Empleados que intentan responder preguntas como parte de su trabajo, investigadores que revisan historiales médicos, desarrolladores que analizan las necesidades de los clientes: todos quieren tener la información al alcance de la mano. La IA lo ha hecho posible de muchas maneras.
Ahora, los agentes de IA ayudan a las personas a dar el siguiente paso en la generación de valor empresarial. Los agentes utilizan la IA para automatizar y ejecutar procesos empresariales, trabajando junto con, o en nombre de, una persona, un equipo o una organización. Las empresas piden a los desarrolladores que creen equipos completos de agentes de IA especializados en tareas específicas, y los desarrolladores utilizan los propios agentes para trabajar más rápido.
Según el Índice de Tendencias Laborales 2025 de Microsoft , el 46 % de los líderes afirma que sus empresas utilizan agentes para automatizar flujos de trabajo o procesos. Alrededor del 43 % de los líderes globales ya utilizan sistemas multiagente que colaboran para lograr un objetivo o ejecutar un flujo de trabajo complejo, y el 82 % prevé que su organización adopte una fuerza laboral con agentes como miembros digitales del equipo en los próximos 12 a 18 meses.
Hoy en Microsoft Build , Microsoft presentó nuevos agentes, herramientas y características para ayudar a los desarrolladores a trabajar de manera más eficiente y crear agentes de IA capaces y seguros.
A continuación, se muestra cómo cuatro desarrolladores a la vanguardia de esta transformación utilizan agentes para codificar más rápido y, además, utilizan las herramientas de creación y orquestación de agentes de Microsoft para resolver problemas comerciales.
Timoteo Claves: Usando agentes a poner cáncer paciente información en médicos yemas de los dedos
La atención oncológica ha avanzado enormemente en los últimos años. Sin embargo, algunos casos no se ajustan a los tratamientos de eficacia comprobada. Los casos de estos pacientes se envían a una «junta de tumores», un equipo que incluye especialistas como un radiólogo, un patólogo, un oncólogo, un cirujano y otros que aúnan su experiencia para brindar la mejor atención.
Las juntas de tumores son “reuniones de alto riesgo y alto costo para pacientes de alto riesgo”, dice Timothy Keyes, científico de datos en Stanford Health Care y candidato a doctorado y doctorado en biología del cáncer e informática biomédica en la Facultad de Medicina de la Universidad de Stanford.
Como estudiante de medicina, Keyes ayudó a los oncólogos asistentes a preparar casos para presentarlos ante la junta de tumores. «Prepararlos requiere muchísimo tiempo», afirma. La información debe obtenerse de diversas fuentes, desde historiales médicos electrónicos hasta imágenes y literatura médica, y puede que no sea fácil de encontrar. Todo debe resumirse para su presentación ante la junta de tumores.
Ahora, una nueva herramienta desarrollada por Microsoft permite a los científicos de datos y desarrolladores de Stanford crear y probar agentes de IA para aliviar esta carga administrativa y agilizar el flujo de trabajo de preparación de la junta de tumores. El nuevo orquestador de agentes de atención médica de Microsoft ya está disponible en el Catálogo de Agentes de Azure AI Foundry .
El orquestador de agentes de atención médica ha ayudado al equipo de Stanford a desarrollar y probar agentes autónomos de IA que consultan diversas fuentes de datos y colaboran en tareas que, de otro modo, llevarían horas (crear una cronología de pacientes, sintetizar la literatura actual, consultar guías de tratamiento, obtener información sobre ensayos clínicos y generar informes), utilizando conocimientos con base clínica para ofrecer resultados precisos y fiables. Stanford Health Care aún está probando la aplicación del orquestador de agentes de atención médica en un entorno de investigación y aún no lo ha puesto en práctica clínica en tiempo real.
Todos los agentes funcionan con Microsoft 365 Copilot, lo que permite que los profesionales sanitarios, con su agenda ocupada, no tengan que dedicar tiempo valioso a la incorporación para usar los agentes. Simplemente pueden escribir lo que quieran en lenguaje natural en aplicaciones como Teams o Word, sin necesidad de añadir otra aplicación a su flujo de trabajo. Stanford Health Care es solo una de las instituciones que está poniendo a prueba el orquestador de agentes sanitarios de Microsoft en Foundry.
Los agentes pueden superar la fragmentación de datos que provienen de notas de médicos, notas del personal que se ocupa de los seguros, notas de enfermeras, imágenes como tomografías computarizadas que son muy diferentes de las diapositivas de patología y más, dice Keyes.
