IA agéntica: un nuevo paso en el camino de la IA

La IA generativa ha sido la tecnología que más ruido ha generado desde que OpenAI lanzara al público ChatGPT a finales de noviembre de 2022.

En los últimos dos años, el crecimiento que ha tenido esta tecnología ha sido espectacular, descubriéndonos nuevos casos de uso casi cada día. Pero ahora es el turno de la IA agéntica o de agentes autónomos.

A finales del año pasado, en el reportaje donde recogíamos las tendencias que marcarán el sector tecnológico en 2025, ya destacábamos el desarrollo de la IA agéntica.  “Será el año en que comenzaremos a ver cómo la expectación en torno a los sistemas agénticos empieza a dar frutos”, adelantaba Snowflake.

“En 2025, los agentes de IA serán los protagonistas. Según datos internos de Salesforce, hasta el 92% de los desarrolladores creen que los agentes de IA transformarán positivamente su carrera profesional”, especifica Salesforce.

¿Qué es la IA agéntica?

Salesforce explica que “la IA agéntica representa la próxima evolución de la automatización”. “A diferencia de los chatbots de IA tradicionales, que requieren instrucciones manuales o una programación rígida, esta nueva IA de agentes responde dinámicamente a los datos en tiempo real y a la evolución de las necesidades empresariales”, indica.

“La IA agéntica consiste en sistemas inteligentes que tienen mayor capacidad y autonomía para la percepción (interpretación de información), razonamiento y toma de decisiones, tal y como lo haría un humano. Se centra en poner a trabajar, con una orquestación, diferentes agentes de IA que en su conjunto tienen la capacidad de crear resultados que están muy ligados a la capacidad cognitiva de los humanos. Es lo que se conoce como sistemas multiagentes de IA. Esto conlleva múltiples ventajas a todos los niveles: reducción de costes, búsqueda de eficiencias en la cadena de valor, mejora en la atención del cliente, reducción del tiempo empleado para una actividad, etc.”, detalla Fran Monzonis, Chief AI Officer de Capgemini.

Así pues, Rudy Galfi, director de Gestión de Productos en Celonis, asegura que “la IA agéntica representa un cambio importante, desde unos sistemas de IA que respondían a indicaciones de forma pasiva hacia sistemas que pueden perseguir objetivos de forma autónoma, razonar a través de tareas complejas e interactuar con sistemas y datos en entornos dinámicos”. Además, resalta la “creciente capacidad de los agentes de IA para operar en múltiples situaciones, tomar decisiones conscientes del contexto y autocorregirse”.

“Vemos esto como una evolución natural de la IA en la empresa: pasar de copilotos a verdaderos colaboradores. La ventaja no es sólo la automatización, sino la orquestación inteligente en la que los agentes de IA pueden analizar procesos, identificar ineficiencias, recomendar o tomar medidas y mejorar continuamente con el tiempo”, añade.

De igual modo, José María Alonso, country manager de Snowflake para España y Portugal, considera que “la principal novedad es que la IA agéntica no se limita a la simple automatización de tareas repetitivas, sino que es capaz de tomar decisiones complejas y adaptarse dinámicamente a entornos en constante cambio”. Y esto se traduce en mayor productividad, una toma de decisiones más informada, una automatización eficiente de tareas, personalización y escalabilidad.

¿En qué punto se encuentra?

La IA agéntica se encuentra actualmente en fase de desarrollo, aunque está avanzando a gran velocidad. “La IA agéntica está pasando rápidamente de la fase de prueba de concepto a la de producción. Los modelos fundamentales ya están aquí y ahora se están construyendo las capacidades específicas de dominio, como la integración con sistemas ERP, la comprensión de la lógica empresarial y el razonamiento con datos de procesos en tiempo real”, puntualiza el responsable de Celonis.

Pero todavía queda mucho trabajo por delante. “Las áreas clave de desarrollo incluyen mejorar capacidades de razonamiento, reducir la tasa de error, garantizar respuestas éticas y sin sesgos, y perfeccionar habilidades de resolución de problemas con múltiples pasos”, señala Daniel Agudo, head of Technology Business Development de Concentrix España.

