Por Canuto  

Daniel Dines, fundador y CEO de UiPath, presentó Cartographer durante la conferencia FUSION en Las Vegas y sostuvo que la inteligencia artificial necesita un manual detallado para operar con seguridad dentro de las empresas. La herramienta busca convertir procesos, documentos y decisiones humanas en un mapa que permita automatizar sin perder control sobre las excepciones.
***

  • Cartographer: UiPath presentó una herramienta que genera un “Mapa del Trabajo” a partir de procesos, documentos y entrevistas con expertos.
  • Precisión: Daniel Dines cuestionó los límites de los modelos de lenguaje en consecuencia, aprendizaje y exactitud, mientras SMBC advirtió que una precisión del 73% no basta para contabilidad.
  • Empleo: El ejecutivo pidió mantener la contratación de perfiles junior y defendió la mentoría humana en una fuerza laboral transformada por la IA.

Daniel Dines, fundador y CEO de UiPath, afirmó que las empresas necesitan un manual detallado antes de confiar decisiones a sistemas de inteligencia artificial autónomos. Durante su keynote en la conferencia anual FUSION, celebrada en el Wynn de Las Vegas, presentó Cartographer, una herramienta diseñada para construir ese manual mediante un llamado “Mapa del Trabajo”. La propuesta intenta resolver una dificultad central de la automatización empresarial: los procesos reales suelen incluir excepciones, conocimientos tácitos y controles que no aparecen en los documentos oficiales.

La presentación ocurrió el 23 de septiembre de 2026 y marcó, según Dines, diez años desde la primera conferencia de UiPath, realizada en Londres en 2016 con aproximadamente un centenar de asistentes. El ejecutivo recordó que entonces la compañía tenía entre USD $3 millones y USD $4 millones de ingresos recurrentes anuales y unas pocas docenas de clientes. En sus resultados más recientes, UiPath reportó un ingreso recurrente anualizado de USD $1.938 millones al 31 de julio de 2026. En ese contexto, Cartographer representa el intento de UiPath por definir cómo debe escalar la automatización basada en agentes.

El manual que la IA todavía no tiene

Dines explicó que llegó a esa conclusión mientras escribía con inteligencia artificial su libro The Work That Remains. Utilizó Claude y ChatGPT de manera simultánea, con uno como escritor fantasma y socio de debate, y el otro como herramienta de revisión editorial; ambos asistentes recibirán una copia de la obra. La experiencia, dijo, le permitió identificar límites que considera decisivos cuando un modelo de lenguaje pasa de generar texto a intervenir en operaciones empresariales.

El primer límite es la consecuencia, porque un modelo de lenguaje no asume responsabilidad por los efectos de sus acciones y la mayoría de las decisiones corporativas sí los producen. El segundo es el aprendizaje: Dines sostuvo que los modelos no aprenden, sino que tienen memoria, dos capacidades que, en su opinión, no deben confundirse. La memoria puede recuperar información previa, pero no equivale necesariamente a incorporar experiencia de manera confiable dentro de un proceso.

El tercer límite que señaló fue la exactitud. Dines describió a los modelos de lenguaje como sistemas probabilísticos, mientras que una operación como un pago debe ejecutarse correctamente cada vez, sin depender de una posibilidad estadística favorable. También afirmó que no observa en el horizonte una tecnología capaz de corregir por completo esos tres problemas, por lo que una empresa debe proporcionar a la IA un manual completo y específico sobre la forma en que trabaja.

El ejecutivo añadió que ninguna compañía posee actualmente ese manual en una forma suficientemente detallada y actualizada. Las versiones elaboradas por consultores pueden quedar obsoletas en cuestión de semanas, debido a que cambian los procedimientos, aparecen excepciones y las personas encuentran nuevas rutas para resolver casos particulares. Para UiPath, esa brecha entre el proceso documentado y el proceso real explica por qué la autonomía total no debería ser el punto de partida.

Cómo funciona Cartographer

Cartographer procesa diagramas de procesos, mapas obtenidos mediante minería de procesos, documentos internos y procedimientos operativos estándar. La herramienta también puede entrevistar a un experto en la materia, solicitarle una grabación de pantalla y preguntarle por qué tomó un camino distinto al previsto. Con esos insumos genera una primera versión del Mapa del Trabajo, aunque Dines la describió como inevitablemente incompleta.

