¿Se imagina una inteligencia artificial (IA) que no solo responda a una petición, sino que detecte lo que hay que hacer, coordine los siguientes pasos y los ejecute sin que nadie tenga que indicarle cada movimiento? Ya es posible. Mientras los propios creadores de IA alertan estos días sobre los riesgos de unos sistemas cada vez más autónomos, las empresas avanzan en la dirección contraria: delegan más trabajo a estas herramientas.
Del piloto al despliegue: los obstáculos
Pasar de proyectos piloto a ejercicios a mayor escala exige superar algunas barreras que desde la consultora PwC resumen en:
- Procesos. Escalar exige revisar procesos completos, superar pilotos aislados y garantizar datos de calidad, permisos y acceso seguro al conocimiento corporativo.
- Gobernanza. Es necesario definir responsabilidades, trazabilidad, auditoría y límites de actuación, además de protegerse frente a fugas de datos, ataques y errores.
- Talento. La falta de profesionales especializados y la formación dificultan el salto. El 73% de las organizaciones señala la capacitación en supervisión y orquestación de agentes de inteligencia artificial (IA) como uno de los principales obstáculos.
- Confianza. La supervisión humana añade complejidad, especialmente en sectores regulados, mientras el 65% de los trabajadores no se siente cómodo dejando decisiones a la IA.
- Retorno. El 56% de los CEO aún no ve un beneficio financiero claro de sus inversiones en IA, lo que obliga a medir el impacto de los agentes en el negocio.
Las empresas incorporan ya sistemas que encadenan tareas y colaboran, aunque mantienen bajo supervisión humana las decisiones económicas, regulatorias y reputacionales
¿Se imagina una inteligencia artificial (IA) que no solo responda a una petición, sino que detecte lo que hay que hacer, coordine los siguientes pasos y los ejecute sin que nadie tenga que indicarle cada movimiento? Ya es posible. Mientras los propios creadores de IA alertan estos días sobre los riesgos de unos sistemas cada vez más autónomos, las empresas avanzan en la dirección contraria: delegan más trabajo a estas herramientas.
“Estamos evolucionando desde asistentes individuales hacia ecosistemas de agentes especializados capaces de colaborar entre sí, compartir contexto y coordinar tareas complejas de forma autónoma, bajo supervisión humana”, señala María Vázquez, directora de Soluciones Empresariales de Microsoft España.
Pero que un sistema pueda actuar de forma autónoma no significa que una empresa tenga que darle carta blanca. Alejandro Martínez, adjunto al vicerrector de Universidad Digital para Inteligencia Artificial de la Universidad Politécnica de Madrid (UPM), pone el foco precisamente ahí: “A muchas empresas no les hace falta utilizar el modelo más avanzado disponible”. “Para muchas tareas bastan modelos más pequeños o especializados, más baratos, predecibles y fáciles de controlar”. Lo determinante, sostiene, es “qué puede hacer realmente el sistema una vez integrado en la operativa: qué permisos recibe, qué acciones puede ejecutar y cuándo debe intervenir una persona”, puntualiza.
Por eso, explica César Calleja, socio responsable de Consultoría de PwC, los primeros despliegues se están concentrando en procesos repetitivos y de alto volumen, con reglas claras y un impacto económico medible, como la gestión de siniestros, algunos procesos financieros, la revisión documental o las incidencias informáticas. “La implantación es todavía más cautelosa cuando la decisión tiene consecuencias económicas, regulatorias o reputacionales, por lo que en muchos entornos los agentes [de IA] siguen funcionando con supervisión humana”, concluye.
La solución que plantea PwC es una delegación progresiva: primero asistir, resumir y redactar; después analizar, predecir y recomendar; y en niveles superiores, ejecutar tareas con aprobación humana o dentro de límites definidos. La autonomía plena sigue siendo minoritaria: según sus datos, solo el 15% de las empresas líderes la tiene en explotación.
