Agentes inteligentes: la IA definitiva llega a las empresas

Una forma más operativa y específica para que las empresas aprovechen la IA generativa está empezando a tomar forma en forma de agentes de IA que trabajan silenciosamente entre bastidores, y que van más allá de las capacidades creativas de la IA generativa hacia la toma de decisiones autónoma en los flujos de trabajo empresariales.

La IA basada en agentes, en esencia, está diseñada para automatizar una función específica dentro de los innumerables procesos empresariales de una organización, sin intervención humana. Los agentes de IA pueden, por ejemplo, gestionar problemas de atención al cliente, como ofrecer un reembolso o una sustitución, de forma autónoma, y pueden identificar amenazas potenciales en la red de una organización y tomar medidas preventivas de forma proactiva.

Entre los primeros ejemplos de esta tecnología se encuentran GitHub Copilot Workspace, un agente integrado de repositorios de código, y Google AI Teammate, un asistente de IA que puede gestionar proyectos supervisando los procesos de la empresa, creando informes y generando nuevos tickets para los programadores, señala Mikhail Dunaev, director de IA de ComplyControl, un proveedor de tecnología bancaria. “En los próximos dos años, estos dos asistentes podrían sustituir potencialmente a todo un departamento de desarrollo”, afirma. “Sin embargo, esta ola no ha hecho más que empezar, y los asistentes verdaderamente valiosos aún no están disponibles para un amplio abanico de usuarios”.

Un estudio reciente de Capgemini revela que el 75% de las organizaciones encuestadas desean utilizar agentes de IA en el desarrollo de software, lo que lo convierte en uno de los primeros casos de uso. Según Michelle Zhou, fundadora de Juji AI Agents e inventora de IBM Watson Personality Insights, los agentes cognitivos de IA también pueden servir como asistentes en el entorno sanitario, interactuando con un paciente a diario para apoyar el tratamiento de salud mental, y como reclutadores de estudiantes en las universidades. Por ejemplo, el reclutador de IA podría preguntar a los futuros estudiantes por el motivo de su visita, abordar sus principales preocupaciones, deducir los intereses y puntos fuertes académicos de los estudiantes y aconsejarles sobre los programas adecuados que se ajusten a sus intereses, afirma.

Empresas como Aflac, Atlantic Health System, Legendary Entertainment y el Laboratorio de Propulsión a Chorro de la NASA son algunas de las que ya utilizan la IA agéntica.

Aumentan los agentes de IA

Según la encuesta de Capgemini a grandes empresas, una de cada 10 organizaciones está desplegando agentes de IA, y más del 50% tiene previsto explorar su uso en el próximo año. Forrester, en una reciente entrada de blog, nombró a los agentes de IA como una de las 10 principales tecnologías emergentes para 2024, y su autor, Brian Hopkins, vicepresidente de la cartera de tecnologías emergentes de Forrester, las calificó como “quizás el desarrollo más emocionante” de la lista de este año.

“Los agentes de IA aprovechan ahora modelos lingüísticos avanzados para realizar tareas complejas, tomar decisiones e interactuar de forma autónoma en nombre de empresas o individuos”, escribe. “Este cambio de la IA puramente generativa a la ‘IA agéntica’ promete capacidades de automatización más sofisticadas y menos frágiles”. La IA basada en agentes también impulsará la evolución de otras herramientas especializadas de IA, añade, entre ellas los agentes TuringBot, que pueden generar código de software.

IA independiente y decisiva

La clave para obtener el máximo valor de los agentes de IA es quitarse de en medio, dice Jacob Kalvo, cofundador y CEO de Live Proxies, un proveedor de soluciones avanzadas de proxy. “Donde la IA basada en agentes desata verdaderamente su poder es en la capacidad de actuar de forma independiente”, afirma. “Con la ‘IA agéntica’, las organizaciones podrán escalar sus operaciones y crear innovación a velocidades increíbles”.