«Es muy difícil conseguir que un modelo de chat logre esto», afirma. Pero los agentes pueden centrarse en una tarea especializada, mientras el orquestador de agentes de atención médica dirige las solicitudes al agente adecuado. Empezar es realmente fácil. Stanford Health Care configuró los agentes iniciales desde el Catálogo de Agentes de Azure AI Foundry y los implementó en Microsoft Teams para realizar pruebas en unos 10 minutos, afirma Keyes.
El organizador de datos reúne notas clínicas, laboratorios, medicamentos y datos genómicos, todos ellos en diferentes formatos, y estructura la información en un resumen conciso, con citas para que el médico pueda verificarlo rápidamente o ver la sección relevante en profundidad.
Keyes recuerda estar con otros médicos en prácticas y su médico de cabecera solicitando un informe radiológico en la historia clínica electrónica. «Y era como: clic, clic, clic, clic, clic, clic, clic: 100 clics diferentes en lugar de ‘ah, lo tengo aquí mismo'». Al comparar las citas del agente con las notas reales, eran correctas.
El agente de radiología lee imágenes radiológicas utilizando los principales modelos de IA especializados de Azure AI Foundry, y el agente de patología analiza las imágenes de portaobjetos completos y proporciona hallazgos patológicos relevantes. Otro agente identifica los ensayos clínicos para los que el paciente es elegible.
El agente de investigación médica utiliza modelos de razonamiento para buscar artículos científicos sobre el cáncer y proporciona enlaces para la recuperación rápida de los documentos completos.
Al final del proceso, un agente de creación de informes resume los componentes clave del caso del paciente que se discutirán en la junta de tumores, convirtiéndolo en un documento de Word o PowerPoint.
Preparar el caso de un solo paciente para una junta de tumores podría llevarle a Keyes varias horas; en las pruebas, los agentes de IA podrían agilizar el trabajo hasta diez veces, afirma. Stanford Health Care cuenta con más de una docena de juntas de tumores que atienden a unos 4000 pacientes, por lo que el ahorro de tiempo se multiplicaría rápidamente.
“Los agentes facilitarán, agilizarán y optimizarán el trabajo, lo cual es fundamental en reuniones con 10 médicos, donde el tiempo es oro”, afirma Keyes. El tiempo también es oro para los pacientes.
Creo que en muchas industrias, cuando piensan en la agencia, se entusiasman mucho con la idea de que funcionará de forma muy autónoma. Tomará decisiones y podré observar su funcionamiento de vez en cuando. Eso no es realmente lo que imaginamos. Queremos que los médicos a cargo de la atención del paciente puedan consultarlo siempre.
“Me entusiasmaría la idea de que la IA ayudara a mis médicos a ser la mejor versión de sí mismos y los liberara de algunos de los componentes de documentación que consumen mucho tiempo para que puedan dedicar más tiempo a mí, el paciente”, afirma.
Javier Portilla Edo: Corte el tiempo a prueba de concepto
“Todo es posible, pero con los agentes de IA es simplemente más rápido y sencillo”, afirma Xavier Portilla Edo, responsable de infraestructura en la nube de Voiceflow, una plataforma que permite a los clientes crear agentes de IA y experiencias conversacionales sin necesidad de codificar.
Los clientes de Voiceflow abarcan desde grandes marcas internacionales hasta agencias que desarrollan agentes de IA a medida para pequeñas empresas o negocios locales, como restaurantes. Estos agentes de IA automatizan las tareas empresariales mediante conversaciones orales o escritas.
Una plataforma sin código requiere mucha programación. Por eso, Portilla ha aprovechado el modo agente con GitHub Copilot, que permite a los desarrolladores centrarse en otras tareas mientras un agente trabaja en segundo plano, para agilizar su desarrollo.
El modo agente en Visual Studio Code ofrece a los desarrolladores una experiencia de edición donde GitHub Copilot recopila contexto en múltiples archivos, sistemas externos y orígenes de datos para aplicar cambios de código, sugerir comandos e iterar para resolver problemas. Copilot Edits , por su parte, realiza cambios en línea en el espacio de trabajo del desarrollador, en múltiples archivos, utilizando lenguaje natural. Tanto con el modo agente como con Copilot Edits, el desarrollador mantiene el control: revisa los cambios, acepta los que funcionan e itera con solicitudes de seguimiento, sin perder el flujo.
Las nuevas funciones de agente de GitHub Copilot han ayudado a los desarrolladores que trabajan en la plataforma Voiceflow a crear e iterar pruebas de concepto mucho más rápido, afirma Portilla. En varias ocasiones, los desarrolladores de Voiceflow han querido validar una prueba de concepto y, en lugar de crear el proceso de validación desde cero, han dejado que el modo agente lo intente primero. «Y salió de maravilla», afirma Portilla.
