¿Es el momento de invertir en la implantación de agentes de IA?

Los proveedores de software están evolucionando sus propuestas tecnológicas de forma que la IA basada en agentes está empezando a sustituir a la IA generativa en sus mensajes de marketing. Dicen que, en lugar de limitarse a generar código o contenidos para que los revise un humano, los agentes de IA seguirán instrucciones, tomarán decisiones y emprenderán acciones como lo haría un trabajador humano pero sin que intervenga ninguna persona.

La IA basada en agentes no es sólo una versión mejorada de la automatización robótica de procesos (RPA): promete llevar a las empresas a lugares donde la RPA nunca podría llegar. “Piense en la RPA como si fuera un tren: sólo puede ir por donde están colocados los raíles. La IA basada en agentes es más parecida a un coche que se conduce solo: puede navegar por diferentes rutas y situaciones de forma adaptativa”, afirma Paul Chada, cofundador de Doozer AI, una startup de software basado en agentes de IA.

Lo que hace que la IA ágil sea autónoma o capaz de realizar acciones de forma independiente es su capacidad para interpretar datos, predecir resultados y tomar decisiones, aprendiendo de los nuevos datos, a diferencia de la RPA tradicional, que flaquea cuando se encuentra con datos inesperados, señala Cameron Marsh, analista jefe de Nucleus Research.

Esta naturaleza adaptativa de la IA basada en agentes, según Chada, puede ayudar a las empresas a aumentar su eficiencia gestionando tareas complejas y variables que la RPA tradicional no puede gestionar, como las funciones de un perito, un gestor de préstamos o un asistente social, siempre que tenga acceso a los datos, flujos de trabajo y herramientas necesarios para completar la tarea.

Los proveedores de software ya están presentando ofertas de agentes de IA con acceso a esos recursos, como Agentforce de Salesforce, los agentes autónomos basados en Copilot de Microsoft, los agentes de IA de ServiceNow, Vertex AI Agent Builder de Google, Bedrock Agents de Amazon y Watsonx Agent Builder de IBM, a los que probablemente seguirán otros.

¿Ha llegado entonces el momento de que los CIO inviertan en esta tecnología o es mejor esperar?

Los comienzos de los agentes mejorados

La IA basada en agentes promete una automatización sin intervención humana que, según sugieren los proveedores, es fácil de implementar, pero los analistas del sector y otros expertos sugieren que eso está lejos de la realidad para las incipientes tecnologías de agentes de IA que se ofrecen en la actualidad.

“Existe una gran brecha entre los actuales asistentes basados en LLM y los agentes de IA de pleno derecho”, escribía Tom Coshow, analista de Gartner, en un comunicado de la compañía a principios de octubre, señalando que para cerrar esta brecha las empresas tendrán que aprender a construirlos, gobernarlos y confiar en ellos.

Incluso para 2028, pronosticaba Coshow, la IA basada en agentes sólo estará disponible en un tercio de las aplicaciones empresariales, haciendo posible que hasta “el 15% de las decisiones laborales cotidianas se tomen de forma autónoma”.

Para Martin Bechard, consultor principal de Dev Consult Canada, “la IA basada en agentes se encuentra en la fase inicial de adopción, con ofertas iniciales que tienen fallos”.

Según Greg Ceccarelli, de Tola Capital, un inversor en nuevas empresas de software empresarial, medir cuándo estará lista la inteligencia artificial para un uso más generalizado también es una cuestión delicada. “Uno de los mayores obstáculos actuales en la industria es la falta de puntos de referencia específicos del flujo de trabajo” para comparar el rendimiento de agentes y humanos en una tarea, afirma, y los pocos que existen, como OSWorld, son de naturaleza muy académica. “La industria está todavía en el Día 0 ahora mismo en este tema”.

La adopción no es fácil y exige un duro trabajo

Aunque los proveedores presentan sus herramientas de agentes de IA como fáciles de adoptar, sustituir a un responsable humano no es tan sencillo. En el nivel más simple, los flujos de trabajo RPA ya diseñados para trabajar con humanos requerirán probablemente una reingeniería significativa antes de que estén listos para la IA basada en agentes, según Dion Hinchcliffe, vicepresidente de práctica CIO en la firma de investigación The Futurum Group. Aprovechar la capacidad de los agentes de IA para procesar datos no estructurados, gestionar decisiones contextuales e interactuar dinámicamente no suele ser tan sencillo como actualizar los guiones o flujos de trabajo existentes, afirma.

