Intuit fue uno de los primeros pioneros en el uso de IA agente, pero su camino hacia el éxito no ha sido una línea recta.
En VB Transform 2026, el vicepresidente de IA de Intuit, Nhung Ho, describió cómo la empresa reconstruyó su arquitectura de agentes dos veces en un lapso de aproximadamente cuatro meses, primero pasando de una flota de agentes especializados a una capa de orquestación central y luego abandonando esa capa por un sistema basado en habilidades y herramientas una vez que el propio orquestador comenzó a fallar debido a su propia complejidad. La segunda reconstrucción completa tardó 60 días, y la primera versión funcional tardó menos de 20 días.
El modo de fallo que obligó a la segunda reescritura fue específico. Los agentes del sistema orquestado se pasaban resultados entre sí en lenguaje natural y cada transferencia perdía el contexto que el siguiente agente necesitaba para actuar correctamente.
«Si tienes 10 agentes y todos se pasan entre sí, cada vez que ocurre ese pase, los errores se acumulan», dijo Ho.
Por qué se rompió la capa de orquestación
Ho dijo que el impulso inicial para contratar agentes especializados provino de una simple queja de un cliente. Una flota de agentes competentes sigue siendo algo que el cliente debe gestionar y decidir qué agente utilizar para cada tarea. La respuesta de Intuit fue un sistema que pudiera tomar una tarea y enrutarla internamente, sin necesidad de que el cliente elija un agente.
Esta capa de orquestación se mantuvo durante aproximadamente tres meses, que Ho describió solo medio en broma como aproximadamente un año en la línea de tiempo comprimida de desarrollo del agente de 2026.
Quebró por una razón estructural más que por capacidad. Pasar resultados entre agentes en lenguaje natural significaba que cada agente descendente tenía que inferir cómo el agente ascendente llegaba a su conclusión, y esta inferencia se degradaba con cada salto adicional. Una cadena de diez agentes no fallaba ocasionalmente, sino que agravaba los errores intencionales.
Este diagnóstico es lo que devolvió a Intuit a una arquitectura de habilidades y herramientas.
La reconstrucción de 60 días y lo que se necesitó para conseguir la aceptación de los ingenieros
Reconstruir un sistema de agente de producción en 60 días requirió más que una decisión arquitectónica. Ho dijo que el problema más difícil era interno, convencer tanto a los ejecutivos como a los ingenieros que construyeron los agentes originales de que abandonar el trabajo reciente era la decisión correcta.
La presentación ante el liderazgo se basó en evidencia más que en argumentos. El equipo de Ho creó una demostración de la nueva arquitectura utilizando consultas de clientes reales tomadas de producción y luego mostró cómo superaba al sistema existente en las mismas tareas.
«La mejor evidencia, al menos en mi opinión, es ¿qué están tratando de hacer los clientes? Y cualquier sistema que se construya, tiene que resolver estos problemas», dijo Ho.
La ingeniería ganadora requirió un caso diferente. Cientos de ingenieros fuera del equipo central de Ho habían construido los agentes especialistas retirados y, en cambio, la solicitud era dividir a sus agentes en habilidades y herramientas individuales.
Ho dijo que el argumento motivador fue la escala. Un agente autónomo resolvió un problema específico, mientras que una habilidad o herramienta compartida integrada en la nueva arquitectura podría servir a cada cliente que tocara esa parte del producto. Este cambio también cambió las responsabilidades diarias de los equipos de socios, desde la creación de agentes hasta la ejecución de evaluaciones, ya que las evaluaciones se convirtieron en la única forma de medir si la nueva arquitectura realmente estaba funcionando.
Integrar a un humano en el circuito y retroalimentar a otra escala.
El resultado más claro de la reconstrucción para los clientes es una característica que permite que una conversación con un agente en vivo involucre a un humano; aunque actualmente se encuentra en las primeras pruebas, afecta aproximadamente al 1% de la base de clientes de Intuit. «Vamos a aumentarlo en las próximas semanas», dijo.
Ho dijo que un cliente puede involucrar a una persona de soporte de productos de Intuit en una conversación, o a su propio contador, o a uno de los propios contadores de Intuit, y esa persona se une con el contexto completo de lo que el agente ya ha hecho.
Ho hizo un contraste directo con la forma en que la mayoría de los productos de chat de IA manejan la misma situación. Un asistente general que responde a una pregunta sobre impuestos suele terminar con una advertencia para que consulte a un profesional. El sistema Intuit está diseñado para conectar al cliente directamente con ese profesional, en una misma conversación.
Esta transferencia humana va acompañada de un modelo de permisos diseñado específicamente para datos financieros. Cada acción que un agente realiza con los datos financieros de un cliente requiere primero una autorización explícita, aunque Ho dijo que ese requisito puede disminuir con el tiempo a medida que los clientes desarrollen su confianza en el sistema. Intuit mantiene un registro de auditoría de todo lo que hace un agente, que puede revertirse si es necesario.
Comentarios en la era de la IA agente
La reconstrucción también cambió la forma en que Intuit recopila y utiliza la retroalimentación, un cambio que, según Ho, es cualitativamente diferente de lo que sucedió antes.
«En el pasado, la retroalimentación era muy, muy rara y también muy bimodal», dijo Ho. «O lo amaban o lo odiaban y, por lo general, tiende hacia lo negativo».
En un sistema basado en chat, cada conversación funciona como retroalimentación, lo que, según Ho, ha llevado a la empresa de aproximadamente el 0,3% de los clientes que dan retroalimentación explícita a algo cercano al 100%.
Ho dijo que volvió a escribir código ella misma específicamente para crear modelos que analicen sistemáticamente este volumen de retroalimentación, buscando puntos débiles en el sistema en una escala que ningún proceso de revisión manual podría seguir.
Este volumen viene con un tono que la mayoría de los equipos de producto no están acostumbrados a escuchar directamente. Los clientes le dicen al agente exactamente dónde falló, en términos simples.
«Te dicen rotundamente: ‘Apestas. Odio esto. No está bien'», dijo Ho. «Pero también están dispuestos a darle gracia a los sistemas y arreglarlos, por lo que depende de todos nosotros cosechar esa nueva retroalimentación y ese nuevo tipo de retroalimentación, y realmente mejorar el sistema».
Suscríbete y recibe las historias más importantes del día.
Al suscribirte aceptas nuestros términos y condiciones y política de privacidad.