Además, Monzonis considera que “uno de los siguientes pasos debe ser activar procesos de adopción”, lo que conlleva una transformación cultural, no sólo tecnológica. “Hay que preparar a las personas para que puedan hacer uso correcto de estos sistemas y obtener el máximo provecho”.

Asimismo, Galfi apunta que será necesario avanzar en tres direcciones. En primer lugar, en la confianza y la gobernanza, “para que los sistemas agénticos sean explicables, controlables y seguros”. En segundo lugar, en la escalabilidad, “que permite a las organizaciones desplegar y gestionar flotas de agentes en varios departamentos”. Y por último, en la adopción de circuitos de retroalimentación, “creando mecanismos de aprendizaje para que los agentes puedan mejorar continuamente en función de los resultados.

Además, el responsable de Concentrix hace hincapié en que “un impulsor clave para aprovechar sistemas de IA generativa es la gobernanza de datos”. “Cuanto mejor sea la calidad de los datos, mejores serán los resultados en términos de productividad y satisfacción del cliente”, sentencia.

Múltiples aplicaciones de la IA agéntica

En cuanto a las aplicaciones concretas de esta tecnología, el portavoz de Concentrix destaca “la gestión autónoma o con una mínima supervisión humana de consultas complejas de clientes, recomendaciones de productos automatizadas y personalizadas, asistencia en tiempo real, marketing digital personalizado, sistemas inteligentes de resolución de quejas, optimización de cadenas de suministro y mejora de la gestión de casos de salud”.

Salesforce también indica algunas de las nuevas posibilidades que ofrece la IA agéntica en varios ámbitos. Uno de ellos es la posibilidad de ofrecer una atención al cliente “proactiva y personalizada” mediante agentes inteligentes. “Las empresas pueden ofrecer experiencias conversacionales más humanas y resolutivas. Estos agentes no sólo responden, sino que también anticipan necesidades, escalan casos automáticamente y ejecutan acciones, como generar reembolsos o programar citas, sin intervención humana”, puntualiza.

La IA agéntica también ofrece oportunidades en la automatización de ventas con contexto. “Los agentes actúan, no sólo sugieren próximos pasos, sino que los ejecutan: envían correos personalizados, actualizan oportunidades y proponen estrategias de cierre basadas en datos históricos y comportamiento en tiempo real”, detalla la compañía.

Además, se abren nuevas posibilidades en el despliegue de acciones de marketing hiperpersonalizado. “La IA agéntica permite que cada interacción con el cliente sea única y relevante. Los agentes generan, prueban y optimizan campañas dinámicamente, adaptando el contenido y el canal en función del perfil del cliente y sus interacciones previas”, apunta.

Asimismo, Salesforce subraya la capacidad de esta tecnología de brindar soporte interno y productividad del empleado. “En entornos como Slack, los agentes inteligentes asisten a los empleados con respuestas contextuales, automatización de tareas y acceso inmediato al conocimiento, mejorando la experiencia del empleado y reduciendo tiempos de resolución”.

El portavoz de Celonis también reseña que “los agentes pueden entrenarse para flujos de trabajo empresariales específicos y de gran impacto, como el procesamiento de facturas, la incorporación de clientes o las excepciones en la cadena de suministro, y ya están demostrando mejoras tangibles de la productividad”.

Por su parte, el country manager de Snowflake afirma que “las aplicaciones de la IA agéntica abarcan una amplia gama de áreas y pueden ayudar a transformar la forma en que las empresas operan y se relacionan con sus clientes”.

