Por qué empezamos a probar Argos en una casa, no en una fábrica
La intuición dice que un agente autónomo es para industria. Nosotros arrancamos por una casa. Hay tres razones, y todas tienen que ver con que la inteligencia artificial empieza a fallar de formas raras cuando sale del laboratorio.
Cuando contás que estás desarrollando un agente que toma decisiones autónomas, la pregunta más frecuente es para qué industria. La gente espera escuchar manufactura, energía, logística, algo grande, algo que justifique la inversión en inteligencia artificial avanzada.
Cuando contestás "una casa", se ríen. Después escuchan por qué, y dejan de reírse.
Razón 1, los errores son recuperables
Un agente autónomo, por definición, va a equivocarse. Va a observar mal, va a inferir mal, va a planificar mal. Eso es parte del proceso de aprendizaje, no es un bug a eliminar.
En una fábrica, un agente que decide mal puede parar una línea de producción, dañar equipos, comprometer seguridad. Los costos son inmediatos y grandes. En una casa, un agente que decide mal enciende la luz cuando no corresponde o ajusta la temperatura mal por un rato. Molesto. Recuperable. Sin consecuencias graves.
Eso nos permite dejar al agente aprender sin protocolos paranoicos de seguridad. Y sin esos protocolos, el aprendizaje es más rápido y más realista.
Razón 2, hay riqueza sensorial real
Una casa tiene luz cambiante, temperatura cambiante, ruidos, presencia humana intermitente, hábitos que cambian día a día, anomalías frecuentes (alguien que viene, alguien que se va, algo que se rompe). Todo eso es señal real, no simulada.
Para un agente que tiene que aprender a modelar el mundo, esto es perfecto. Lo suficientemente complejo para que el problema sea interesante. Lo suficientemente acotado para que se pueda observar todo lo relevante con un puñado de sensores.
Razón 3, hay verificador humano continuo
El que vive en la casa es el oráculo natural. Si el agente hace algo raro, lo nota inmediatamente y reacciona. Si hace algo bien, también. Ese feedback continuo es exactamente lo que necesita un sistema que está aprendiendo a inferir intenciones, anticipar necesidades y proponer acciones.
En una fábrica, el feedback es más distante. Pasan días antes de que se note un efecto. En una casa, pasan minutos.
Laboratorio
Una vez que Argos demuestre que las cuatro capacidades integradas (observar, modelar, derivar objetivos, planificar con autocorrección) funcionan en un entorno doméstico, el salto a industrial es de orden de magnitud, pero la arquitectura está probada. Y de industrial a vehicular es otro salto, pero igual.
Lo importante no es por dónde empezamos. Es que estamos empezando por donde se aprende más rápido y se rompe menos.
La inteligencia se entrena donde los errores enseñan más. Una casa enseña más que una fábrica si lo que estamos construyendo todavía no sabemos del todo lo que es.