Exdirectivo de Google y CTO de startup comparte cómo utiliza la IA para construir su empresa desde cero
Descubre cómo un ex CTO de Google emplea agentes de IA para desarrollar software más rápido, automatizar flujos de trabajo financieros y rediseñar el desarrollo en torno a la supervisión humana y la ejecución por IA.
Valliappa Lakshmanan
Cofundador y CTO de Obin
Experiencia: Valliappa Lakshmanan comparte perspectivas sobre la creación de una empresa nativa de IA centrada en los flujos de trabajo financieros.
Agentes autónomos: Obin se especializa en desarrollar agentes de IA que gestionan tareas financieras de forma independiente, minimizando la intervención humana.
Integración de la IA: La experiencia profunda en IA es crucial; el conocimiento del dominio mejora el rendimiento de la IA y reduce errores.
Procesos de revisión: El aumento del contenido generado por IA requiere nuevos métodos de revisión para asegurar la corrección y gestionar el despliegue.
Sobrecarga cognitiva: El ritmo acelerado de las herramientas de IA puede abrumar a los equipos, por lo que se necesita tiempo estructurado para el 'pensamiento profundo'.
Valliappa Lakshmanan es el cofundador y CTO de Obin, una empresa nativa de IA que desarrolla agentes autónomos para flujos de trabajo financieros. Anteriormente, fue Director de Soluciones de Analítica e IA en Google Cloud. Y cuenta con una amplia experiencia en integración de IA.
Nos sentamos con Lak para entender cómo está construyendo una empresa nativa de IA. Esto es lo que nos contó.
Una profunda experiencia en integración de IA
Soy Lak, cofundador y CTO en Obin. Construimos agentes autónomos de IA que ejecutan flujos de trabajo financieros de principio a fin.
¿Quieres más de The CTO Club?
Crea una cuenta gratuita para terminar de leer este contenido y unirte a una comunidad de CTOs y líderes de ingeniería que comparten marcos, herramientas y conocimientos reales para diseñar, desplegar y escalar tecnología impulsada por IA.
Have an account? Log In
Comencé mi carrera como investigador en aprendizaje automático, centrándome en la predicción de fenómenos meteorológicos severos. Fuimos una de las primeras industrias en construir modelos de ML en tiempo real y desplegarlos en producción. Luego, la ola de tecnología de deep learning de 2014 me llevó al sector privado.
Dirigí el equipo de Soluciones de Analítica e IA en Google Cloud, colaborando con muchos clientes implementando IA en producción. Después pasé a Silver Lake, una firma de capital privado, donde ayudé a crear y ejecutar la estrategia de IA para las empresas de su portafolio.
Así que ofrezco una profunda experiencia tanto en implementación de IA en producción como en reimaginar cómo las empresas se adaptan y aprovechan las posibilidades de la nueva tecnología.
Trabajando bajo un estándar muy alto
Obin tiene menos de un año, pero nuestro equipo está creciendo rápidamente. El desafío de ingeniería al crear agentes autónomos de IA para finanzas es cambiar el modelo de construir chatbots y copilotos —donde las personas controlan cada paso del ciclo— a un modelo donde la IA lleva a cabo el flujo de trabajo de principio a fin, y las personas supervisan y revisan.
Esto está muy alineado también con nuestra forma de crear software — los agentes de IA escriben la mayor parte del código bajo la estrecha supervisión de nuestros ingenieros.
Trabajamos con algunas de las empresas financieras más grandes en sus funciones más críticas, por lo que el nivel de exigencia para completar las tareas y la precisión es muy alto.
Como resultado, trabajamos con Robin —nuestro marco para agentes que simplifica la creación de agentes en industrias reguladas y garantiza que cumplan con todas las verificaciones necesarias de cumplimiento y auditabilidad.
Por qué las empresas nativas de IA tienen la ventaja
Como la empresa es relativamente nueva, hemos tenido la fortuna de construir de forma agentica. Somos completamente nativos de IA en todas nuestras funciones.
Sobre todo, utilizamos ampliamente la IA en el desarrollo de software. Claude Code genera casi todo nuestro código inicial. Mientras podamos verificar el funcionamiento del código y el código sea lo suficientemente pequeño, es muy fiable. Y tenemos un bot de revisión Claude en nuestro CI/CD para revisar cada commit y PR. Las "ganancias rápidas" y los problemas que nuestro bot destaca han reducido la carga de los revisores de código, permitiéndonos avanzar más rápido.
