La inteligencia artificial (IA) en el entorno corporativo permanece mayormente en una fase de asistencia, empleando herramientas para redactar correos, resumir textos o proponer acciones, pero siempre bajo solicitud explícita. Lo que aún no realiza de forma generalizada es ejecutar acciones significativas de manera autónoma. No obstante, esta situación está comenzando a transformarse de maneras sutiles pero relevantes.
En declaraciones recientes, Wendy Collins, Directora de IA en NTT DATA —parte del conglomerado global NTT Group y firma innovadora en servicios de TI y negocio—, señaló que esta es una evolución que veremos con creciente frecuencia en las empresas. Collins añadió que el porvenir de la IA empresarial no reside únicamente en la inteligencia, sino también en la autonomía operativa.
Collins argumenta que estamos ingresando en una etapa novedosa donde la IA empieza a funcionar más como un agente que como un simple asistente, trascendiendo la mera información para la toma de decisiones y comenzando a iniciarlas por sí misma. Aunque el foco mediático sigue puesto en la IA Generativa (GenAI) y los copilotos, estos sistemas de IA autónomos que ejecutan acciones se están abriendo paso en el núcleo del debate sobre la IA.
El Significado de la IA Activa
La IA agéntica —un término que aún busca consolidarse en la industria— se refiere a sistemas que no se limitan a devolver respuestas, sino que completan tareas específicas. Según Collins, es la diferencia entre una IA que informa sobre la política de devoluciones y una que puede emitir una autorización de devolución, registrarla en el sistema correspondiente y notificar al cliente.
En lugar de depender de un único modelo de IA que genera resultados extrayendo respuestas de vastos conjuntos de datos preentrenados, los agentes de IA se basan en una arquitectura coordinada de tecnologías —incluyendo modelos de lenguaje, motores de decisión, herramientas integradas y acceso a datos en tiempo real— para llevar a cabo las tareas.
“La IA agéntica”, afirmó Collins, “es más amplia que la IA generativa”. Se sitúa en la confluencia de múltiples capacidades, y su fortaleza radica en la ejecución, no solo en el conocimiento.
Ámbitos de Aplicación y Limitaciones Actuales
Collins fue explícita sobre las restricciones actuales. En sectores como los seguros y los servicios financieros, la IA agéntica ya está contribuyendo a la reducción de costos y latencia en centros de atención telefónica y procesos de adquisición. Estos ámbitos son propicios porque los procedimientos son predecibles y están bien documentados. Si una tarea puede descomponerse en reglas y flujos de datos, puede ser delegada a un agente.
Donde encuentra dificultades —por el momento— es en flujos de trabajo de alto contexto, como la suscripción de seguros o la manufactura compleja, donde gran parte de la toma de decisiones reside todavía en la experiencia de los empleados. «Aún no vemos que la IA agéntica se imponga en esos entornos», indicó. «Porque el conocimiento no ha sido formalizado».
Sin embargo, esto no implica que estas industrias queden al margen del progreso. Simplemente significa que actualmente se centran en utilizar la GenAI para recopilar y estructurar precisamente el conocimiento necesario para sustentar sistemas agénticos en el futuro.
El Potencial Subestimado de la IA Híbrida
Lo que más entusiasma a Collins no es la GenAI por sí sola, sino la combinación de esta con técnicas de IA tradicionales como la optimización, la previsión y los sistemas basados en reglas. Lo denominó “IA híbrida”, señalando que es el área más ignorada y menos discutida de la transformación de la IA empresarial en la actualidad.
“La GenAI es una herramienta potente”, dijo. “Pero algunos problemas requieren otras soluciones específicas”. Para muchos desafíos empresariales, la combinación de múltiples herramientas es lo que desbloquea el mayor valor. Y aunque la GenAI puede generar, recomendar y personalizar, sigue dependiendo de la IA clásica para impulsar la precisión, la consistencia y la integración.
De las Pruebas Piloto al Rendimiento Operativo
Muchas empresas se encuentran estancadas en la fase de pruebas de concepto (POC), presumiendo de docenas de pilotos pero sin implementar ninguno en producción. Según Collins, la brecha entre la POC y la producción es mucho mayor de lo que la mayoría de los líderes anticipan. “No es un proceso lineal”, explicó. “Es exponencial”.
Su consejo es que los líderes empresariales deben “dejar de intentar abarcar todo de golpe”. En su lugar, necesitan comenzar con uno o dos casos de uso internos, de alto valor. Enfocarse en flujos de trabajo donde la IA pueda tener éxito de forma discreta y rápida, no en experimentos de cara al cliente que arriesguen la reputación de la marca antes de que la tecnología esté madura.
Y, quizás lo más importante, fue lo que Collins mencionó sobre construir teniendo en cuenta la medición: “El retorno de la inversión (ROI) debe planificarse desde el principio, no adaptarse al final”.
La Preparación para la IA Comienza con las Personas
Quizás la variable más subestimada en cualquier despliegue de IA son las personas. Collins enfatizó la importancia de la alfabetización en IA a nivel de toda la empresa, especialmente entre los equipos directivos. “Las compañías que invirtieron en la formación en IA de sus ejecutivos superaron financieramente a sus pares en un 40%”, afirmó, citando investigaciones recientes.
