¡Para generar un impacto escalable en IA hay que usar los Agentes de IA!

Por: Laszlo Beke – BekeSantos

La primera ola de Inteligencia Artificial Generativa no ha sido desaprovechada en muchas de las empresas. Ha enriquecido las capacidades de los empleados, ha permitido una amplia experimentación, ha iniciado y acelerado la familiarización con la IA en todas las funciones y ha ayudado a las organizaciones a desarrollar capacidades esenciales en ingeniería de prompts, en evaluación de modelos y en gobernanza de IA. La paradoja actual de la IA Generativa es que casi ocho de cada diez empresas reportan utilizar IA genérica, sin embargo, otras tantas no reportan un impacto significativo en los resultados de las empresas. Hay un desequilibrio entre los asistentes de IA y chatbots «horizontales» (que abarcan toda la empresa) y los casos “verticales”- Los horizontales ofrecen ganancias difusas y difíciles de medir, y los casos de uso «verticales» (específicos de cada función), más transformadores, de los cuales aproximadamente el 90% permanecen estancados en modo piloto. ¡Para generar un impacto escalable en IA es necesario aprovechar los agentes de IA!

Existen múltiples razones, por las cuales son atractivos los Agentes de IA:

• Los agentes de IA ofrecen una manera de superar la paradoja de la IA genérica – automatizando procesos empresariales complejos convirtiendo la IA genérica en un colaborador virtual proactivo y orientado a objetivos.
• Los agentes potencian más que la eficiencia – potencian la agilidad operativa y crean nuevas oportunidades de ingresos.
• La integración de agentes en los flujos de trabajo existentes – permiten reinventar flujos de trabajo existentes desde cero, con los agentes como eje central.
• Los agentes requieren crear un nuevo paradigma de arquitectura de IA, la malla de IA de agentes – para gobernar el panorama organizacional de IA en rápida evolución y permitir que los equipos combinen agentes personalizados y listos para usar.  
• El mayor desafío será humano: ganarse la confianza, impulsar la adopción y establecer la gobernanza adecuada para gestionar la autonomía de los agentes y evitar la expansión descontrolada.

Para escalar el impacto en la era de los agentes de IA, las organizaciones deben pasar de iniciativas dispersas a programas estratégicos; de casos de uso a procesos de negocio; de equipos de IA aislados a escuadrones de transformación multifuncionales; y de la experimentación a la entrega industrializada y escalable. Asimismo, las organizaciones necesitarán sentar las bases para operar eficazmente en la era de los agentes de IA. Para ello necesitarán mejorar las habilidades de su fuerza laboral, adaptar la infraestructura tecnológica, acelerar la producción de datos e implementar mecanismos de gobernanza específicos para cada agente.

Cómo los agentes pueden escalar la IA

Los agentes de IA amplían el potencial de las soluciones horizontales, transformando a los copilotos de propósito general de herramientas pasivas en compañeros de equipo proactivos que no solo responden a indicaciones, sino que también supervisan paneles de control, activan flujos de trabajo, dan seguimiento a acciones abiertas y ofrecen información relevante en tiempo real. Los agentes ofrecen más que eficiencia: potencian la agilidad operativa y abren nuevas oportunidades de ingresos. En el ámbito operativo, los agentes se encargan de tareas rutinarias con gran volumen de datos para que los humanos puedan centrarse en tareas de mayor valor. Pero van más allá, transformando los procesos de varias maneras y así los agentes de IA:

• Aceleran la ejecución – eliminando retrasos entre tareas y habilitando el procesamiento en paralelo.
• Aportan adaptabilidad – al ingerir datos continuamente, pueden ajustar los flujos de proceso sobre la marcha, reorganizando secuencias de tareas, reasignando prioridades o identificando anomalías antes de que se conviertan en fallos.
• Facilitan la personalización – pueden adaptar el proceso dinámicamente para maximizar la satisfacción y los resultados.
• Aportan elasticidad a las operaciones – su capacidad de ejecución les permite expandirse o contraerse en tiempo real en función de la carga de trabajo, la estacionalidad del negocio o los aumentos repentinos.
• Hacen las operaciones sean resilientes – mantienen los procesos en marcha al monitorear interrupciones, redirigir operaciones y escalar solo cuando es necesario,

