucinto, con citas para que el médico pueda verificarla con rapidez o ir a ver la sección relevante en profundidad.
Keyes recuerda estar con otros estudiantes de medicina y su médico tratante para pedir un informe de radiología en la historia clínica electrónica. «Y es como, clic, clic, clic, clic, clic, clic, 100 clics diferentes en comparación con ‘oh, está justo aquí frente a mí'». Cuando cotejó las citas del agente con las notas reales, eran correctas.
El agente de radiología lee las imágenes de radiología mediante los principales modelos de IA especializados de Azure AI Foundry, y el agente de patología analiza las imágenes de portaobjetos completos y proporciona los hallazgos de patología relevantes. Otro agente identifica los ensayos clínicos para los que el paciente es elegible.
El agente de investigación médica utiliza modelos de razonamiento para buscar en artículos científicos sobre el cáncer, para brindar de nuevo enlaces para una rápida recuperación de los documentos completos.
Al final del proceso, un agente de creación de informes resume los componentes clave del caso del paciente que se discutirán en la junta de tumores, convirtiéndolo en un documento de Word o PowerPoint.
Preparar el caso de un solo paciente para una junta de tumores podría llevarle a Keyes varias horas; en las pruebas, los agentes de IA podrían hacer el trabajo 10 veces más rápido, dice. Stanford Health Care tiene más de una docena de juntas de tumores que atienden a unos 4 mil pacientes, por lo que el ahorro de tiempo se multiplicaría de manera rápida.
«Los agentes permitirán que el trabajo se realice de manera más fácil, rápida y eficiente, lo que en verdad importa cuando se trata de reuniones con 10 médicos, donde el tiempo es precioso», dice Keyes. El tiempo también es oro para los pacientes.
«Creo que en muchas industrias, cuando piensan en agentes, se entusiasman mucho con la idea de que va a funcionar de manera muy autónoma, va a tomar decisiones, y puedo mirar lo que hace de vez en cuando. Eso no es en realidad lo que imaginamos. Queremos que los médicos estén a cargo de la atención del paciente. Siempre queremos que puedan comprobarlo.»
«Me entusiasmaría la idea de que la IA ayude a mis médicos a ser la mejor versión de sí mismos y a liberarlos de algunos de los componentes de la documentación que consumen mucho tiempo para que puedan pasar más tiempo conmigo, el paciente», dice.
Xavier Portilla Edo: Reducir el tiempo de la prueba de concepto
«Todo es posible, pero con los agentes de IA es más rápido y sencillo», afirma Xavier Portilla Edo, jefe de infraestructura en la nube de Voiceflow, una plataforma que permite a los clientes crear agentes de IA y experiencias conversacionales sin codificación.
Los clientes de Voiceflow van desde grandes marcas internacionales hasta agencias que desarrollan agentes de IA a medida para pequeñas empresas o negocios locales, como restaurantes. Este tipo de agentes de IA automatizan las tareas comerciales de las empresas a través de conversaciones orales o escritas.
Una plataforma sin código requiere mucha codificación para ser creada. Es por eso que Portilla ha aprovechado el modo agente con GitHub Copilot, que libera a los desarrolladores para que se concentren en otras tareas mientras un agente trabaja en segundo plano, para acelerar su trabajo de desarrollo.
El modo de agente en Visual Studio Code proporciona a los desarrolladores una experiencia de edición en la que GitHub Copilot recopila contexto en varios archivos, sistemas externos y orígenes de datos para aplicar cambios en el código, sugerir comandos e iterar para resolver problemas. Y Copilot Edits realiza cambios en línea en el espacio de trabajo de un desarrollador, en varios archivos, por medio de lenguaje natural. Tanto con el modo de agente como con Copilot Edits, el desarrollador mantiene el control, revisa los cambios, acepta los que funcionan e itera con solicitudes de seguimiento, mientras se mantiene en el flujo.
Las nuevas características agénticas dentro de GitHub Copilot han ayudado a los desarrolladores que trabajan en la plataforma de Voiceflow a crear e iterar en pruebas de concepto mucho más rápido, dice Portilla. Varias veces, los desarrolladores de Voiceflow han querido validar una prueba de concepto y, en lugar de crear ese proceso de validación desde cero, hacen que el modo de agente lo pruebe por primera vez. «Y salió muy bien», dice Portilla.
