Ingeniero de Shopify detalla cómo los agentes microservicio de IA acortaron tareas de horas a minutos

En QCon IA, Paulo Arruda, staff engineer de Shopify, describió cómo la compañía pasó de integraciones básicas con GPT-3 y prompts "todo en uno" a una arquitectura de agentes como microservicios que aceleró tareas y facilitó la escala interna de IA.

Paulo Arruda, staff engineer de Shopify, explicó en QCon IA que el equipo migró de prompts "todo en uno" a una orquestación de agentes concebidos como microservicios, un cambio que según su relato redujo tiempos de ejecución de tareas de horas a minutos. Esa transición importa porque, en su visión, permite desplegar capacidades de IA de forma más práctica dentro de equipos de ingeniería sin consolidar la lógica en un único monolito difícil de operar.

Arruda detalló que cada agente actúa como un microservicio estrechamente enfocado en una tarea concreta, lo que facilita aislar responsabilidades y optimizar ejecución. Narró decisiones, pruebas y aprendizajes técnicos internos que raramente aparecen en documentación pública, y citó proyectos propios como Claude Swarm (con más de 1.4k estrellas en GitHub) y su sucesor SwarmSDK como ejemplos de esa evolución. También propuso el uso de adaptadores basados en el sistema de archivos como medida para mitigar la inflación de contexto en orquestaciones de IA.

El cambio coincidió con la disponibilidad de modelos posteriores a GPT-3.5 y con contratos con múltiples proveedores, además de la proliferación de interfaces y asistentes — por ejemplo LibreChat y extensiones en editores como VSCode Copilot— y herramientas como Cursor. Arruda señaló que, pese a la disponibilidad de estas opciones en 2024, la adopción entre ingenieros fue desigual por experiencias iniciales insatisfactorias y cierto escepticismo sobre su utilidad práctica.

Para Arruda, el enfoque de agentes especializados prioriza la augmentación del trabajo humano frente a la sustitución y ofrece una vía concreta para escalar IA dentro de equipos. La propuesta de adaptadores de sistema de archivos permanece como una idea por explorar, pero apunta a una solución práctica para el crecimiento del contexto en orquestaciones y a rutas operativas más rápidas y manejables.