Usando Globant Enterprise AI para desarrollo de aplicaciones

Preparándonos para lo que viene con GeneXus Next, estuve probando Globant Enterprise AI (GEAI) para incorporar Agentes y Asistentes a aplicaciones ya existentes construidas con GeneXus 18.

Resumen rápido: suma un nivel de potencia que puede elevar mucho la productividad en varios frentes. Por otro lado, se notan asperezas de una implementación que todavía evoluciona, lo que hace que la experiencia no sea tan fluida como podría ser.

Inconvenientes

Problemas de conexión / reconexión / desconexión

Dentro de GEAI hay varios componentes con Single Sign-On (SSO). En teoría, al iniciar sesión en uno quedo autenticado en todos; en la práctica, al alternar entre módulos a distintas horas aparecen errores 403 – Forbidden y hay que hacer “magia” para seguir trabajando. Además, no encontré forma de extender la duración de la sesión y cada ~20 minutos debo volver a loguearme. Huele a bugs propios de un producto todavía en transición.

Asistentes vs. Agentes

La terminología y el modelo mental no son del todo claros. En principio, un Asistente ejecuta una tarea específica apoyada en IA, mientras que un Agente puede orquestar varias herramientas (entre ellas, asistentes), mantener contexto y devolver resultados compuestos. Los Asistentes se gestionan en una sección y los Agentes en otra. Puedo crear un agente “estilo asistente”, pero —por ahora— no pude hacer agentes que ejecuten búsquedas RAG de forma nativa.

Flujos y “Procesos Agénticos”

Además existen Flujos y Procesos Agénticos. Da la sensación de que el diseño original está migrando hacia un nuevo modelo y estamos en plena adaptación. Falta una vista unificada que reduzca la confusión.

Salidas estructuradas de Asistentes

No hay ejemplos realmente claros de cómo lograr salidas estrictamente estructuradas (JSON, esquemas, etc.) en Asistentes. Curiosamente, esto es más sencillo cuando se trabaja desde Agentes.

Asistentes RAG vs. “otros” Asistentes

Los Asistentes aparecen en listas separadas y no termina de quedar claro el porqué. Intuyo que algunos requieren carga de documentos y otros no; aun así, preferiría ver todo en una única lista con filtros.

Documentación no integrada

La documentación de uso de asistentes es buena y el bot asociado responde con eficacia. Me gustaría que la guía para crear e invocar un asistente o agente estuviera integrada en el producto (aunque sea como ítem en el menú lateral). https://docs.globant.ai/en/chat

Información para desarrolladores

GEAI apunta a un público diverso, pero muchos usuarios seremos desarrolladores. Se agradecería una ruta clara para invocar agente/asistente/flow/proceso desde una aplicación (GX o no GX). Un patrón ideal sería: probar en la UI y obtener automáticamente el curl equivalente para la misma invocación (copiar/pegar y listo), evitando bucear en docs para cada detalle.

Errores encontrados

• RAGAssistant: intenté crear un asistente para procesar una tabla simple y arrojó: 

Error processing file: can only concatenate str (not 'int') to str. 

No encontré forma de salir de ese estado.

• DataAnalyst Assistant: al indexar un CSV llegó al 50% y falló sin indicar motivo. No vi logs ni requests con error para diagnosticar.

Ventajas

Potencia

No es mérito exclusivo de GEAI sino de los LLMs. Tenía que hacer un programa que leyera un documento, lo escaneara, hiciera OCR, extrajera datos estructurados, tradujera al español, procesara el texto y devolviera resultados estructurados a una app. Hace años resolvimos algo así integrando varios componentes distintos; hoy se cubre con un solo asistente. En casos así, el ahorro en meses de desarrollo e instalación (escaneo, OCR, traducción, etc.) es muy significativo.

Facilidad de integración

Es relativamente sencillo integrar con aplicaciones GeneXus y no GeneXus. Todo se puede invocar por API y queda centralizado y auditado.

Mayor nivel de abstracción

Podemos empezar a pensar soluciones a un nivel más alto, sin preocuparnos tanto por varios detalles de implementación (al menos, no de entrada). El enfoque de agentes y asistentes encaja bien con el espíritu de GeneXus Next, que promueve diseñar y automatizar más tareas con IA.

Independencia del LLM

Quizás la ventaja más importante: aún estamos en fase temprana y no está claro quiénes serán los ganadores. Es clave poder reutilizar conocimiento, moverlo de proveedor y no quedar atado a un único modelo. La sensación es similar a la burbuja .com: prevalecerán quienes agreguen valor real; por eso, abstraerse del LLM específico es estratégico.

Conclusión

Aún es pronto para dictar sentencia sobre el papel que jugarán GeneXus y GEAI en los próximos años; falta ver cómo se materializan en soluciones reales. Lo que sí está claro es que GeneXus parte con una ventaja estructural: un modelado sólido y una “fábrica” de backoffice madura. 

El desafío ahora es completar el rompecabezas: front-end moderno y para usuarios finales; analítica a gran escala; documentación viva; testing automatizado; gestión de requerimientos y operaciones; buen soporte para bases no relacionales; y nuevos patrones de UI (con audio, video, imagenes, etc).

Si GEAI consigue integrarse bien en estas capas —con agentes, RAG y abstracciones reutilizables— podremos construir aplicaciones más completas, mantenibles y portables entre modelos, con un salto real de productividad. Hasta entonces, prudencia y experimentación: medir dónde aporta valor, documentar aprendizajes , para poder reutilizarlo.