¡Hola a todos! Ya que estamos en la sección de cierre, quería compartirles una confusión que me surgió al principio y el hallazgo que me ayudó a aclararlo todo, porque creo que nos puede servir a muchos.
Como recordarán, en nuestra clase de inmersión armamos una automatización de correos en Make. Conectábamos nodos en un flujo, usábamos un router para clasificar si la duda correspondía a la información dada, el sistema respondía automáticamente de forma personalizada y, si no tenía la respuesta, mandaba el correo a la carpeta Help Desk Human avisando que se atendería en 48 horas.
A raíz de esto, me surgió una confusión lógica. Yo tenía el concepto de que la IA tradicional solo clasificaba cosas en "carpetas" de forma rígida, mientras que el Deep Learning era el responsable de analizar el contexto y dar respuestas automáticas y flexibles. Al ver que mi flujo de Make hacía exactamente eso (clasificar y responder de forma inteligente), llegué a pensar que Make era Deep Learning.
El gran aprendizaje ocurrió cuando logré separar las herramientas gracias a esta analogía que me aclaró la mente:
Imagínalo como una fábrica automotriz:
• Make es la cinta transportadora (el flujo de trabajo): Por sí mismo no piensa ni redacta. Su única función es conectar las herramientas, mover los datos de un lugar a otro y seguir las reglas lógicas que le pusimos en el router. Es automatización No-Code pura.
• El nodo de IA es el operario experto (el cerebro): El nodo que conectamos dentro de Make para analizar y redactar el correo sí utiliza Deep Learning e IA Generativa (redes neuronales).
En conclusión, lo que armamos en la inmersión fue un sistema híbrido. Make puso la estructura y el orden del proceso (las vías), pero fue el nodo de IA el que aportó la capacidad cognitiva (el Deep Learning) para superar la rigidez de los sistemas tradicionales.
¡Me pareció un detalle genial para entender dónde termina la automatización y dónde empieza realmente el Deep Learning! ¿A alguien más le pasó esta misma confusión al principio?