Según Jason Andersen, analista principal de Moor Insights and Strategy, los esfuerzos de ingeniería necesarios podrían incluir la evaluación y posterior exposición de los servicios, API, datos y controles adecuados a la plataforma de agentes para garantizar que el agente disponga del contexto y las herramientas necesarias para completar la tarea en cuestión.

Para Anil Clifford, fundador de la consultora de TI Eden Digital, las empresas deben cambiar su enfoque general de la automatización, ya que la naturaleza probabilística de la IA basada en agentes es fundamentalmente diferente de la automatización determinista tradicional.

Algunos proveedores de plataformas ya ofrecen plataformas de desarrollo y gestión de agentes de bajo código o sin código, pero su funcionalidad se limita a la creación de agentes sencillos o a la modificación de plantillas de agentes creadas por los propios proveedores, según los analistas. Según Hinchcliffe, de Futurum, “la creación de agentes más complejos, en concreto los que requieren integraciones personalizadas y capacidades de toma de decisiones matizadas, sigue exigiendo ciertos conocimientos técnicos sobre flujos de datos, ajuste de modelos de aprendizaje automático e integraciones de API”, y añade que existe una curva de aprendizaje en estas plataformas y que el proceso de migración puede requerir muchos recursos.

Para Marsh, la mayoría de las empresas entrevistadas por Nucleus Research sobre la experimentación con agentes de IA afirman que la curva de aprendizaje es más pronunciada de lo que afirman los proveedores, especialmente en lo que respecta a la profundidad de la personalización necesaria para implementar estas herramientas.

Andersen, de Moor, lo ejemplifica así: mientras que las plataformas sin código ofrecen herramientas de integración como conectores para trabajar con otras aplicaciones, un desarrollador experimentado o un arquitecto de empresa debe configurar primero todo un flujo de trabajo backend antes de poder crear un agente que complete una tarea compleja con una aplicación de este tipo.

Las empresas que aún utilizan aplicaciones heredadas, para las que los conectores pueden no estar disponibles o tener una funcionalidad limitada, tienen otras preocupaciones. “Estos sistemas suelen presentar problemas de integración, lo que dificulta la aplicación de cambios drásticos en la pila tecnológica existente. Es como intentar encajar un ordenador nuevo y superinteligente en una vieja fábrica que sigue funcionando con máquinas con software antiguo”, explica Shruti Dhumak, ingeniera de clientes en la nube de Google, que añade que a las startups o empresas nacidas en la nube les puede resultar más fácil adoptar los agentes de IA.

¿Cuándo es el mejor momento para implantar los agentes de IA?

Bechard, de Dev Consult, considera que el gasto en inteligencia artificial es más una apuesta por el potencial de la tecnología que una inversión en esta fase. Pero es una apuesta en la que las probabilidades pueden cambiar a medida que la IA ágil adquiera más capacidad. “Los responsables que toman decisiones tendrán que experimentar para aprender o establecer un equipo que pueda convertirse en una ventaja estratégica si la tecnología sigue mejorando”, afirma.

Sanjeev Mohan, analista jefe de SanjMo, sugiere a los directores de sistemas de información que esperaran a ver qué pasa. No ve la necesidad de gastar en agentes de IA si la RPA existente está funcionando y recomienda comprender el valor del caso de uso por adelantado antes de tomar la decisión de una implantación.

Otros analistas sugieren que el mejor camino a seguir es la adopción escalonada o por fases de la tecnología. Clifford, de Eden Digital, sugiere utilizar los agentes de IA como complemento de la RPA, no como sustituto. “Este enfoque permite a las organizaciones mantener sus inversiones en RPA para tareas estructuradas y repetitivas, al tiempo que introducen gradualmente agentes de IA para procesos más complejos y dependientes del contexto”.

Hinchcliffe también recuerda sopesar cuidadosamente el coste (en dinero y tiempo) frente a los beneficios en agilidad empresarial, escalabilidad y eficiencia operativa, añadiendo otra variable a la ecuación: es probable que los proveedores de RPA ofrezcan funciones de IA basada en agentes (UiPath ya está avanzando en esta dirección) que pueden ofrecer a las empresas una alternativa más segura y rápida.