El caso de negocio para la inteligencia artificial (IA) con agentes

Las empresas deben ir más allá de las soluciones básicas de IA para liberar valor transformador.

por Alon Goren

Las empresas han dado sus primeros pasos en la IA implementando soluciones de chatbots y búsquedas básicas de documentos. Estos sistemas, que utilizan una técnica llamada generación aumentada de recuperación (RAG), pueden responder preguntas al encontrar información relevante en los documentos y datos de la empresa. Si bien esto representó un avance significativo (de repente, se pudieron realizar búsquedas en vastos repositorios de conocimiento corporativo), las organizaciones descubrieron que estas implementaciones básicas no ofrecen los resultados comerciales transformadores que esperaban.

Según la Encuesta Pulse 2024 de PwC , si bien casi la mitad de los líderes tecnológicos informan que la IA está “totalmente integrada” en sus estrategias (en gran medida gracias a estas sencillas soluciones RAG), la realidad sobre el terreno cuenta una historia diferente. Las organizaciones suelen seguir un patrón familiar: el liderazgo emite un mandato de IA, los equipos se apresuran a implementar soluciones simples y los departamentos individuales lanzan iniciativas de IA independientes para satisfacer las necesidades inmediatas. ¿El resultado? Inversiones desperdiciadas en soluciones que no se adoptan, tiempo perdido sin un progreso mensurable y un retorno de la inversión no realizado.

Las limitaciones de las implementaciones básicas de IA

Las soluciones de inteligencia artificial empresarial basadas en RAG actuales son excelentes para encontrar información en documentos y responder preguntas sencillas. Sin embargo, tienen deficiencias en varias áreas críticas:

• Capacidades analíticas limitadas : estas soluciones tienen dificultades para realizar cálculos numéricos complejos y analizar datos.
• Falta de automatización del flujo de trabajo : las simples preguntas y respuestas no pueden manejar procesos comerciales de varios pasos.
• Incapacidad de aprender y adaptarse : los sistemas básicos no pueden mejorar su rendimiento con el tiempo.
• Contexto comercial faltante : la búsqueda de documentos por sí sola no proporciona el razonamiento profundo necesario para tomar decisiones comerciales complejas.

Cómo la IA Agentic supera a la IA básica

La IA agenética representa un cambio fundamental desde la respuesta pasiva a preguntas a la resolución activa de problemas. A diferencia de las implementaciones de IA básicas, los agentes de IA pueden:

• Tome decisiones autónomas basadas en reglas y objetivos de negocio.
• Ejecutar flujos de trabajo complejos que involucran múltiples pasos y sistemas.
• Utilice herramientas y fuentes de datos especializadas para completar tareas.
• Cree activos empresariales reutilizables que mejoren con el tiempo.
• Colaborar con otros agentes para abordar desafíos comerciales complejos.

Consideremos un escenario de análisis de mercado. Si bien un sistema de IA básico puede ayudar a encontrar informes de mercado relevantes, un agente de IA puede analizar tendencias, identificar oportunidades, iniciar respuestas e incluso colaborar con otros agentes especializados para desarrollar recomendaciones comerciales integrales.

El poder de las redes multiagente

La verdadera transformación ocurre cuando las organizaciones implementan redes de agentes de IA especializados. Cada agente aporta conocimientos específicos, ya sea en análisis de datos, reconocimiento de patrones o conocimiento del dominio, lo que crea sistemas que pueden gestionar flujos de trabajo empresariales complejos de principio a fin.

Por ejemplo, en una empresa de bienes de consumo, un agente puede analizar los datos de ventas, otro optimizar las operaciones de la cadena de suministro y un tercero seguir las tendencias del mercado. Juntos, pueden identificar oportunidades y riesgos emergentes, generar recomendaciones viables, automatizar procesos comerciales complejos y crear marcos analíticos reutilizables. 

Replanteando la estrategia de inteligencia artificial empresarial

Cuando las organizaciones abordan la IA con un enfoque limitado en las ganancias de productividad y se preguntan cómo hacer que sus equipos existentes sean más eficientes, subestiman significativamente el potencial transformador de la IA. La verdadera pregunta que los líderes deberían hacerse es: ¿cómo podemos reimaginar fundamentalmente nuestras operaciones con agentes de IA que manejan cientos de tareas complejas mientras nuestros equipos se concentran en la supervisión, la estrategia y la innovación?

El cambio exige pasar de los sistemas de respuesta rápida a soluciones que puedan tomar el tiempo necesario para producir información verdaderamente valiosa. Así como los expertos humanos a menudo necesitan tiempo para analizar, evaluar y refinar su trabajo, los agentes de IA necesitan la capacidad de iterar y mejorar sus respuestas.

