Ex-CTO de una Startup de Google Comparte Cómo Usa la IA para Construir Su Empresa Desde Cero
Descubre cómo un ex-CTO de Google utiliza agentes de IA para crear software más rápido, automatizar flujos de trabajo financieros y rediseñar el desarrollo en torno a la supervisión humana y la ejecución de la IA.
Valliappa Lakshmanan
Cofundador y CTO de Obin
Pericia: Valliappa Lakshmanan comparte perspectivas sobre cómo construir una empresa nativa de IA enfocada en 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 IA: La experiencia profunda en IA es crucial; el conocimiento del dominio mejora el rendimiento de la IA y reduce los errores.
Procesos de Revisión: El aumento del contenido generado por IA requiere nuevos métodos de revisión para garantizar la corrección y gestionar el despliegue.
Sobrecarga Cognitiva: El ritmo acelerado de las herramientas de IA puede abrumar a los equipos, lo que genera la necesidad de asignar 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 tiene 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 de Obin. Creamos agentes autónomos de IA que ejecutan flujos de trabajo financieros de principio a fin.
Want more from The CTO Club?
Create a free account to finish this piece and join a community of CTOs and engineering leaders sharing real-world frameworks, tools, and insights for designing, deploying, and scaling AI-driven technology.
Have an account? Log In
Comencé mi carrera como investigador en aprendizaje automático, enfocándome en la predicción de fenómenos meteorológicos severos. Fuimos una de las primeras industrias en desarrollar modelos de ML en tiempo real y en desplegarlos en producción. Luego, la ola de tecnología de deep learning de 2014 me llevó al sector privado.
Lideré el equipo de soluciones de Analítica e IA en Google Cloud, trabajando con muchos clientes implementando IA en producción. Después, me trasladé 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, aporto una profunda experiencia tanto en la implementación de IA en producción como en reimaginar cómo las empresas se adaptan y aprovechan las posibilidades de la nueva tecnología.
Trabajar bajo un listón muy alto
Obin tiene menos de un año, pero contamos con un equipo que crece rápidamente. El reto de ingeniería al crear agentes autónomos de IA en finanzas es invertir el modelo: pasar de construir chatbots y copilotos —donde los humanos controlan cada paso del ciclo— a un modo en el que la IA ejecuta el flujo de trabajo de principio a fin, y los humanos solo revisan y supervisan.
Esto se asemeja mucho a cómo desarrollamos software también — los agentes de IA escriben la mayor parte del código bajo la estricta supervisión de nuestros ingenieros.
Trabajamos con algunas de las empresas más grandes del sector financiero en sus funciones más críticas, por lo que el listón para la finalización de tareas y la precisión es muy alto.
Como resultado, trabajamos con Robin —nuestro entorno de gestión de agentes que simplifica la creación de agentes para industrias reguladas y garantiza que cumplan con todos los controles necesarios de cumplimiento y auditabilidad.
Por qué las empresas nativas de IA tienen la ventaja
Dado que la empresa es relativamente nueva, hemos tenido la fortuna de construir de forma agentiva. Somos completamente nativos de IA en todas nuestras funciones.
Sobre todo, utilizamos la IA de forma extensiva 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 confiable. Además, tenemos un bot de revisión Claude en nuestro CI/CD que revisa todos los commits y PRs. Las "victorias rápidas" y los problemas que nuestro bot resalta han reducido la carga de los revisores de código, permitiéndonos avanzar más rápido.
Otra ventaja es que ya no necesitamos historias de usuario o PRDs para desarrollar software. Ahora, simplemente prototipamos e iteramos.
La IA también genera la documentación de diseño a partir del código, y también usamos IA 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 de lo que le tomaría a una persona hacerlo manualmente.
Y como ejemplo final, también creamos presentaciones para inversores y ventas utilizando IA.
Por qué gestionar trabajadores de IA tiene sus retos
Cada uno de nuestros ingenieros es, en efecto, un gerente de ingeniería supervisando una cohorte de trabajadores de IA. Gracias a este enfoque, reducimos el tiempo de implementación de funcionalidades y la calidad del código en realidad mejoró gracias a un mejor manejo de errores.
Sin embargo, la velocidad de despliegue presentó un reto. Ahora tenemos que gestionar cuidadosamente los entornos de desarrollo para permitir las 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 amplíen su capacidad de revisión. Puedes y debes crear comprobaciones de corrección para cada artefacto.
He aquí un ejemplo: puedes comparar la información de un aviso de remesa con avisos de remesa anteriores para el mismo acuerdo, prestatario, etc.
¡Es mejor adelantar las comprobaciones de corrección que descubrir un problema con el artefacto generado por IA en tiempo de ejecución!
Y luego, por supuesto, utiliza controles de revisión humana.
Puedes y debes crear comprobaciones de corrección para cada artefacto… Es mejor adelantar las comprobaciones de corrección que descubrir un problema con 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 clara división entre lo que gestiona la IA y lo que gestionan los humanos.
Actualmente, todos los commits y PRs reciben una revisión preliminar por IA. Sin embargo, los humanos realizan las fusiones finales de PRs. Un ingeniero sénior sigue revisando todos los PRs en cuanto a la arquitectura.
El límite es cualquier cosa que involucre contexto más allá del código fuente. Esto significa que los humanos deben hacerse cargo de todo lo relacionado con las partes interesadas y la complejidad regulatoria, por ejemplo.
Por qué la experiencia de dominio importa en la integración de IA
La IA funciona mejor en áreas donde posees experiencia profunda. Es importante saber cómo es un resultado "bueno", para poder iterar con el modelo hasta que tenga un buen rendimiento.
En áreas donde no tenemos la experiencia, las salidas de la IA tienden a ser superficiales.
Un ejemplo: De entrada, la IA no funcionó bien para generar nuestros resúmenes de negocios. No pudo manejar información conflictiva 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 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
Cuando se trata de automatización, no automatices tus procesos actuales. En su lugar, utiliza la IA para eliminar los pasos intermedios y llegar directamente al resultado final.
Por ejemplo, piensa en los pasos que tomas para crear una diapositiva de PowerPoint. Es tentador pedir a la IA que siga esos mismos pasos, pero una diapositiva, en última instancia, es XML + imágenes. La IA puede generarla sin realizar tus pasos. Esta idea también aplica para los procesos empresariales: puedes crear una factura sin utilizar el sistema actual de generación de facturas. Simplemente accede a las APIs internas para obtener los precios y cantidades correctos.
Por qué la IA puede generar sobrecarga cognitiva
Este es uno de los mayores inconvenientes que he visto para los líderes tecnológicos: La rapidez con la que operan las herramientas de IA crea una sobrecarga cognitiva significativa.
Para reducir dicha sobrecarga, establecimos un tiempo de "pensamiento profundo" de dos horas todas las tardes. En cuanto a si ayudará, aún no tenemos respuesta definitiva.
Sigue el hilo
Puedes seguir a Valliappa Lakshmanan en LinkedIn, o visitar Obin.
¡Próximamente más entrevistas con expertos en The CTO Club!
