Todos queremos usar IA, ¿no? Pero, ¿en qué casos realmente aporta valor? ¿Acaso sólo sirve para crear chatbots? En esta charla analizaremos situaciones donde el código determinista cumple perfectamente su función y aquellas en las que alcanza su límite o su costo supera el beneficio. Mostraremos cómo, en estos escenarios, la IA generativa puede integrarse con lo que ya funciona, simplificando el producto y mejorando la calidad de lo existente. Además, exploraremos cómo algunos patrones actuales de UX pierden relevancia y nos obligan a replantear nuevas formas de interacción en nuestras aplicaciones.

Presentaremos tres casos de uso que cualquier aplicación moderna podrá adoptar en 2025:
- Buscadores con filtros y búsqueda semántica: veremos cuándo es preferible usar filtros deterministas y cuándo conviene migrar a prompts y RAG para ofrecer resultados más contextuales.
- Carga de datos en formularios (o procesamiento masivo de datos): mostraremos cómo la IA puede autocompletar o validar grandes volúmenes de datos, mejorando la experiencia del usuario y tomando ventaja de las reglas de validación existentes.
- Generador de tareas predefinidas a partir de lenguaje natural: descubriremos cómo, mediante la interpretación de instrucciones en lenguaje natural, la IA puede generar instrucciones de flujos de trabajo que luego se ejecutarán con lógica determinista en el backend.

En esta charla comenzaremos revisando los escenarios donde la programación determinista funciona de manera óptima: casos simples de filtrado, cálculos precisos y validaciones claras. A continuación, identificaremos sus limitaciones: tareas que requieren interpretación semántica o donde el costo de mantener lógica rígida se vuelve elevado.

A partir de allí, demostraremos cómo la IA generativa sobresale en esas áreas complementarias. Presentaremos tres casos de uso listos para implementarse en 2025:
- Buscadores con filtros y búsqueda semántica: Explicaremos el flujo tradicional de filtros (checkboxes, rangos, desplegables) y por qué, en algunos contextos, se vuelve insuficiente. Mostraremos cómo diseñar un prompt para la búsqueda semántica y cómo escalarlo a un flujo RAG, combinándolo con un índice vectorial (por ejemplo, FAISS o Pinecone).
- Carga de datos en formularios (o procesamiento batch): Ilustraremos cómo, al ingresar datos manualmente o en lote (por ejemplo, mediante CSV), la validación determinista puede ser tediosa y proclive a errores. Propondremos ideas para simplificar y acelerar esa carga, dejando que el humano sirva para validar y no como “data entry”. Y mostraremos como la IA se alimenta de las validaciones determinísticas de código, que tienenq ue seguir existiendo.
- Generador de tareas predefinidas en base a instrucciones de lenguaje natural Presentaremos un ejemplo en el cual se pueden generar instrucciones complejas y encadenadas en base al lenguaje natural, que se traducirán en una serie de tareas que luego se ejecutarán de manera determinística. Ejemplos: en base a un web-scraping con AI, creación de un script determinístico para la reserva de pasajes (con auto-healing). O bien la generación de notificaciones customizadas en base a las preferencias de usuario (¿con código determinístico o con AI?)

Presentaremos fragmentos de código en formato OpenAI (https://platform.openai.com/docs/libraries) y ejemplos con Google Gemini para los casos complejos y de data masiva. Al final de cada sección, discutiremos criterios de decisión: cuándo es recomendable quedarnos. Compararemos métricas de rendimiento, usabilidad, costo de mantenimiento y consideraciones de seguridad y consistencia de datos.