Otro beneficio de usar agentes de IA, dice, es que permiten a los desarrolladores trabajar fuera de su campo de conocimiento. «Digamos que eres un ingeniero de back-end y tienes una solución que has construido en el back-end y no tienes una interfaz de usuario para probarla», dice Portilla. «Por lo general, hacemos que el agente de GitHub Copilot compile esa interfaz de usuario. Y al revés, digamos que eres un desarrollador front-end y necesitas un back-end para probar tus nuevas funciones de interfaz de usuario. Hemos utilizado un agente para ayudar a crear esos back-ends sencillos».
Al igual que con cualquier proceso nuevo, se necesita tiempo para comprender a los agentes de IA para que las solicitudes y preguntas se presenten de una manera que genere los resultados deseados, dice. Al igual que los colegas, cada herramienta de agente es diferente. «Si usas un agente específico, entonces sabes cómo interactuar con ese agente, pero tal vez cuando usas otro agente, tendrás que aprender cómo interactuar con ese agente», dice.
Sin embargo, en general, la curva de aprendizaje de las herramientas agénticas de GitHub fue fluida. Las pruebas de concepto que solían tomar una mañana completa o incluso un día entero ahora se pueden hacer en un par de horas, dice.
Amit Sethi: Los agentes impulsan la eficiencia para los analistas de negocio y calidad de JM Family
Al igual que muchas grandes empresas, las filiales de JM Family Enterprises participan en una amplia gama de actividades comerciales. La compañía privada diversificada, hogar del distribuidor independiente más grande del mundo de Toyotas, también opera en procesamiento de vehículos y distribución de piezas, servicios financieros, ventas minoristas de automóviles, servicios para el hogar y más.
A los desarrolladores que trabajan para JM Family se les puede pedir que desarrollen soluciones o modernicen los procesos en cualquier parte del negocio. Al abordar un nuevo proyecto, los analistas de negocio de la empresa recopilan información de esos equipos y crean una «historia de usuario» concisa que explica lo que quieren lograr y por qué. Esto informa sobre requisitos más detallados que describen la funcionalidad técnica que debe tener el software, que los desarrolladores utilizan para escribir código. A continuación, los expertos en control de calidad generan pruebas para verificar los resultados.
JM Family presentó agentes de IA que pueden trabajar a nivel colectivo con los usuarios para ayudar a estandarizar y acelerar este ciclo de vida de desarrollo de software, desde la redacción de historias hasta el diseño de planes de prueba y documentaciones, dice Amit Sethi, científico principal de investigación de IA y ML en JM Family.
JM Family ha desarrollado una solución multiagente que ha reducido el proceso de escritura de los requisitos a unos pocos días, señala Sethi. La compañía encontró un ahorro de tiempo del 40 por ciento para los analistas de negocios y un ahorro de tiempo del 60 por ciento en el diseño de casos de prueba para el aseguramiento de la calidad. Incluso si tienen que refinar el trabajo de manera manual, los analistas de negocios prefieren comenzar con casos generados por IA que pueden reunir todos los puntos de datos que podrían ser necesarios para, por ejemplo, pronosticar la entrega de automóviles, en lugar de comenzar desde cero, dice Sethi.
Otro de los beneficios de la solución multiagente a la que han bautizado como BAQA Genie (por analista de negocio/aseguramiento de la calidad, en inglés) es la estandarización, «porque cada uno tiene su propia forma de hacer las cosas. Cuando tienes un proyecto grande, esto se convierte en un problema», dice Sethi.
Los requisitos «cristalinos» resultantes de los agentes de IA hacen que todo el ciclo de desarrollo sea mucho más rápido. «Es una ganancia general de la eficiencia del proceso para nosotros», dice.
JM Family comenzó su recorrido con los agentes de IA en febrero de 2024 cuando demostró la herramienta AutoGen de código abierto de Microsoft a la alta dirección. «Fue un momento de ‘ajá’, en el que los agentes pueden comunicarse entre sí y luego tomar medidas en tu nombre», dice Sethi.
Al principio, la gestión de los agentes de IA fue complicada, reconoce. Sin embargo, Azure AI Foundry Agent Service y sus flujos de trabajo multiagente ahora «se encargan de todos estos problemas. Y como estamos respaldados por la plataforma de Microsoft, se integra muy bien con todos los puntos de contacto».
JM Family ha recurrido a un conjunto de herramientas de Microsoft en Azure AI Foundry para crear sus agentes con diferentes especialidades: un agente de requisitos, un agente de redacción de historias, un agente de codificación, un agente de documentación y otros. Un agente de orquestador les ayuda a todos a trabajar juntos.