Live Proxies utiliza agentes de IA para detectar y responder a las amenazas de ciberseguridad. La compañía ha construido un agente de IA para monitorear de forma autónoma el tráfico de red y mitigar las amenazas de ciberseguridad, sin “supervisión humana constante”, dice. “Esto nos libera para innovar y satisface a los clientes al confiar en que nuestra infraestructura de seguridad sea robusta y autosuficiente bajo la vigilancia de una ‘IA agéntica”, añade Kalvo.

En comparación con la IA generativa, que se centra en generar nuevos contenidos como texto, imágenes o música, la IA basada en agentes se centra en la toma de decisiones, afirma. “La IA generativa podría parecer entonces más creativa, generando resultados similares a los contenidos generados por humanos, mientras que la IA basada en agentes sería más operativa, actuando con implicaciones directas en los procesos empresariales o los ecosistemas tecnológicos”, señala. “En esencia, la ‘IA agéntica’ significa autonomía y ejecución, y la generativa se ocupa de la creación y la innovación”.

Agentes que impulsan el ROI

La IA basada en agentes puede aportar valor a las organizaciones que luchan por encontrar el ROI en la IA generativa, añade Dunaev. En muchos casos, la IA generativa sigue requiriendo una intervención humana significativa, afirma. “Por el contrario, la IA basada en agentes tiene el potencial de generar un valor empresarial más tangible. Actúa como un asistente autónomo, resolviendo tareas de forma independiente con capacidades como la toma de decisiones autónoma y las acciones orientadas a objetivos, que la IA generativa no ofrece”.

Más allá del uso de agentes de IA para tareas específicas y discretas, tiene el potencial de realizar una serie de tareas, de forma escalonada, dice Mike Finely, CTO y cofundador de AnswerRocket, proveedor de un asistente de IA para analítica empresarial. La IA basada en agentes es la próxima evolución de la IA, afirma. “Con este nuevo superpoder, los modelos lingüísticos descomponen los problemas complejos y hacen su trabajo en pasos incrementales. Esto significa que el modelo puede manejar problemas más difíciles, y podemos interactuar y guiar la solución, de modo que entendamos cómo obtuvo la respuesta en lugar de rascarnos la cabeza asombrados por la aparente magia”.

Problemas de confianza y reflexión

Aunque los expertos en IA ven un gran potencial en la IA basada en agentes, muchos también reconocen que los usuarios pueden tener recelos. Los usuarios de IA generativa han notado graves alucinaciones y los usuarios de agentes de IA pueden no confiar en que actúen de forma autónoma en su nombre.

Para generar confianza, los desarrolladores de agentes de IA deben facilitar a los humanos la comprobación de su trabajo, afirma Kalvo, de Live Proxies: “La confianza en los agentes de IA depende de la transparencia de su proceso de toma de decisiones y de la capacidad del sistema para explicar sus decisiones. La confianza se establece, por tanto, mediante pruebas intensivas, una comunicación clara sobre capacidades y limitaciones, con una supervisión constante”.

Otro enfoque consiste en utilizar otra IA para comprobar el trabajo de los agentes, explica Finely. Un proceso llamado reflexión utiliza un modelo de IA para reflejar la respuesta dada por otro. “En esencia, es como si un ser humano revisara los resultados de un modelo, pero automatizando esa tarea. El resultado neto puede ser un poco más de tiempo y gastos, pero si ese es el precio de la confianza, y desbloquea el enorme poder de la automatización, entonces será la respuesta ganadora”.

Las tecnologías más antiguas similares a la IA, incluido el aprendizaje automático, se han utilizado durante años, y la mayoría de las organizaciones confían en que el machine learning haga su trabajo, señala. Mientras tanto, la rápida adopción de la IA generativa muestra que los usuarios están dispuestos a confiar en ella. “La IA de última generación es una aplicación avanzada del aprendizaje automático, y las empresas empiezan a confiar en ella cuando hay referencias a las fuentes que ha utilizado, cuando se proporcionan los datos específicos de cualquier dato que se cite y cuando el modelo puede explicar las razones de sus conclusiones”, afirma Finely.