Generando valor empresarial duradero

Uno de los aspectos más atractivos de la IA de agencia es su capacidad de crear activos empresariales consistentes y reutilizables. En lugar de que distintos departamentos desarrollen soluciones dispares (como enfoques de planificación estratégica separados para los equipos de marketing, logística y ejecutivos), la IA de agencia puede establecer metodologías estandarizadas que garanticen la coherencia y se adapten a las necesidades específicas. Esto crea una base de conocimientos y capacidades institucionales que se fortalece con el tiempo.

Una estrategia de implementación de IA con agentes

Para avanzar con éxito más allá de la IA básica, es necesario adoptar un enfoque reflexivo que evite los errores más comunes. No cometa el error de tratar las implementaciones de IA como proyectos de TI tradicionales, que se centran en la transformación técnica en lugar de en los resultados comerciales. En cambio, las empresas deberían:

1. Identifique casos de uso de alto valor en los que las soluciones de IA actuales no son suficientes. Comience por examinar áreas con entradas y salidas desestructuradas o desordenadas, como consultas de atención al cliente o flujos de trabajo de análisis de datos complejos. Busque procesos en los que las herramientas de IA básicas tengan dificultades para ofrecer resultados consistentes o requieran una intervención humana excesiva.
2. Comience con implementaciones de agentes enfocadas que brinden un valor comercial claro. Comience con proyectos contenidos que tengan métricas de éxito bien definidas. Equipe a sus agentes con los conjuntos de datos, la documentación de procesos y las herramientas adecuadas que necesitan para tener éxito. Recuerde que los agentes necesitan tiempo para producir un trabajo de calidad; apresurarse para mostrar resultados inmediatos a menudo conduce a soluciones de calidad inferior.
3. Desarrollar redes de múltiples agentes que puedan gestionar flujos de trabajo complejos. A medida que los agentes individuales demuestren su valor, expandir gradualmente a sistemas de múltiples agentes. Asegúrese de que cada agente tenga responsabilidades claras y de que los mecanismos de colaboración estén bien definidos. Este enfoque modular permite una escalabilidad y un mantenimiento más sencillos.
4. Implementar mecanismos adecuados de gobernanza y supervisión. Establecer reglas claras para la autoridad de toma de decisiones de los agentes, incluso cuando se requiere la aprobación humana. Considerar la posibilidad de implementar “agentes de protección” que controlen el comportamiento y señalen los riesgos potenciales. Esto garantiza la rendición de cuentas y al mismo tiempo mantiene la eficiencia.
5. Cree ciclos de retroalimentación para la mejora continua. Implemente estructuras de evaluación formales para supervisar el rendimiento y la precisión de los agentes. Utilice estos conocimientos para perfeccionar el comportamiento de los agentes y ampliar las capacidades con el tiempo. Este enfoque sistemático ayuda a generar confianza e impulsa la mejora continua.

El camino a seguir

El futuro de la IA empresarial no se trata de una mejor búsqueda de documentos o respuestas más rápidas, sino de crear sistemas inteligentes que puedan comprender, razonar y actuar ante desafíos empresariales complejos. Deloitte predice  que el 25 % de las empresas que utilizan IA implementarán agentes de IA este año, cifra que aumentará al 50 % en 2027. Las organizaciones que adopten la IA basada en agentes obtendrán ventajas significativas en eficiencia, innovación y capacidad de respuesta al mercado.

Si bien las soluciones de IA básicas siguen siendo valiosas para casos de uso específicos, las empresas deben reconocer sus limitaciones y avanzar hacia soluciones de IA más sofisticadas para lograr resultados verdaderamente transformadores. La pregunta no es si se debe hacer esta transición, sino con qué rapidez y eficacia las organizaciones pueden ejecutarla para seguir siendo competitivas en un panorama empresarial impulsado por la IA.

Lea más sobre la ola de IA agente:

• Cómo la IA agente transformará el lugar de trabajo: la visión de un experto  : los empleados de algunos de los principales proveedores de tecnología en el espacio de la IA agente analizan las oportunidades y los desafíos asociados con la tecnología.
• Reconsidere su estrategia de RR.HH. para incluir agentes de IA  :  a medida que los agentes de IA se incorporan a nuestra fuerza laboral, RR.HH. debe adaptar su estrategia de fuerza laboral.
• ¿Su próximo empleado será un agente de IA?  Los  agentes de IA autónomos están abriéndose paso en todos los rincones del lugar de trabajo. Eche un vistazo a dónde estamos y hacia dónde nos dirigimos.

Acerca del autor

Alon Goren es el director ejecutivo y fundador de AnswerRocket, una plataforma de análisis basada en inteligencia artificial que permite a los usuarios empresariales explorar y analizar datos en tiempo real mediante consultas en lenguaje natural, lo que proporciona información útil rápidamente. Antes de fundar AnswerRocket en 2013, Alon fue cofundador y director de tecnología de Radiant Systems, una empresa de software que desarrolló soluciones empresariales para sectores como el comercio minorista y la hostelería.

Fuente: https://www.reworked.co/digital-workplace/the-business-case-for-agentic-ai/