Nota: este artículo apareció por primera vez en el sitio web del ICAEW. Puede ver el artículo original aquí.
Tenga en cuenta que el agente de IA desarrollado en este artículo ha sido creado para demostrar una aplicación práctica y para explorar cómo la IA puede ser utilizada por contadores y auditores. Es una prueba de concepto muy simple que puede producir respuestas inexactas y la herramienta no debe utilizarse para el trabajo con clientes ni para reemplazar la experiencia profesional. Para obtener más información sobre los riesgos y limitaciones de la IA, consulte la guía del ICAEW sobre los riesgos y limitaciones de la IA generativa.
Todavía estamos en los albores de la IA, pero está evolucionando a la velocidad del rayo. Incluso la terminología puede resultar desconcertante. «Agentes de IA», «sistemas agénticos», «copilotos», «asistentes», «trabajo digital»: la industria está inundada de términos para lo que a menudo se reduce a la misma idea central: software que utiliza la IA para tomar decisiones y ejecutarlas.
En mi puesto en Circit, hablo con cientos de firmas de contabilidad, y casi todos los que conozco sienten que se están quedando atrás en lo que respecta a la IA. Las propias empresas tecnológicas están lidiando con lo que la IA significa para el futuro; nadie tiene realmente todas las respuestas. La mejor manera de aprender es lanzarse y probar. Eso es lo que decidí hacer en Navidad, construyendo mi primer agente de IA muy simple.
Desafíos tecnológicos
Me formé en Moore Kingston Smith y me uní a su recién formado equipo de análisis de datos durante mi segundo año. Esto significó menos auditorías y más tutoriales de Python. En un equipo de tres, a menudo me sentía superado – hay una cantidad asombrosa de sintaxis que aprender, además de interminables batallas con la terminal solo para que tu entorno de desarrollo funcione. Pasé mucho más tiempo buscando en Stack Overflow que programando realmente.
Con la llegada de asistentes de codificación impulsados por IA como GitHub Co-pilot, el juego ha cambiado por completo. Esos pequeños matices de sintaxis ya no son obstáculos insuperables. Ahora puedes centrarte en el «qué» y el «porqué» del proyecto en lugar de luchar con el «cómo». Desbloquea un nivel de productividad que antes era difícil de imaginar.
¿Qué son los agentes de IA?
En términos sencillos, un agente de IA es un software que utiliza un modelo de IA para razonar y luego actuar en consecuencia. De ahí proviene el término «agente ReAct» – razonar y actuar.
Es importante señalar que existe un espectro de agentes:
- Agentes de «flujo de trabajo» estructurados tienen una ruta más predefinida, donde los modelos de lenguaje grandes (LLM) se combinan con herramientas o pasos específicos, de modo que la IA tiene algunas pautas a seguir.
- Agentes totalmente autónomos deciden dinámicamente qué hacer a continuación, eligiendo las herramientas o procesos adecuados sobre la marcha sin mucha intervención humana.
El cambio de SaaS a agentes
Para entender cómo esto difiere de un modelo tradicional de Software como Servicio (SaaS), imagine a un gerente entregando una herramienta SaaS a un miembro junior del personal. El junior inicia sesión, navega por el software, realiza el trabajo y devuelve los resultados al gerente. Sigue siendo bastante manual, incluso si el software subyacente es potente.
Un agente de IA, por otro lado, asume gran parte del rol del junior. En lugar de requerir que un usuario haga clic en cada paso, el agente utiliza su propio conocimiento para recuperar datos automáticamente, analizarlos y presentar los hallazgos para la aprobación final. Esto es lo que el CEO de Microsoft, Satya Nadella, quiere decir cuando afirma: “Los agentes de IA transformarán el SaaS tal como lo conocemos.”
En última instancia, todo se reduce a la experiencia del usuario. Al encargarse del trabajo rutinario entre bastidores, los agentes de IA empiezan a sentirse más como miembros del equipo que como una simple pieza de software más.
El agente de transformación de libros mayores de IA
Como auditor junior, pasé horas mapeando datos de clientes, ya fuera un plan de cuentas o encabezados de columna, antes de subir los datos a una herramienta. Así que en eso me centré para mi primer proyecto de agente de IA: la transformación de datos del libro mayor.