En un entorno complejo de cadena de suministro, por ejemplo, un agente de IA podría actuar como una capa de orquestación autónoma en las operaciones de abastecimiento, almacenamiento y distribución. Conectado a sistemas internos (como el sistema de planificación de la cadena de suministro o el sistema de gestión de almacenes) y fuentes de datos externas (como pronósticos meteorológicos, información de proveedores y señales de demanda), el agente podría pronosticar la demanda continuamente. Posteriormente, podría identificar riesgos, como retrasos o interrupciones, y replanificar dinámicamente los flujos de transporte e inventario. Al seleccionar el modo de transporte óptimo en función del costo, el plazo de entrega y el impacto ambiental, el agente podría reasignar el inventario entre almacenes, negociar directamente con sistemas externos y escalar decisiones que requieren información estratégica. El resultado: mejores niveles de servicio, menores costos logísticos y menores emisiones.

Limitaciones del impacto actual de la IA

Incluso antes de la llegada de la IA Generativa, la inteligencia artificial ya se había forjado un lugar clave en la empresa, impulsando capacidades avanzadas de predicción, clasificación y optimización. La IA Generativa ha ampliado el alcance de la IA tradicional en tres áreas innovadoras: síntesis de información, generación de contenido y comunicación en lenguaje humano. Esta democratización ha propiciado un crecimiento generalizado del conocimiento y la experimentación con la IA.

Más del 80 % de las empresas aún no reportan ninguna contribución significativa a las ganancias derivada de sus iniciativas de IA genérica. Es más, solo el 1 % de las empresas encuestadas considera que sus estrategias de IA genérica están maduras. A pesar de toda la energía, la inversión y el potencial que rodea a la tecnología, el impacto a gran escala aún no se ha materializado para la mayoría de las organizaciones. Casi el 70 % de las empresas de Fortune 500, por ejemplo, utilizan Microsoft 365 Copilot. Estas herramientas se consideran ampliamente como palancas para mejorar la productividad individual, al ayudar a los empleados a ahorrar tiempo en tareas rutinarias y a acceder y sintetizar la información de forma más eficiente. Como resultado, no son fácilmente visibles en términos de resultados brutos o netos. Por el contrario, los casos de uso verticales (aquellos integrados en funciones y procesos empresariales específicos) han experimentado un escalamiento limitado en la mayoría de las empresas, a pesar de su mayor potencial de impacto económico directo. Menos del 10 % de los casos de uso implementados superan la fase piloto.

Este desequilibrio se debe, en primer lugar, a que los asistentes de IA implementados horizontalmente, como Microsoft Copilot o Google AI Workspace, son soluciones accesibles y listas para usar, relativamente fáciles de implementar. La implementación limitada y el alcance limitado de los casos de uso verticales se pueden atribuir a varios factores principales:

• Iniciativas fragmentadas – proliferación de microiniciativas desconectadas con una coordinación limitada a nivel empresarial.
• Equipos de IA aislados – los centros de excelencia en IA han operado de forma aislada.
• Recelo cultural e inercia organizacional – las implementaciones de IA se han topado con una resistencia implícita por parte de los equipos de negocio y la gerencia media debido al miedo a la disrupción, la incertidumbre sobre el impacto laboral y la falta de familiaridad con la tecnología.
• Limitaciones tecnológicas de los LLM: los LLM pueden producir resultados inexactos, lo que dificulta su confianza en entornos donde la precisión y la repetibilidad son esenciales.
• Brechas de accesibilidad y calidad de los datos – tanto para datos estructurados como no estructurados.

Se hace referencia a Seizing the agentic AI advantage. La imagen es cortesía de Microsoft Copilot.