Aunque existen casos que nos permiten entrever hasta dónde puede llegar esta tecnología. Uno de ellos es el de Walmart, uno de los mayores grupos de distribución del mundo. La compañía trabaja con más de 100.000 proveedores y utiliza agentes de inteligencia artificial para negociar de forma autónoma con aquellos con los que no era viable un proceso individualizado. Según el caso analizado por Harvard Business Review, el sistema logra cerrar acuerdos con el 68% de los proveedores contactados.
Resultados medibles
En España, Microsoft desarrolla y aplica esta tecnología tanto internamente como junto a empresas de distintos sectores. Con Serveo, por ejemplo, que ha desarrollado más de 700 agentes y reducido hasta un 80% determinados tiempos de gestión. En el ámbito jurídico, Ilunion utiliza Litigator para analizar expedientes judiciales en segundos y ahorrar más de 7.000 horas de trabajo al año. Y en banca, Bankinter ha desplegado agentes creados por sus propios empleados para automatizar tareas y apoyar procesos internos.
La variedad de usos se extiende a otros sectores. Ferrovial utiliza agentes coordinados para analizar y resolver incidencias en las autopistas que gestiona en Estados Unidos, mientras Cosentino ha desarrollado CLAR, que ofrece información técnica, consulta la disponibilidad de productos y da soporte en tiempo real a clientes y distribuidores.
La propia Microsoft aplica esta lógica con Copilot Cowork, capaz de ejecutar tareas complejas y procesos de varios pasos utilizando distintas fuentes de información. Una delegación que se extiende a su área de ciberseguridad. Vázquez explica que Project Perception, “una arquitectura en la que distintos agentes especializados trabajan de forma coordinada, detecta vulnerabilidades, analiza cuáles suponen un riesgo real y refuerza las defensas”. Con más de 800.000 agentes para una plantilla de 200.000 empleados, cree que las cuentas salen: “En un piloto comercial, estos agentes permitieron aumentar un 9,4% los ingresos por empleado y reducir un 20% el tiempo de cierre de operaciones”.
En definitiva, esta autonomía, según señala Carlos Becker, responsable de grandes cuentas de HappyRobot, compañía especializada en automatizar procesos empresariales mediante agentes de IA, dependerá de cada compañía, sus procesos y su confianza en la tecnología. “En HappyRobot no trabajamos con un modelo único. Identificamos qué tareas tiene sentido automatizar, con qué objetivos y dónde debe mantenerse la intervención humana”. La firma, que acaba de cerrar una ronda de financiación de 150 millones de dólares y trabaja con más de 150 clientes –entre ellos DHL, Naturgy, Kuehne+Nagel y Uber– cree que las empresas implantaran en mayor medida estas soluciones si ven resultados. Según el Instituto de Tecnología de Massachusetts (MIT), el 95% de los pilotos de IA generativa aún no demuestra un impacto medible en la cuenta de resultados. “Nuestra ambición”, concluye Becker, “es formar parte de ese reducido 5% de proyectos de inteligencia artificial que ha superado la fase piloto y convierte la experimentación en resultados de negocio visibles y medibles”.
Del piloto al despliegue: los obstáculos
Pasar de proyectos piloto a ejercicios a mayor escala exige superar algunas barreras que desde la consultora PwC resumen en:
- Procesos. Escalar exige revisar procesos completos, superar pilotos aislados y garantizar datos de calidad, permisos y acceso seguro al conocimiento corporativo.
- Gobernanza. Es necesario definir responsabilidades, trazabilidad, auditoría y límites de actuación, además de protegerse frente a fugas de datos, ataques y errores.
- Talento. La falta de profesionales especializados y la formación dificultan el salto. El 73% de las organizaciones señala la capacitación en supervisión y orquestación de agentes de inteligencia artificial (IA) como uno de los principales obstáculos.
- Confianza. La supervisión humana añade complejidad, especialmente en sectores regulados, mientras el 65% de los trabajadores no se siente cómodo dejando decisiones a la IA.
- Retorno. El 56% de los CEO aún no ve un beneficio financiero claro de sus inversiones en IA, lo que obliga a medir el impacto de los agentes en el negocio.
Feed MRSS-S Noticias