Otra ventaja de usar agentes de IA, afirma, es que permiten a los desarrolladores trabajar fuera de su campo de conocimiento. «Supongamos que eres ingeniero back-end y tienes una solución desarrollada en el back-end, pero no tienes una interfaz de usuario para probarla», explica Portilla. «Normalmente, dejamos que el agente de GitHub Copilot construya esa interfaz. Y viceversa: supongamos que eres desarrollador front-end y necesitas un back-end para probar las nuevas funciones de tu interfaz. Hemos usado un agente para ayudarte a crear esos back-end sencillos».
Como con cualquier proceso nuevo, comprender los agentes de IA requiere tiempo para que las solicitudes y preguntas se presenten de forma que generen los resultados deseados, afirma. Al igual que los colegas, cada herramienta de agente es diferente. «Si usas un agente específico, sabes cómo interactuar con él, pero probablemente, al usar otro, tendrás que aprender a interactuar con él», añade.
Sin embargo, en general, la curva de aprendizaje de las herramientas de GitHub Agentic fue fluida. Las pruebas de concepto que antes tomaban una mañana entera o incluso un día entero ahora se pueden realizar en un par de horas, afirma.
Amit Sethi: Agentes conducir eficiencia para JM Familia negocio y calidad analistas
Al igual que muchas grandes empresas, las filiales de JM Family Enterprises se dedican a una amplia gama de actividades comerciales. Esta empresa privada y diversificada, sede del mayor distribuidor independiente de Toyota del mundo, también opera en los sectores del procesamiento y la distribución de piezas de vehículos, servicios financieros, venta minorista de automóviles, servicios para el hogar y más.
A los desarrolladores que trabajan para JM Family se les podría solicitar que desarrollen soluciones o modernicen procesos en cualquier área de la empresa. Al abordar un nuevo proyecto, los analistas de negocio de la empresa recopilan información de esos equipos y crean una «historia de usuario» concisa que explica qué quieren lograr y por qué. Esto proporciona información para requisitos más detallados que describen la funcionalidad técnica que debe tener el software, la cual los desarrolladores usan para escribir código. Los expertos en control de calidad generan pruebas para verificar los resultados.
JM Family presentó agentes de IA que pueden trabajar en conjunto con los usuarios para ayudar a estandarizar y acelerar este ciclo de vida del desarrollo de software, desde la escritura de historias hasta el diseño de planes de prueba y documentación, dice Amit Sethi , director, científico investigador de IA y ML en JM Family.
JM Family ha desarrollado una solución multiagente que ha reducido el proceso de redacción de requisitos de muchos a unos pocos días, afirma Sethi. La empresa ha logrado un ahorro de tiempo del 40 % para los analistas de negocio y del 60 % en el diseño de casos de prueba para el control de calidad. Incluso si tienen que refinar el trabajo manualmente, los analistas de negocio prefieren empezar con casos generados por IA que puedan recopilar todos los datos necesarios para, por ejemplo, pronosticar la entrega de automóviles, en lugar de empezar desde cero, añade Sethi.
Otra ventaja de la solución multiagente, denominada BAQA Genie (analista de negocios/garantía de calidad), es la estandarización, «porque cada uno tiene su propia manera de hacer las cosas. Cuando se trata de un proyecto grande, esto se convierte en un problema», afirma Sethi.
Los requisitos de alta claridad que ofrecen los agentes de IA agilizan considerablemente todo el ciclo de desarrollo. «Para nosotros, supone una mejora en la eficiencia del proceso», afirma.
JM Family comenzó su andadura como agente de IA en febrero de 2024, cuando presentó la herramienta de código abierto AutoGen de Microsoft a la alta dirección. «Fue un momento revelador: los agentes pueden comunicarse entre sí y actuar en tu nombre», afirma Sethi.
Al principio, la gestión de los agentes de IA era complicada, reconoce. Sin embargo, Azure AI Foundry Agent Service y sus flujos de trabajo multiagente ahora «se encargan de todos estos problemas. Y, como estamos respaldados por la plataforma de Microsoft, se integra a la perfección con todos los puntos de contacto».
JM Family ha aprovechado un conjunto de herramientas de Microsoft en Azure AI Foundry para crear sus agentes con diferentes especialidades: un agente de requisitos, un agente de escritura de historias, un agente de codificación, un agente de documentación y otros. Un agente de orquestación facilita la colaboración entre todos ellos.