Aunque Collins no especificó la investigación exacta, es una afirmación respaldada por otros estudios. Por ejemplo, una investigación del MIT CISR encontró el año pasado que las empresas con IA empresarial avanzada —que a menudo priorizan la alfabetización en IA como componente clave— superan a sus pares de la industria en rendimiento financiero.
Para Collins, la adopción de la IA tiene más que ver con la comodidad, la confianza y el contexto, que con un deseo abstracto de construir infraestructura. Si bien se habla cada vez más de la fatiga por la IA, Collins cree que gran parte de esa fatiga proviene de resultados decepcionantes en cómo se utiliza la IA. Cuando la IA no ofrece una transformación real —cuando solo se usa para ahorrar segundos en una tarea— los equipos pierden interés. Esto significa que las promesas de la IA deben sentirse, no solo promocionarse.
El Camino a Seguir: Autonomía con Controles
A medida que la IA se vuelve más capaz de tomar decisiones, las empresas necesitarán modelos de gobernanza más sólidos. Las preocupaciones sobre la seguridad de la IA ya están en su punto más alto. El Foro Económico Mundial señala que “la creciente autonomía de los agentes de IA introduce tanto inmensas oportunidades como riesgos considerables. Sin una supervisión adecuada, dichos sistemas pueden comportarse de maneras inesperadas o incluso socavar los objetivos previstos”. El informe de políticas de 2024 del Observatorio de IA de la OCDE también detalla cómo los sistemas de IA autónomos desafían los marcos de gobernanza existentes y aumentan la urgencia de estrategias de mitigación de riesgos, particularmente a medida que estos sistemas comienzan a operar de forma independiente.
Aunque algunos suelen ver la gobernanza de la IA como un freno a la innovación, Collins la describió como “un habilitador estratégico”. Su equipo en NTT Data también desarrolló una «matriz de rentabilidad» para ayudar a los clientes a identificar por dónde empezar, cómo alinear el valor con la viabilidad y dónde residen las mayores trampas.
“No se trata de esperar hasta que todos tus datos sean perfectos”, dijo Collins. “Se trata de saber qué partes de tus datos son lo suficientemente buenas para comenzar a capturar valor ahora, y construir hacia el resto”.
El Futuro
Todo indica que el futuro de la IA empresarial no será decidido por la próxima demostración viral de un chatbot o una nueva aplicación brillante. Se desplegará silenciosamente —dentro de los flujos de trabajo, detrás de los paneles de control— donde la IA deje de esperar instrucciones y realmente comience a trabajar por su cuenta.
Collins también insta a la cautela, señalando que si alguien afirma saber cómo será la IA en cinco años, o está mintiendo o intentando vender algo. Aun así, mantiene una visión clara sobre hacia dónde nos dirigimos: “Cada nuevo desarrollo incremental desbloqueará nuevos problemas de la misma manera que desbloquea nuevas oportunidades”. Ese parece ser el futuro hacia el que avanza la IA empresarial.
Insights de Evox News: Cómo la transición hacia la IA agéntica puede impactar tu negocio
La evolución de la inteligencia artificial desde un rol de asistente hacia uno de agente autónomo presenta implicaciones significativas para las empresas:
Impacto Económico: La implementación de IA agéntica en procesos bien definidos (como atención al cliente, procesamiento de pedidos o adquisiciones) puede generar reducciones sustanciales de costos operativos y mejorar la eficiencia. La capacidad de la IA para ejecutar tareas completas sin intervención humana directa libera recursos y acelera los ciclos operativos. La adopción de enfoques de IA híbrida, combinando GenAI con IA tradicional, puede optimizar aún más la asignación de recursos y mejorar la precisión en áreas como la previsión y la planificación.
Ventaja Competitiva: Las organizaciones que logren implementar con éxito sistemas de IA agéntica y superen la fase de prueba de concepto obtendrán una ventaja competitiva notable. La automatización de tareas complejas y la toma de decisiones autónoma (dentro de límites definidos) permitirán una mayor agilidad, tiempos de respuesta más rápidos y una capacidad superior para escalar operaciones en comparación con competidores que permanezcan en modelos de IA puramente asistenciales o estancados en pilotos. La clave será identificar los casos de uso internos de alto valor y medir el ROI desde el inicio.
* Innovación y Adaptación: Esta transición exige más que una simple adopción tecnológica; requiere una innovación en los procesos de negocio, una estrategia de datos robusta y, fundamentalmente, una inversión en la alfabetización en IA de toda la plantilla, especialmente a nivel directivo. La capacidad de integrar IA agéntica e híbrida dependerá de la habilidad de la empresa para rediseñar flujos de trabajo, gestionar el conocimiento tácito (convirtiéndolo en explícito para la IA) y establecer marcos de gobernanza sólidos que actúen como habilitadores estratégicos, no como barreras. Las empresas que fomenten esta cultura de adaptación y aprendizaje continuo estarán mejor posicionadas para capitalizar las oportunidades que ofrece la IA autónoma