Mientras que los agentes actuales se encargan de diferentes procesos y luego se los entregan a una persona para que realice otros pasos de manera manual, JM Family quiere evolucionar hacia agentes que hagan más trabajo y dependan de las personas para solidificar o verificar los requisitos. «Como estamos comprometidos por completo con la IA responsable, uno de los principios que siempre queremos tener es un humano al tanto», dice Sethi.
JM Family ha tenido tanto éxito con su solución multiagente hasta ahora que planea comercializar su BAQA Genie. «Hemos visto el valor desbloqueado de manera directa por esta capacidad», dice Sethi. «Dado que este es un desafío en cualquier esfuerzo de tecnología empresarial, queríamos ofrecerlo a otros clientes para compartir ese valor».
Rob Bos: «La vida en modo agente es un festín de nuevas posibilidades»
«De manera sencilla, vivo en modo agente», dice Rob Bos, consultor de DevOps y capacitador de GitHub en Xebia, un proveedor global de ingeniería de software, consultoría de TI, capacitación y servicios administrados para clientes corporativos. «En estos días, no es tan común que incluso lo apague».
Bos, un MVP de Microsoft y estrella de GitHub que ayuda a los clientes a mantenerse al tanto de las últimas tendencias de desarrollo, ha tenido un asiento de primera fila para presenciar la reciente evolución de la IA. «Empezamos con chats regulares, es decir, interactuar, copiar y pegar. Luego tenemos que aplicar el chat actual a su código actual. Eso ya ayudó», dice. «Luego tuvimos el modo de edición en el que va más rápido y de inmediato comienza a cambiar las cosas y los archivos a los que trata de agregar funcionalidad. Y para el modo agente, se trata sólo de concentrarse en la velocidad».
Después de pedirle al modo agente que haga ciertas cosas, realizará esos cambios, al igual que las ediciones. «Lo mejor es que puede empezar a validar si los cambios en verdad tienen sentido. De hecho, puede ejecutar el script en el que trabaja y validar la salida. Si tiene algo como una prueba unitaria o una prueba de regresión, puede ejecutar esas pruebas y luego aprender de los resultados y continuar hasta que se complete la tarea», dice.
Con el advenimiento de los servidores de Model Context Protocol (MCP), las acciones son posibles a través de los límites del software, añade.
En uno de los procesos que construía, Bos recopiló datos en repositorios de GitHub y luego le pidió al modo agente que se hiciera cargo y creara un informe basado en esos datos, o le dijo al agente que creara un nuevo script basado en lo que ya estaba hecho, sabiendo que inferiría los próximos pasos en función de patrones pasados en su repositorio. «En mi opinión, funciona mejor si le das mucho contexto de código existente en tu repositorio, o configuraciones similares que usaste en otros lugares».
Por ejemplo, pueden decirle a un agente que examine todas las pruebas de disponibilidad con errores que están en ejecución en su aplicación web de Azure y que recopile la mayor cantidad de información posible sobre los errores de los registros y, a continuación, la traduzca en un buen conjunto de problemas.
Los agentes de IA empoderan a todos los que trabajan con ingenieros de software para que también comiencen a contribuir. «Si, por ejemplo, estás en operaciones y ves estos errores, ahora puedes traer una gran cantidad de información adicional y llevar ese trabajo al inicio de tu ciclo de vida de desarrollo de software, lo que permite a los propietarios de productos escribir historias de usuario de ‘esto es lo que quiero lograr y estas son las cosas en las que debes pensar en el contexto de esta aplicación, ‘» dice Bos. » Se trata de una revolución que permite que más personas contribuyan al proceso de desarrollo de software y también cambia la forma en que nosotros, como ingenieros, operamos a diario».
Bos les dice a sus aprendices que comiencen poco a poco cuando usen agentes de IA porque si las instrucciones originales son demasiado amplias, el agente podría hacer suposiciones que vayan en una dirección diferente a la deseada.
En su lugar, aconseja iniciar una conversación con el agente. «Recibes una respuesta de vuelta. Ves si eso en verdad funciona y con eso comienzas a construir una historia completa hasta que tiene sentido y luego quieres actuar sobre ciertas cosas allí», dice. «Esto te permite corregir el rumbo a lo largo del camino».
Con tantas características de agentes que salen, Bos anima a sus clientes a mantener la curiosidad y no limitarse a lo que les resulta familiar. «Hay un festín constante de cosas adicionales que son posibles en este momento».
Imagen de portada: Timothy Keyes, científico de datos de Stanford Health Care y candidato combinado a MD y PhD en biología del cáncer e informática biomédica en la Facultad de Medicina de la Universidad de Stanford. Foto de John Brecher para Microsoft.