El uso de la IA para el mapeo de datos, en lugar de depender de reglas codificadas, ofrece varios beneficios prácticos, incluyendo la adaptación a entradas cambiantes, el mantenimiento reducido, la escalabilidad y, lo más importante, una mejor experiencia de usuario.
La IA proporciona sugerencias, permitiendo al usuario confirmar o corregir el mapeo – algo conocido como «human in the loop» (humano en el bucle). Este flujo de trabajo interactivo hace que la experiencia del usuario sea más natural y podría ayudar al modelo a mejorar con el tiempo:
- Subir CSV/Excel El usuario selecciona un archivo con datos brutos del libro mayor.
- Procesamiento de IA El agente de IA analiza cómo cada columna se alinea con el esquema objetivo.
- Comentarios del usuario El usuario aprueba o ajusta estas sugerencias.
- Transformación: La herramienta aplica conversiones de datos y genera un archivo listo para usar.
Cómo creé mi agente de IA
- Elegir LangChain como marco principal
Hay demasiadas herramientas y marcos para contar, pero decidí usar LangChain. Es conocido por ayudar a los desarrolladores a construir rápidamente agentes de IA, y cuenta con un sólido ecosistema de integraciones, tutoriales y demostraciones que facilitan mucho el inicio.
- Lluvia de ideas con ChatGPT
Antes de escribir cualquier código, pasé algunas sesiones haciendo una lluvia de ideas con ChatGPT. Le pedí instrucciones sobre cómo transformar un libro mayor aleatorio en un formato estandarizado. Dividió el proceso en pasos manejables: ingesta de datos, mapeo de esquemas, limpieza de datos, transformación de campos, validación, etc.
3. Recopilación de instrucciones técnicas
Una vez que tuve el esquema general, le pedí a ChatGPT una guía técnica más detallada: cómo configurar mi entorno de desarrollo, qué dependencias instalar y cómo estructurar mi proyecto. Esto actuó como un tutorial personalizado mucho más interactivo que una publicación de blog o un video estándar.
- Selección de la pila tecnológica y la interfaz de usuario
Quería algo rápido y fácil para mostrar mis resultados. ChatGPT sugirió Streamlit, una herramienta popular para construir interfaces de usuario (UI) simples e interactivas en Python. ChatGPT describió exactamente cómo integrar Streamlit con mi lógica de IA de back-end, desde la instalación del paquete hasta la creación de un widget básico de carga de archivos para que los usuarios pudieran arrastrar su CSV del libro mayor.
- Pasando a VS Code y GitHub Copilot
Una vez que tuve los cimientos del proyecto, pasé de copiar y pegar fragmentos de ChatGPT a programar directamente en VS Code con GitHub Copilot. Esto fue un cambio radical.
Ni una sola vez tuve que escribir una sola línea de código, ni siquiera copiarlas y pegarlas. Cada vez que necesitaba una actualización, como cambiar la forma en que se analizaban los campos decimales, simplemente añadía un comentario y Copilot proponía la solución. Sin embargo, ayuda tener una comprensión del código que se está utilizando, o verificar el código con alguien que la tenga, para asegurarse de que funciona como se espera
El resultado
Puedes probar la aplicación aquí. Por favor, no utilice datos reales de clientes al probarla; puede pedirle a ChatGPT que cree un conjunto de datos de demostración.
Los usuarios pueden subir su archivo de libro mayor en bruto, ver los mapeos sugeridos por la IA, ajustarlos a través de menús desplegables y luego hacer clic en «Transformar». Al instante, obtienen una vista previa de los datos finales y pueden descargar un CSV.
Acepte la curva de aprendizaje
Las herramientas de IA son cada vez más fáciles de construir. El verdadero desafío es saber qué crear. Este es su momento de brillar aprovechando su experiencia contable.
Los LLM son increíblemente inteligentes y solo mejoran. Pero necesitan acceso a los datos para trabajar. Conectar sistemas y acceder a los datos correctos sigue siendo un gran desafío.
Acepte la curva de aprendizaje, es divertido. Experimentar con la IA le permite ser creativo y combinar sus conocimientos contables con la tecnología emergente de una manera que se siente fresca y gratificante.
• Para obtener más información sobre cómo empezar, consulte los recursos del ICAEW sobre IA generativa y la ingeniería de prompts, y no dude en ponerse en contacto conmigo (dudley@circit.io) si tiene preguntas sobre este proyecto o desea acceder al repositorio de GitHub.
