Agencia, explicada con una tarea aburrida

Ayer me pasó una cosa que me parece el ejemplo más fácil de entender de lo que significa la famosa “agencia” de la IA. Aviso: no tiene fuegos artificiales. Va de restaurar carpetas en un gestor documental. Y precisamente por eso creo que merece la pena contarlo, porque el trabajo de verdad se parece mucho más a esto que a las demos.

El problema

Me llamó un cliente: habían borrado sin querer unos archivos de su proyecto en Autodesk Construction Cloud (ACC, ahora Autodesk Forma, y puede que antes de que termines de leer esto le cambien el nombre otra vez.). El origen: alguien le dio a borrar una carpeta entera de proyecto, desde su PC con Desktop Connector, porque se quedaba sin espacio en disco, pensando que el sincronizador ya estaba desactivado, pero no, y el borrado se propagó a la nube.

Cuando lo audité, “unos archivos” resultaron ser casi 12.000 elementos entre archivos y carpetas.

Y el asunto traía dos vueltas de tuerca:

1. Como el borrado vino del sincronizador, la plataforma no recibió una orden de “borra esta carpeta”, sino una orden de borrado por cada elemento individual.
   • Consecuencia: restaurar una carpeta no devuelve lo que había dentro. Había que restaurar los 12.000 elementos uno a uno.
2. No había que restaurarlo todo. Solo lo borrado por un usuario concreto, entre el 14 y el 17 de julio.
   • Lo demás que hubiera en las papeleras lo había borrado otra gente a propósito, y tenía que seguir borrado. Es decir: no era clicar mucho; era decidir bien miles de veces.

A mil por hora

Empecé a mano. Y sufrí en primera persona la tercera vuelta de tuerca: la papelera de ACC es por carpeta. No existe una pantalla de “todo lo eliminado del proyecto”; cada carpeta tiene su propia vista de elementos suprimidos. Restaurar significa, por tanto, recorrer el árbol entero abriendo papelera por papelera.

Un árbol, por cierto, con ramas de hasta diez niveles de profundidad. Alguna vez le había sugerido a este cliente que su estructura de carpetas se estaba yendo de las manos. Nunca pensé que lo acabaría comprobando papelera a papelera.

Una hora después llevaba unos mil elementos. Hice la cuenta: a ese ritmo, la tarea completa eran unas doce horas de clics, sin parar, leyendo en cada fila quién borró qué y cuándo.

Se lo paso a la IA

Abrí la extensión de Claude para Chrome, que tiene una herramienta con la que puedes enseñarle una tarea: vas haciendo los clics tú y le vas contando qué estás haciendo y por qué. Le enseñé el proceso y después le di el encargo, en lenguaje natural:

Restaura los elementos, sean carpetas o archivos, eliminados por [el usuario] entre el 14 y el 17 de julio. Si restauras una carpeta, mira dentro por si hay algo más que cumpla las condiciones. Y hazlo desde esta carpeta hasta el final de toda la estructura, hasta el último nivel de cada rama.

Hice una prueba con dos carpetas. Las resolvió moviendo el ratón, clic a clic, exactamente como le había enseñado: 145 elementos en una, 70 en la otra, todos correctos. Lo revisé, estaba impecable, y le solté el resto de la plataforma.

Un detalle importante para lo que viene después: en ningún momento le dije cuántos elementos había en total. Nunca lo supo.

La IA deja de hacer clics

Con la plataforma entera por delante, lo primero que hizo no fue ponerse a clicar: fue intentar hacerse un mapa de por dónde tendría que pasar. Y ese mapa no salía:

• Comprobó lo que yo ya sabía: la papelera es por carpeta, así que “revisar el proyecto” significa ir carpeta por carpeta del árbol.
• Intentó enumerar el árbol y no pudo. La interfaz de ACC solo “dibuja” lo que se ve en pantalla: al hacer scroll, lo de arriba desaparece. Desplegando ramas perdía la posición, repetía zonas y, sobre todo, no tenía forma de saber cuántas carpetas le quedaban.

Y ahí llegó a una conclusión:: con clics no podía demostrar que había llegado al último nivel de cada rama. Y eso era, literalmente, parte del encargo.

Primer ejemplo de la capacidad agéntica

Así que cambió de estrategia ella sola. Se puso a observar qué peticiones envía la propia web cuando pulsas “Restaurar”, y empezó a enviar esas mismas peticiones directamente, sin pasar por los botones.

El código que generó, para los curiosos:

const original = XMLHttpRequest.prototype.setRequestHeader;
XMLHttpRequest.prototype.setRequestHeader = function (k, v) {
  if (k.toLowerCase() === 'authorization') window.__tok = v; 
  return original.apply(this, arguments);
};

A mí me costó una hora y mil archivos entender que por ahí no era. La IA lo tuvo claro nada más ponerse. Es exactamente la misma decisión: mirar una tarea, ver hacia dónde escala y cambiar de herramienta antes de empezar a sufrir, y nadie se la pidió.

