Para el ingeniero e innovador Matteo Zamparini, una de las barreras de productividad más significativas en el mundo moderno no es la escasez de talento o la falta de ambición, es tiempo perdido en tareas repetitivas.
Desde rastrear mapas de paquetes como internado en ciencias de datos hasta cofundar una startup que identificó oportunidades de energía renovable para los propietarios de propiedades comerciales, su carrera ha seguido un tema consistente: construir tecnología para automatizar el trabajo de grunt para que el trabajo humano pueda ser utilizado para tareas más estratégicas.
Como ingeniero fundador de PropRise, una compañía respaldada por Y Combinator, construye agentes de IA que trabajan todo el día para rastrear enormes cantidades de datos inmobiliarios dispares y generar insights que revelan oportunidades de inversión potenciales.
Todo gira en torno a su visión de un mundo donde la IA no solo ayuda a las personas, sino que las une a la fuerza laboral para ejecutar tareas de larga duración.
El coste real del análisis manual de datos
En un mundo asistido por software, la falta de herramientas digitales ya no es el principal problema.
Como estudiante de internado, pasó meses usando herramientas como mapas digitales, permitiendo que sitios web, software de computación estadística y sitios web de listas de bienes raíces recopilaran y finalmente analizaran datos que podrían utilizarse para tomar decisiones de inversión y desarrollo. “Recuerdo pensar: ‘La imagen por satélite construida con Lidar es cool,’” relata.
Este fue uno de los puntos de vista que desencadenaron la idea de Spaceflare, una startup que fundó con compañeros de UC Irvine después de graduarse en 2021.El modelo que construyó utilizó registros públicos e imágenes de satélite para identificar propiedades que podrían ser adecuadas para la instalación de paneles solares, permitiendo a las compañías de energía limpia y los propietarios de propiedades identificar rápidamente oportunidades potenciales para la generación de energía y los ingresos.
Un proceso que probablemente habría tomado semanas de análisis manual ahora podría hacerse en minutos con Spaceflare.
Building AI Agents that Act and Reason—Within Reason
Construir agentes de IA que actúen y razonan: dentro de la razónHoy en día, Zamparini es el desarrollador detrás de los agentes de IA que
PropRise no es sólo otra herramienta de aprendizaje automático que automatiza la recopilación de datos; sus agentes operan de forma independiente, estructurando los datos que encuentran y evaluando continuamente la credibilidad y exactitud de una amplia gama de fuentes.
“Hemos desarrollado sistemas de agentes que pueden razonar, actuar e incluso buscar feedback humano o aprobación en medio de la tarea”, explica. “Esta mezcla de autonomía y supervisión humana es necesaria para construir flujos de trabajo de IA fiables”.
Él ve este enfoque humano-in-the-loop como un componente crucial para un futuro en el que los agentes de IA pueden asumir todo el trabajo manual sin arriesgarse a perder el control sobre las decisiones estratégicas.
Fiabilidad sobre la novedad: arquitectura de sistemas de agentes para uso en el mundo real
En los ojos de Zamparini, el surgimiento de estándares abiertos como el Protocolo de Contexto Modelo (MCP), AGNTCY, HumanLayer o el lenguaje BAML es la tendencia más importante en AI.
Cuando los resultados del software se alimentan de modelos financieros o decisiones estratégicas, los resultados que producen deben ser verificables.
Frames emergentes como HumanLayer, BAML, MCP y AGNTCY están creando una línea de partida que puede hacer posible este tipo de ecosistema de agentes.
HumanLayer, por ejemplo, proporciona un protocolo que agrega una vigilancia humana robusta a los agentes de IA autónomos. intercepta las acciones de alto nivel y las dirige a los humanos -a través de Slack, correo electrónico, SMS y otros canales- para la aprobación, el feedback o la escalada, y luego envía la respuesta de vuelta para que los agentes puedan seguir trabajando de forma segura.
MCP, es un estándar abierto que estandariza cómo los modelos de IA se conectan a las entradas de datos, permitiendo que los grandes modelos de lenguaje (LLM) se conecten directamente a diversas bases de datos y APIs para crear un pool más completo de información y colaboración de agente a agente.
AGNTCY es un ecosistema abierto para la interoperabilidad de agente a agente que lleva el concepto un paso más allá al definir una capa de identidad compartida y un modelo de interacción para los agentes de IA, permitiendo herramientas hechas por diferentes desarrolladores para compartir información de forma segura y predecible entre plataformas.
Juntos, estos marcos permiten a los agentes de IA que no solo son potentes, sino que son desplegables, probables y mantenibles.
Building a Template for the Future of Work
Construir un modelo para el futuro del trabajoLos estándares y los idiomas compartidos son clave para el desarrollo de la IA que puede automatizar de manera confiable el trabajo cotidiano y se aplican mucho más allá de los bienes inmuebles comerciales; en su mejor momento, permiten a los agentes de IA y los sistemas de agentes transformar la forma en que los profesionales y los expertos trabajan en todas las industrias.
“Con la ayuda de la IA, podemos liberar esencialmente el tiempo de las personas”, concluye Zamparini.Cuando podemos confiar verdaderamente en que el trabajo automatizado y las recomendaciones sean completas y precisas, estos sistemas pueden hacer más que mejorar los flujos de trabajo existentes, pueden hacer espacio para nuevas industrias e innovación.
Para Zamparini, el futuro de la IA no es un mejor asistente digital, es un sistema que permite a los humanos construir cosas nuevas más rápido, avanza las industrias actuales e incluso engendra nuevas.
Los agentes de IA eliminan el ruido, limpiando la confusión para que los constructores puedan moverse más rápido, pensar más profundamente y soñar más grande.