“En el ámbito del servicio al cliente, podemos esperar ver agentes virtuales capaces de ofrecer soporte personalizado a gran escala, respondiendo preguntas, resolviendo problemas y anticipándose a las necesidades de los clientes de manera proactiva. En el análisis de datos, la IA agéntica permitirá analizar grandes volúmenes de información para identificar tendencias, patrones y oportunidades ocultas, proporcionando información valiosa para la toma de decisiones estratégicas. La automatización de procesos se verá revolucionada por agentes capaces de ejecutar tareas repetitivas y complejas con mayor eficiencia y precisión, liberando a los empleados para que se enfoquen en actividades de mayor valor estratégico. Finalmente, en la toma de decisiones, la IA agéntica proporcionará información y recomendaciones precisas y personalizadas, ayudando a los líderes a tomar decisiones más informadas y estratégicas, basadas en datos y análisis objetivos”, pormenoriza.

Y sus resultados ya son tangibles. “Hemos observado que es capaz de resolver cada hora un 14% más de problemas de atención al cliente. Además, reduce en un 90% el tiempo dedicado a ‘sales prospecting’, es decir, al tiempo que los vendedores dedican a identificar y calificar clientes potenciales”, especifica.

Los sectores más beneficiados

Entre los sectores más activos en la adopción de la IA agéntica, Agudo destaca el retail (agentes virtuales para acompañar el proceso de compra completo), viajes (recomendaciones de servicios), seguros (citas y gestión de casos), banca (trading automatizado), sanidad (planes de tratamiento personalizados), marketing y logística (cadenas de suministro optimizadas).

Monzonis también subraya sus aplicaciones en el sector público (atención al ciudadano a través de mecanismos que permitan ampliar los canales y el servicio de calidad), industria y cadena suministro (robotización y automatización de procesos cognitivos en el proceso de fabricación, distribución, almacén, última milla…), sostenibilidad (optimización y racionalización en el uso de recursos, así como la trazabilidad y acceso a información de la huella carbono), banca y seguros (automatización del contact center y otros procesos del core bancario), retail (asistentes inteligentes con autonomía en la toma de decisiones en diferentes escenarios), educación (desarrollo de experiencias de aprendizaje adaptadas a necesidades individuales) o salud (mejora de la atención al paciente y la investigación en nuevos medicamentos).

Galfi también subraya su potencial en las industrias con procesos complejos e interconectados. “Por ejemplo, en la industria manufacturera, los agentes de IA están ayudando a gestionar las cadenas de suministro, la garantía de calidad y la programación de la producción”, comenta.

Pero también impacta en otros sectores. En el ámbito sanitario, indica que “los agentes de IA están mejorando el flujo de pacientes, reduciendo las cargas administrativas y garantizando el cumplimiento”. En el sector público, señala que la IA agéntica “está creando una mayor transparencia y responsabilidad sobre el uso que hacen los organismos de los fondos de los contribuyentes”.

En cuanto a los servicios financieros, remarca que las empresas pueden utilizar agentes de IA para optimizar el procesamiento de préstamos, la detección de fraudes y la incorporación de clientes. Y en el sector retail y de bienes de consumo, los agente de IA sirven para agilizar la gestión de pedidos, la previsión de la demanda y la reducción de las devoluciones

Además, Salesforce considera que será de gran ayuda en sectores donde prima la estacionalidad, como retail o turismo. “Se trata de compañías que pueden duplicar o triplicar su actividad de ventas en épocas concretas. Gracias a los agentes autónomos, pueden asumir y ejecutar tareas como resolver reclamaciones, gestionar devoluciones de artículos o hacer ofertas personalizadas”, aclara la empresa.

Dificultades en su adopción…

Aunque las ventajas que ofrece la adopción de la IA agéntica son muchas, incorporar esta tecnología a las organizaciones no es tan sencillo, ya que comporta ciertos retos. Por ejemplo, Galfi indica que uno de los desafíos consiste en identificar el problema a resolver. “Los agentes de IA funcionan bien cuando el problema que deben resolver está claramente definido y tiene un alcance muy limitado. De lo contrario, tienen dificultades. Para la mayoría de las empresas, identificar el problema correcto que resolver será clave para obtener un valor real de los agentes de IA”.