Mientras que los agentes actuales gestionan diferentes procesos y luego delegan a una persona la realización manual de otros pasos, JM Family quiere evolucionar hacia agentes que realicen una mayor parte del trabajo y dependan de personas para consolidar o verificar los requisitos. «Como estamos totalmente comprometidos con la IA responsable, uno de los principios que siempre buscamos es la participación humana», afirma Sethi.
JM Family ha tenido tanto éxito con su solución multiagente que planea comercializar su BAQA Genie. «Hemos visto el valor que esta capacidad genera directamente», afirma Sethi. «Dado que esto supone un reto en cualquier iniciativa tecnológica empresarial, queríamos ofrecerla a otros clientes para que compartieran ese valor».
Robar Jefe: Vida en agente modo es a banquete de nuevo posibilidades
«Básicamente, vivo en modo agente», dice Rob Bos, consultor de DevOps y formador de GitHub en Xebia, proveedor global de ingeniería de software, consultoría de TI, formación y servicios gestionados para clientes corporativos. «Hoy en día, ni siquiera lo desactivo».
Bos, MVP de Microsoft y GitHub Star, que ayuda a sus clientes a mantenerse al día con las últimas tendencias de desarrollo, ha sido testigo directo de la reciente evolución de la IA. «Empezamos con chats regulares, es decir, interactuando, copiando y pegando. Luego, pudimos aplicar el chat actual al código actual. Eso ya era útil», afirma. «Después, teníamos el modo de edición, que es más rápido y empieza a cambiar inmediatamente los elementos y archivos a los que se intenta añadir funcionalidad. Y en el modo agente , simplemente nos centramos en la velocidad».
Tras solicitar al modo agente que realice ciertas acciones, realizará esos cambios, al igual que las ediciones. «Lo mejor es que puede empezar a validar si los cambios realmente tienen sentido. Puede ejecutar el script en el que estás trabajando y validar el resultado. Si tienes algo como una prueba unitaria o una prueba de regresión, puede ejecutarlas, aprender de los resultados y continuar hasta completar la tarea», explica.
Con la llegada de los servidores de Protocolo de Contexto de Modelo (MCP), es posible realizar acciones a través de los límites del software, añade.
En una de las canalizaciones que estaba construyendo, Bos recopiló datos en repositorios de GitHub y luego le pidió al modo agente que tomara el control y creara un informe basado en esos datos, o le indicó que creara un nuevo script basado en lo ya hecho, sabiendo que inferiría los siguientes pasos basándose en patrones anteriores en su repositorio. «En mi opinión, funciona mejor si le das mucho contexto del código existente en tu repositorio o configuraciones similares que hayas usado en otros lugares».
Por ejemplo, puede indicarle a un agente que observe todas las pruebas de disponibilidad fallidas que se ejecutan en su aplicación web de Azure y que recopile la mayor cantidad de información posible sobre errores a partir de los registros y luego la traduzca en un buen conjunto de problemas.
Los agentes de IA están empoderando a todos los que trabajan con ingenieros de software para que también contribuyan. «Si, por ejemplo, estás en operaciones y analizas estos errores, ahora puedes incorporar mucha información adicional y trasladar ese trabajo al inicio del ciclo de vida del desarrollo de software, lo que permite a los propietarios de producto escribir historias de usuario que digan ‘esto es lo que quiero lograr y estos son los aspectos que debes considerar en el contexto de esta aplicación'», afirma Bos. «Esto supone una revolución que permite que muchas más personas contribuyan al proceso de desarrollo de software y que también cambia la forma en que los ingenieros trabajamos a diario».
Bos les dice a sus alumnos que comiencen de a poco cuando utilicen agentes de IA porque si las instrucciones originales son demasiado amplias, el agente podría hacer suposiciones que vayan en una dirección diferente a la deseada.
En cambio, aconseja iniciar una conversación con el agente. «Recibes una respuesta. Ves si realmente funciona y, con eso, empiezas a construir una historia completa hasta que tenga sentido y luego quieres actuar en ciertos aspectos», dice. «Esto te permite corregir el rumbo sobre la marcha».
Con tantas funciones para agentes disponibles, Bos anima a sus clientes a mantener la curiosidad y no limitarse a lo conocido. «Hay un sinfín de posibilidades adicionales ahora mismo».
Imagen superior: Timothy Keyes, científico de datos en Stanford Health Care y candidato a doctorado en biología del cáncer e informática biomédica en la Facultad de Medicina de la Universidad de Stanford. Foto de John Brecher para Microsoft. Microsoft Blog. C. B. Traducido al español
Contacto