Otra ventaja es que ya no necesitamos historias de usuario ni PRDs para desarrollar software. Ahora, simplemente prototipamos e iteramos.
La IA también genera la documentación de diseño a partir del código, y la usamos también para reformatear esa documentación para diferentes públicos (seguridad, arquitectos de datos, ingenieros de IA, etc.). Podemos recopilar, resaltar y reformatear la documentación mucho más rápido que si lo hiciera una persona manualmente.
Y como ejemplo final, también creamos presentaciones para inversores y ventas utilizando IA.
Por qué gestionar trabajadores de IA presenta desafíos
Cada uno de nuestros ingenieros es en la práctica un manager de ingeniería que supervisa un cohorte de trabajadores de IA. Gracias a este enfoque, hemos reducido el tiempo de implementación de funcionalidades, y la calidad del código en realidad mejoró debido a una mejor gestión de errores.
Sin embargo, la velocidad de despliegue supuso un reto. Ahora debemos gestionar cuidadosamente los entornos de desarrollo para habilitar pruebas de funcionalidades.
Por qué los artefactos de IA requieren nuevos procesos de revisión
Con el aumento de artefactos creados por IA —código, archivos de configuración, documentos, pipelines, etc.—, es importante que los líderes tecnológicos aumenten su capacidad de revisión. Puedes y debes crear comprobaciones de corrección para cada artefacto.
Aquí tienes un ejemplo: puedes comparar la información de un aviso de remesa con avisos de remesa previos para el mismo trato, prestatario, etc.
¡Es mejor anticipar las comprobaciones de corrección que descubrir un problema en el artefacto generado por IA en tiempo de ejecución!
Y luego, por supuesto, utiliza filtros de revisión humana.
Puedes y debes crear comprobaciones de corrección para cada artefacto… ¡Es mejor anticipar las comprobaciones de corrección que descubrir un problema en el artefacto generado por IA en tiempo de ejecución!
Dónde los humanos aún deben estar presentes en el desarrollo de software con IA
En lo que respecta al código, hay una división clara entre lo que maneja la IA y lo que manejan los humanos.
Actualmente, todos los commits y PRs reciben una revisión preliminar por IA. Sin embargo, los humanos realizan las fusiones finales de PR. Un ingeniero senior sigue revisando todos los PR para asegurar la arquitectura.
El límite está en cualquier cosa que implique contexto más allá del código fuente. Esto significa que los humanos deben encargarse de cualquier aspecto relacionado con los interesados y la complejidad regulatoria, por ejemplo.
Por qué la experiencia en el dominio es importante para la integración de IA
La IA funciona mejor en áreas donde tienes experiencia profunda. Es importante saber cómo es un resultado “bueno”, para poder iterar con el modelo hasta que funcione bien.
En las áreas donde no tenemos experiencia, las salidas de la IA han tendido a ser superficiales.
Aquí tienes un ejemplo. De entrada, la IA no funcionó bien para generar nuestros resúmenes de tratos. No podía manejar información contradictoria en los documentos fuente y, a menudo, se centraba en las afirmaciones más extremas en lugar de las más importantes. Para información no fundamentada, la IA no ha visto suficiente información de mercados privados como para captar matices. Y como no éramos expertos en el tema, nos resultó difícil ponerla al día.
Por qué los líderes tecnológicos deben ser cautelosos al automatizar procesos existentes
En cuanto a la automatización, no automatices tus procesos actuales. En cambio, usa la IA para eliminar pasos intermedios y llegar directamente al resultado final.
Por ejemplo, considera los pasos que sigues para crear una diapositiva de PowerPoint. Es tentador hacer que la IA siga exactamente esos pasos, pero una diapositiva es en última instancia XML + imágenes. La IA puede generarla sin seguir tus pasos. Esta idea también se aplica a los procesos de negocio: puedes crear una factura sin usar el sistema actual de facturación. Solo llama a las APIs backend relevantes para obtener los precios y cantidades correctos.
Por qué la IA puede crear sobrecarga cognitiva
Aquí tienes una de las mayores desventajas que he visto para los líderes tecnológicos: la velocidad a la que operan las herramientas de IA genera una sobrecarga cognitiva significativa.
Para reducir esa sobrecarga, implementamos un tiempo de "pensamiento profundo" de dos horas cada tarde. En cuanto a si esto servirá, aún está por verse.
Sigue el hilo
Puedes seguir a Valliappa Lakshmanan en LinkedIn, o visitar Obin.
¡Pronto tendremos más entrevistas con expertos en The CTO Club!