También cree que puede ser complicado escribir mensajes que funcionen. “A medida que mejoren los LLM, escribir instrucciones de trabajo para los agentes de IA será más fácil. Pero ahora mismo es un proceso largo e iterativo que dificulta la creación de agentes. Dado que el valor que aporta un agente depende en gran medida de la calidad de las instrucciones y los ajustes de configuración que recibe, los creadores de agentes necesitan las herramientas adecuadas para crear agentes eficaces a gran escala”, declara.

Y otro aspecto delicado es la supervisión de acciones y decisiones. “Los agentes de IA actúan como humanos más que otros sistemas de automatización o software. Aunque esto tiene sus ventajas, también significa que son fáciles de engañar. Es más probable que den respuestas incoherentes y olviden cosas, o incluso alucinen de vez en cuando. Los agentes requieren gobernanza y mejora continua, por lo que las empresas deben ser capaces de hacer un seguimiento de las acciones y decisiones de los agentes y comprender su impacto en los procesos empresariales. Los agentes también deberán implantarse de acuerdo con los principios de la IA responsable”, recalca.

El portavoz de Capgemini también habla del retorno de la inversión y el talento necesario para su despliegue, puesto que “las empresas deben disponer de las personas con el conocimiento adecuado para la implementación, así como la decisión de inversión para llevarlo a cabo”

Otro aspecto delicado es la predictibilidad y confiabilidad de la IA agéntica, por lo que hay que hacer un esfuerzo para “garantizar que las acciones y respuestas proporcionadas están dentro de un marco adecuado, que debe ser analizado y para el que se deben establecer los límites de actuación de los agentes de IA”.

Y la IA agéntica también supone un desafío en cuanto a la privacidad y seguridad de los datos. Monzonis recalca que es preciso “asegurar la protección de datos personales y seguridad de información clave, así como los mecanismos de acceso a ésta”.

Al hilo de ello, Salesforce pone el acento en la importancia de la calidad de los datos. “La IA nunca va a ser mejor que los datos de los que disponga una empresa así que, para generar confianza, es crucial garantizar que los sistemas de IA utilicen datos precisos y relevantes, mantengan la privacidad y operen dentro de los límites éticos y legales. Esto significa implementar una gobernanza y supervisión de datos sólida, así como una solvente capa de seguridad para protegerlos”.

Igualmente, Alonso considera que “el principal obstáculo reside en la calidad de los datos subyacentes, ya que las decisiones del agente se basan en esta información”. “La falta de una calidad y gobernanza de datos adecuada en las organizaciones se convierte en un importante impedimento para la adopción exitosa de agentes inteligentes”, advierte.

…Y posibles riesgos de uso

Todo ello desemboca en algunos posibles riesgos de uso. El primero es el riesgo legal, “relacionado con el cumplimiento normativo (AI Act en Europa), riesgos de multa o derechos de protección intelectual, fuga de datos, riesgo de vulnerabilidades, etc.”, detalla el experto de Capgemini.

Otro es el riesgo de adopción, “referido a la transición a un nuevo modelo de trabajo en las compañías con el uso de agentes de IA, desde el punto de vista del uso y consumo adecuado, la formación, el gobierno o la organización de personas”.

Y por último, el riesgo reputacional, vinculado al “control del impacto negativo que puede provocar un uso indebido o fuera de la ética de la IA u otros aspectos relacionados con el sesgo y gestión de la respuesta ofrecida por la IA”, especifica.

Asimismo, el director de Gestión de Productos de Celonis hace hincapié en la importancia de que estas herramientas “garanticen los niveles adecuados de seguridad y transparencia, para asegurarse de que los agentes que interactúan con sistemas sensibles están estrechamente gobernados, y que las empresas puedan explicar y auditar lo que la IA está haciendo y por qué”.

Además, anota que “algunas de las principales preocupaciones son que los agentes tomen decisiones fuera de los límites aceptables, que muestren sesgos o propaguen errores si los datos de entrenamiento o la lógica del agente son defectuosos”.