La IA agenética está entrando en acción. Estos sistemas autónomos prometen gestionar flujos de trabajo complejos de principio a fin, y las empresas están ansiosas por aprovechar ese potencial. Pero aquí está el problema: con la prisa por implementar esta tecnología, las empresas se arriesgan a romper lo que ya funciona.
Bruno Aziza, vicepresidente de Estrategia de Datos, IA y Analítica de IBM, trabaja con organizaciones para ayudarlas a escalar con tecnologías emergentes y convertirlas en líderes en sus respectivos campos. Según Aziza, las empresas a menudo pasan por alto que ya cuentan con IA y automatización integradas en sus flujos de trabajo.
En lugar de reconstruir todo en torno a los agentes, Aziza cree que las organizaciones deberían usarlos para aprovechar lo que ya funciona. «El camino al éxito no consiste en reemplazar ni eliminar los procesos que han funcionado bien», declaró a IBM Think en una entrevista. «Se trata de potenciar estos procesos existentes».
De la inteligencia a la acción
Este enfoque de aumento se hace más evidente al analizar la evolución general de la tecnología empresarial. Para comprender cómo las organizaciones pueden integrar eficazmente la IA agentica en sus flujos de trabajo existentes, es fundamental examinar la evolución desde sistemas que analizan y recomiendan hasta sistemas que pueden actuar de forma autónoma y generar valor comercial tangible.
Los líderes de tecnología empresarial han seguido un camino conocido: primero, construyendo sistemas de registro, luego, sistemas de interacción y, finalmente, sistemas de inteligencia. Ahora, con la IA agencial , comienza una nueva fase: sistemas de acción.
“Lo que estamos descubriendo es que, si bien los sistemas de inteligencia son útiles, no son suficientes”, dijo Aziza. “Gracias a la IA de última generación, a la computación casi infinita, al almacenamiento limitado y a las excelentes redes, nos encontramos en una fase en la que podemos empezar a pensar en cómo acelerar las acciones, que son realmente los componentes relacionados con el impacto en los resultados de la organización. Siempre lo hemos intentado, pero ahora nos encontramos en una fase de la historia en la que realmente podemos actuar”.
Más allá del ciclo de la publicidad exagerada
Pero construir sistemas de acción no es un camino simple y lineal. Para muchos líderes tecnológicos, las preguntas sobre autonomía, responsabilidad y automatización aún son importantes. Y si bien el frenesí de la IA ha acaparado titulares durante varios años, el verdadero trabajo comienza cuando se desvanece el foco de atención.
Creo que es algo que las empresas consolidadas deben tomar con pinzas: todo el mundo te dice que va a ser muy fácil, ¿verdad? —dijo Aziza—. Te centras en datos de calidad, luego seleccionas tus casos de uso, experimentas y, finalmente, implementas los casos de uso que tienen éxito. Pero eso no es lo que está sucediendo realmente.
Un error común que Aziza observa es creer que crear un agente e implementarlo en la empresa simplemente funcionará. «En la empresa, hay mucho más en juego».
A medida que la experimentación pasa a la producción, los líderes empresariales plantean preguntas diferentes sobre las compensaciones, la escala y el rendimiento.
“Hay madurez y suficientes ejemplos en la industria para que podamos llegar a un nivel en el que podamos acelerar el trabajo de producción real que se realiza allí”, dijo Aziza.
Agente menos vs. agente más
Uno de los cambios más importantes de este año ha sido el impulso para desarrollar nuevos agentes de IA. Sin embargo, según Aziza, esta prisa podría ser errónea. Las empresas suelen tener la IA y la automatización integradas en sus flujos de trabajo. En lugar de reconstruir todo en torno a los agentes, Aziza afirmó que el mejor enfoque es ampliar lo que ya funciona.
Ofrece un ejemplo claro: la aprobación de préstamos en la banca. Estos son procesos deterministas: añadir agentes probabilísticos podría introducir más incertidumbre, no menos.
“La capacidad de combinar ambas cosas es fundamental”, afirmó. Esto, explicó, es un agente negativo: un agente que reemplaza sistemas funcionales, pero ofrece peores resultados.
“No se habla lo suficiente de eso, y las organizaciones deben ser conscientes de ello”, dijo. “No se trata de eliminar la automatización y reemplazarla con un montón de trabajo de agencia. De hecho, se trata de combinar ambas cosas”.
El siguiente capítulo: Orquestación
Integrar sistemas y agentes es el siguiente paso. «Llegaremos a un punto en el que cada vez más empleados crearán sus propios agentes, ya sea porque usan un agente prediseñado y lo personalizan, o porque la base de empleados tiene un alto nivel de madurez», afirmó. «Veremos más agentes. La pregunta es: ¿cómo orquestar esos agentes? Por lo tanto, existe un conjunto de capacidades que es necesario desarrollar para hacerlo correctamente».
Esta orquestación no ocurre por casualidad. Según Aziza, las organizaciones que comienzan a operar con agentes necesitan desarrollar cinco capacidades fundamentales para tener éxito: colaboración multiagente, integración entre ecosistemas, alineación con las herramientas y reglas existentes, supervisión y control, y una capa operativa dedicada conocida como operaciones de agentes . «Estas cinco capacidades son los pilares fundamentales de su estrategia de agentes de cara al futuro», afirmó.
A principios de este año, el Protocolo de Comunicación de Modelos (MCP) y otros estándares desarrollados por Google ( Protocolo Agent2Agent)), IBM ( ACP ) y otros actores enfatizaron la necesidad de descubrimiento y comunicación de agentes.
“Imagina que mañana te despiertas en un entorno plagado de agentes de análisis”, dijo Aziza. “¿Quién hace qué? ¿Quién obtiene los datos? ¿Quién genera la información? ¿Quién supervisa el proceso? ¿Quién verifica que los datos sean correctos y que la información sea procesable? Hay muchas preguntas aquí que, sin un estándar, son muy difíciles de implementar”.
Muchos comparan el estado actual de los agentes con el internet pre-HTTP. Pero Aziza cree que la IA agentica aporta algo completamente diferente a la conversación. Para él, la evolución actual de la IA podría compararse con la invención del automóvil: sí, los automóviles finalmente reemplazaron a los caballos, pero también impulsaron la innovación.
“Hay una increíble aceleración de la innovación”, dijo. “Y también existe esta increíble oportunidad de transformarnos al siguiente nivel. Es difícil encontrar un plan, pero sabemos que la unificación de los estándares de comunicación será necesaria si queremos multiplicar el impacto de estos agentes individuales”.
IBM Blog. A. N. Traducido al español