Segundo ejemplo de la capacidad agéntica

En un momento dado restauró una carpeta a mano, con su botón, haciendo clic. Lo hizo porque era la única operación que todavía no sabía imitar, y quería ver qué petición lanzaba la web al pulsar ese botón concreto.

Hacer una cosa para aprender otra. Eso, en la IA, todavía me sorprende.

La IA tiene una corazonada

Terminó la primera pasada completa del proyecto y reportó: 3.436 archivos restaurados. Y cero carpetas.

Tercer ejemplo de la capacidad agéntica

No dijo “terminado”. Dijo que le parecía raro. Su razonamiento, casi literal: el encargo hablaba de archivos y carpetas; es improbable que un borrado de miles de archivos no haya arrastrado ni una sola carpeta.

Ojo a la clase de razonamiento que es ese:

• No es un test. No es una comprobación formal. No había ningún error: el proceso había terminado limpio, sin una sola excepción.
• Ella no sabía cuántos elementos había en total ni cuántas carpetas “tocaban”. No tenía inventario contra el que comparar.
• Es, simplemente, mirar un resultado formalmente correcto y desconfiar de él porque no encaja con cómo funciona el mundo.

Vamos: una corazonada.

Y lo que hizo con ella es lo más humano de todo: volvió a mirar la pantalla. No se puso a leer más datos. Abrió la papelera de una carpeta con la interfaz, como una persona, y ahí estaba: una carpeta que la web mostraba clarísima, con su autor y su fecha, cumpliendo el criterio… y que su propio código había descartado.

¿La causa? Para los archivos, ACC informa de quién los borró y cuándo. Para las carpetas, ese dato sencillamente no existe, borrar una carpeta es “actualizar su estado”.

Lo peor es que dentro de una carpeta borrada no se puede mirar (la plataforma devuelve un error si lo intentas), así que cada carpeta descartada podía tener dentro más carpetas y archivos sin restaurar.

La IA corrigió el criterio, volvió a recorrer el proyecto entero, y el resultado final fue de 9.638 archivos y 1.125 carpetas restauradas (los mil restantes son de mi hora de gloria). En total tardó unas cuatro horas. No es el óptimo (una integración montada a conciencia contra la API lo haría en minutos), pero es que ahí va incluido aprenderse el sistema sobre la marcha desde una pestaña del navegador, equivocarse, darse cuenta y rehacerlo. Frente a las doce horas mías de clics, lo firmo.

Sin la corazonada, el trabajo se habría entregado con un aspecto impecable y con la mitad sin hacer. Yo me habría dado cuenta porque sabía que eran en torno a 12.000, pero me hubiera supuesto iterar más veces, desconfiar de las carpetas que sí revisó, etc.

NOTA: técnicamente “la corazonada” no es agencia, es razonamiento. La agencia sería el paso previo de revisar el resultado, y el paso posterior de corregirlo.

Entonces, ¿qué es la agencia?

Una definición corta: darle a la IA un objetivo en vez de una instrucción, y que sea capaz de cumplir el objetivo incluso cuando surgen retos inesperados por el camino.

En esta historia, la IA usó su capacidad agéntica 3 veces:

1. Cambió de método cuando vio que el que yo le había enseñado no le permitía cumplir el encargo.
2. Hizo pruebas para aprender la mejor forma de hacerlo.
3. Desconfió de su propio resultado, siendo un resultado formalmente correcto.

Las 3 me parecen muy humanas y las 3 me alucinan porque no estaban en ningún prompt, ni skill, ni en contexto previo: tomó decisiones que le resolvían problemas (problemas suyos, no míos) para llegar al objetivo.

Ideas finales

• Que sea un ejemplo simple, ayuda a entender el concepto, pero no te quedes con que con la IA podemos automatizar tareas repetitivas y tediosas (que por supuesto), quédate con las capacidades que demuestran las IAs actuales y cómo las podrías aprovechar en casos mucho más complejos.
  • La que más me gusta es la de que hiciera pruebas para aprender sola, no basarse solo en su entrenamiento o en buscar info en internet.
    • Es una prueba de que puedo pedirle algo a la IA y lo puede resolver “sin repetir como un loro” aquello en lo que se entrenó.
• La capacidad agéntica de la IA (o agentes a secas) está evolucionando mucho en estos meses.
  • Los laboratorios de IA se han dado cuenta de que para la mayoría de casos, no necesitamos a un “Einstein” sino a alguien con criterio para cambiar de plan, curiosidad para aprender por su cuenta y el olfato suficiente para desconfiar de su propio trabajo.
    • De momento para que sea nuestro ayudante, en unos años ya veremos.
• Si no estabas muy puesto en IA, y lo de agentes te sonaba raro, espero que esta “tarea aburrida” te haya servido para entender la diferencia entre hacer preguntas a un chat, y darle objetivos a una IA agéntica (o agente).