La incompletitud inicial no se presenta como un defecto aislado, sino como parte de un ciclo de aprendizaje supervisado por personas. Después de que el mapa organiza el proceso, agentes de codificación pueden construir automatizaciones sobre esa base y proponer cómo resolver casos concretos. La compañía busca así que el agente opere dentro de límites visibles, en lugar de improvisar con información dispersa o con instrucciones que no reflejan la práctica cotidiana.

Cuando un agente gestiona un caso, un humano revisa su sugerencia y puede corregirla antes de que la decisión avance. UiPath almacena esas correcciones en un registro denominado Decision Ledger y vuelve a incorporar las nuevas excepciones al mapa del proceso, según explicó Dines. El mecanismo conecta la supervisión humana con la actualización de la documentación, de modo que cada corrección puede modificar la comprensión operativa que utilizarán futuras automatizaciones.

Según el anuncio de UiPath, sus agentes de codificación ya están disponibles de forma general y la plataforma puede trabajar de manera nativa con Claude Code, Cursor, Codex y Antigravity. Cartographer también se encuentra disponible, aunque la empresa no comunicó precios durante el evento. La herramienta se presenta, por tanto, como una capa de conocimiento y control para el desarrollo de automatizaciones, no como una promesa de autonomía ilimitada.

Precisión, controles y fuerza laboral

Kei Yamamoto, de Sumitomo Mitsui Financial Group, describió la experiencia del banco con la automatización y fue uno de los principales argumentos a favor de una implementación gradual. Yamamoto indicó que SMBC ha automatizado más de seis millones de horas desde 2017, lo que permitió liberar a unos 3.000 empleados para desempeñar otros roles. Durante este año, un agente de contabilidad construido con UiPath recibió más de 10.000 solicitudes de reembolso en un solo mes.

Sin embargo, Yamamoto advirtió que la precisión de cada paso no puede evaluarse de forma aislada cuando una operación contiene varias etapas. Si un proceso tiene tres pasos y cada uno alcanza una precisión del 90%, la precisión de extremo a extremo cae aproximadamente al 73%, una tasa que calificó de inaceptable para contabilidad. SMBC combina ahora reglas, datos históricos, inteligencia artificial generativa y puntos de control humanos, con la instrucción de enviar las excepciones a personas.

Yamamoto dijo que el banco planea probar Cartographer como siguiente paso, mientras otros clientes pidieron cautela con la autonomía de los agentes. Nikki Harper, de Mayo Clinic, señaló que los equipos deben comprender primero un proceso completo, y William Abrams, de Medline, consideró impensable operar con una precisión del 73% porque sus clientes hospitalarios esperan un 99%. Abrams también sostuvo que los agentes funcionando en toda la empresa representan, por ahora, más autonomía de la que Medline y sus clientes están dispuestos a aceptar.

El debate también incluyó UiPath Test Cloud y una llamada “fábrica de pruebas oscura”, en la que las pruebas se ejecutan de forma autónoma. Diego Lo Giudice, analista de Forrester, afirmó que la autonomía total no debe convertirse en un objetivo por sí mismo y que ese modelo tiene futuro únicamente si genera confianza. Dines cerró con una advertencia laboral: la IA no aporta iniciativa ni voluntad, las personas fijan sus objetivos y las empresas deberían seguir contratando perfiles junior para que aprendan de colegas sénior mediante la mentoría.

La presentación de UiPath muestra que el desafío de la IA empresarial no consiste solamente en producir agentes más capaces, sino en describir con precisión el entorno donde esos agentes actuarán. Cartographer intenta convertir decisiones, excepciones y conocimientos humanos en una referencia que pueda revisarse y actualizarse, aunque el resultado dependerá de la calidad de los procesos que cada organización documente. Para los clientes de sectores regulados o sensibles, la promesa de automatización seguirá subordinada a una pregunta básica: quién revisa la decisión cuando el sistema se equivoca.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados