Cinco casos de uso ‘top’ para los agentes de IA en la empresa

La próxima evolución de la IA ha llegado, y es agéntica. Los agentes de IA funcionan con los mismos sistemas de IA que los chatbots, pero pueden actuar de forma independiente, colaborar para lograr objetivos más grandes y hacerse cargo de flujos de trabajo empresariales completos. La tecnología es relativamente nueva, pero todos los principales actores ya están a bordo.

En octubre, Microsoft anunció que 100.000 organizaciones, entre las que se incluyen Standard Bank, Thomson Reuters, Virgin Money y Zurich Insurance, utilizan Copilot Studio, el doble que hace solo unos meses. Copilot Studio permite a las empresas crear agentes autónomos, así como otros agentes que conectan sistemas CRM, sistemas de RR. HH. y otras plataformas empresariales con Copilot.

A finales de 2024, Microsoft siguió ampliando su oferta de agentes con agentes diseñados específicamente para casos de uso concretos. Luego, en noviembre, la empresa reveló su Azure AI Agent Service, un servicio totalmente gestionado que permite a las empresas crear, implementar y escalar agentes rápidamente. Y en AWS, los agentes de Amazon Bedrock están disponibles desde 2023, pero en diciembre, Amazon añadió capacidades de colaboración multiagente.

Los principales proveedores de software empresarial también se están sumando al juego de los agentes. Salesforce lanzó Agentforce en octubre, y unos meses después le siguió Agentforce 2.0. La actualización incluye una biblioteca de habilidades predefinidas e integraciones de flujos de trabajo, compatibilidad con Slack y mejores capacidades de razonamiento.

Antes de eso, sin embargo, ServiceNow anunció su oferta de Agentes de IA en septiembre, con los primeros casos de uso para la gestión de servicio al cliente y la gestión de servicios de TI, disponibles en noviembre.

También hay proveedores de plataformas de IA exclusivamente para agentes, como CrewAI, y proveedores de automatización inteligente, como UiPath. Y eso es solo el principio. En un informe publicado a principios de enero, Accenture predice que los agentes de IA sustituirán a las personas como usuarios principales de la mayoría de los sistemas empresariales para 2030. Y en una encuesta realizada en enero por KPMG a 100 altos ejecutivos de grandes empresas, el 12% de las empresas ya están implementando agentes de IA, el 37% se encuentran en fase piloto y otro 51% están explorando su uso. Pero no todo es fácil, ya que la IA en sí misma no es ni de lejos perfecta.

“Existen riesgos en torno a las alucinaciones y los sesgos”, afirma Arnab Chakraborty, director de IA de Accenture. “Por lo tanto, no se trata solo del caso de uso, sino de tener las barandillas”. Los agentes también pueden ser difíciles de construir y costosos de implementar a escala.

Aun así, las empresas ya están reportando éxitos en la implementación de agentes de IA para varios casos de uso.

1. Desarrollo de ‘software’ y TI

Cognition lanzó a Devin, anunciado como el primer ingeniero de software de IA del mundo, en marzo del año pasado. En ese momento, las mejores IA no podían superar la marca del 5% en el SWE-bench, un exigente punto de referencia diseñado para ver cómo de bien puede resolver la IA los problemas de codificación del mundo real. Devin obtuvo una puntuación de casi el 14%. En agosto, los sistemas de IA agentica se acercaron al 40% y hoy han superado el hito del 60%.

Mientras tanto, en diciembre, el nuevo modelo O3 de OpenAI, un modelo de agentes aún no disponible para el público, obtuvo una puntuación del 72% en la misma prueba. Según una encuesta de Capgemini publicada a mediados de 2024, el 60% de los ejecutivos de grandes empresas afirman que los agentes de IA se encargarán de la mayor parte de la codificación en las empresas en un plazo de tres a cinco años.

Pero ya hay algunos trabajos, concretamente en el ciclo de vida del desarrollo de software, que están preparados para ser asistidos por agentes de IA.

“Hemos desarrollado nuestra propia IA de agentes para la gestión de códigos”, afirma Charles Clancy, director de Tecnología de Mitre. “El mejor caso de uso que parece funcionar bien es en la gestión de repositorios, donde revisará y corregirá errores de los repositorios de códigos”.

Por ejemplo, dice, es posible que un código fuente de hace 10 años ya no se compile correctamente en un ordenador moderno.

“El agente de IA lo descargará, intentará compilarlo y, si no funciona, corregirá los scripts de compilación y el código si es necesario, volverá a comprobar el código en el repositorio y marcará que lo ha hecho un agente de IA”, afirma.

Mitre tuvo que crear su propio sistema, añadió Clancy, porque la mayoría de las herramientas existentes utilizan una infraestructura en la nube gestionada por el proveedor para la parte de inferencia de la IA. “No podemos hacer eso por razones de seguridad”, dice.

También hay un proyecto de investigación independiente que está estudiando código de mainframe de hace 50 años y utilizando IA para extraer la lógica de negocio y reescribirla para un marco nativo de la nube, dice.

“Nuestro objetivo es modernizar los complejos sistemas heredados de TI de misión crítica en todas las organizaciones gubernamentales”, afirma.

Hay millones de líneas de código en estos sistemas, que están escritos en COBOL, MUMPS o incluso en lenguaje ensamblador vinculado al hardware original. “Estamos desarrollando nuestros propios modelos de IA personalizados para mejorar la comprensión del código en plataformas poco comunes”, añade.

Mitre también ha probado docenas de modelos comerciales de IA en un entorno seguro en la nube gestionado por Mitre con AWS Bedrock. Hasta ahora, se han procesado más de medio millón de líneas de código, pero se requiere supervisión humana debido al riesgo de alucinaciones y otros problemas de calidad.

“También hemos descubierto que la IA con agentes puede trabajar con herramientas desarrolladas para ingenieros de software para aumentar drásticamente la tasa de éxito de la validación y compilación de código”, afirma Clancy. Esto ofrece posibles vías para entrenar nueva IA para reducir la necesidad de supervisión. “Incluso teniendo en cuenta la necesaria supervisión humana, el proceso avanza cada día más rápido”.

En diciembre, Langbase publicó un informe sobre el estado de los agentes de IA, basado en más de 3400 respuestas de ejecutivos y profesionales de la tecnología. El principal caso de uso de los agentes de IA fue el desarrollo de software, citado por el 87% de los encuestados. Además, el 48% afirma que está utilizando LLM en TI y operaciones.

2. Automatización y productividad

Dado que los agentes de IA pueden tocar muchos sistemas, la automatización del flujo de trabajo y la productividad son los principales casos de uso para las empresas. Según el informe de KPMG, las tareas administrativas fueron el principal caso de uso de los agentes de IA, citado por el 60% de los encuestados. Tomemos como ejemplo Avantia, un bufete de abogados global, que utiliza IA generativa comercial y de código abierto para potenciar a sus agentes. “El principal desafío en nuestro sector es que hay cientos de tareas que podrían no estar particularmente bien automatizadas”, dice el director de Tecnología Paul Gaskell. “Y no se prestan bien a una solución SaaS. Hay demasiadas tareas separadas en demasiados lugares”.

Ahora, con Microsoft, los agentes de IA pueden actuar como compañeros que se sientan dentro de Word u Outlook, listos para realizar tareas.

“Si un cliente nos pide que hagamos una transacción o un flujo de trabajo, y Outlook o Word están abiertos, el agente de IA puede acceder a todos los datos de la empresa”, dice. “Y como son nuestros abogados los que trabajan en nuestros documentos, tenemos un registro histórico de lo que suelen hacer”.

La ventaja comercial es que los abogados pueden completar el proceso de contratación más rápidamente, responder a los clientes más rápidamente y realizar transacciones más rápidamente que nadie.

Gaskell espera ver una mejora de hasta el 45 % en los márgenes para mediados de 2025. “Hemos realizado estudios de tiempo y movimiento de lo que ya hemos hecho”, dice, “me cuesta ver cómo esto no sería el futuro del sector de los servicios profesionales”.

Gaskell afirma que su empresa es independiente de LLM, lo que significa que los agentes de IA pueden funcionar con diferentes LLM, dependiendo de cuál sea el más adecuado. Eso incluye un par de los principales modelos de código abierto, dice, porque ofrecen privacidad, ventajas de coste y menor latencia. Los agentes de IA funcionan actualmente en un hiperescalador, pero la empresa está considerando invertir en sus propias GPU y alquilar espacio en una instalación de coubicación para reducir aún más los costes.

Otra empresa que utiliza agentes para automatizar los procesos empresariales es SS&C, una empresa de servicios financieros y tecnología sanitaria.

“Recibimos muchos documentos de 20 000 clientes, en todo tipo de formatos”, afirma Brian Halpin, director general de automatización de la empresa. Pueden ser archivos PDF, formularios digitales, correos electrónicos, y la información clave puede estar en cualquier lugar y presentarse de diferentes maneras. Eso suma millones de documentos al mes que deben procesarse. “La capacidad de comprender el contexto de un documento es fundamental”, añade, y en el pasado esto ha sido lo que más ha obstaculizado la automatización, y la IA generativa puede ayudar.

“Así que, hoy en día, tenemos 20 casos de uso de producción en torno a documentos con agentes de IA”, dice Halpin. “Eso ha sido positivo y poderoso”. Los datos se guardan en una nube privada por seguridad, y el LLM también se aloja internamente. SS&C utiliza Llama de Meta, así como otros modelos, dice Halpin.

El sistema entró en producción a mediados de 2024 y procesó 50.000 documentos en noviembre. “Y seguiremos aumentando eso”, dice.

Con la automatización tradicional, los humanos tenían que mirar casi todos los documentos, dice. Con la IA, ese porcentaje se invierte. Por ejemplo, con los tipos de documentos de préstamo, el porcentaje automatizado está en torno al 90%, y solo un pequeño porcentaje de documentos necesita revisión manual.

3. Servicio y asistencia al cliente

En Dun & Bradstreet, los agentes de IA ayudan a los clientes a interactuar con la información que la empresa de investigación recopila sobre 500 millones de empresas de todo el mundo.

“Damos servicio al 95 % de las empresas de la lista Fortune 500, que utilizan nuestros datos para tomar algunas de sus decisiones más importantes”, afirma Gary Kotovets, director de Datos y Análisis de la empresa. Esto incluye decisiones crediticias y decisiones sobre la cadena de suministro, afirma. Y los datos también se utilizan para ventas y marketing.

“Para nosotros, los agentes son esenciales para interactuar con nuestros datos”, afirma. “Permiten a los clientes hacer una pregunta relacionada con una empresa y un agente de IA se asegurará de que los datos sean la información más precisa relacionada con esa empresa”. Esto no siempre es fácil porque muchas empresas tienen nombres y direcciones similares. “Ahí es donde entran los agentes. Nuestro agente dice: ‘Déjeme asegurarme de que esta empresa es la empresa real sobre la que preguntan’. Son capaces de entender las preguntas que se hacen”.

4. Creación de contenidos

Escribir texto y crear imágenes fueron dos de los primeros casos de uso populares de la IA generativa. Ahora, los agentes de IA pueden impulsar el proceso de creación de contenidos. Según la encuesta de Langbase, la generación y el resumen de textos fue el segundo caso de uso más popular, citado por el 59% de los encuestados, seguido del marketing y las comunicaciones con un 50%. Y EY utiliza agentes de IA en su servicio de gestión de riesgos de terceros.

“Nos contratan para evaluar a algún proveedor que traen a bordo”, dice Sinclair Schuller, director de EY. “Nuestros evaluadores de riesgos hacen ese trabajo, dedicando hasta 50 horas a un proveedor, estudiando detenidamente los contratos y otros documentos para elaborar un informe que señale los riesgos que observamos”.

Así es como se hacía normalmente, hasta que llegó la IA.

“Ahora podemos alimentar a la IA con toda la documentación de contacto y pública, y puede generar un informe en minutos en lugar de días con una precisión y un detalle extraordinarios”, afirma. Luego, los expertos humanos mejoran esos informes. “La IA más la experiencia humana supone un enorme impulso en la calidad”, afirma.

Ahora, con la IA agentiva, el proceso está cambiando una vez más.

“Lanzaremos una versión de este proceso impulsada por agentes, en la que se realizará un seguimiento continuo de los proveedores, lo que antes no era posible”, afirma.

Esto es algo que las empresas suelen pasar por alto cuando piensan en los agentes de IA, afirma. “Mucha gente se ha centrado en los casos de uso de optimización”, afirma. “Pero el verdadero valor es esta expansión del mercado y la expansión de las oportunidades de ingresos”.

5. RR.HH y apoyo a los empleados

Otro caso de uso de alto valor y relativamente bajo riesgo para los agentes de IA es responder a las preguntas de los empleados y gestionar tareas sencillas en su nombre. De hecho, una encuesta de IBM de enero sobre el desarrollo de la IA general concluyó que el 43% de las empresas utilizan agentes de IA para RR. HH.

Indicium, una empresa global de servicios de datos, comenzó a implementar agentes de IA a mediados de 2024, por ejemplo, cuando la tecnología empezó a madurar.

“Empezarías a ver aplicaciones listas para usar, tanto de código abierto como patentadas, que facilitarían su creación”, afirma Daniel Avancini, director de Datos Corporativos de la empresa.

Los agentes se utilizan para facilitar las cosas a RR. HH., dice, incluyendo tareas como la recuperación de conocimientos internos, el etiquetado y la documentación, así como otros procesos empresariales. Cada agente es como un microservicio, especializado en una cosa en particular. “Y todos ellos hablan entre sí en un sistema multiagente”, dice. Estas conversaciones basadas en mensajes pueden volverse peculiares. Lo complicado es que existe la posibilidad de alucinaciones y todos los demás problemas que conlleva la IA general. “Así que hay que ajustar mucho el modelo para que no hagan algo incorrecto o accedan a la información equivocada”, dice.

En el lado positivo, los agentes de IA pueden manejar muchas preguntas de forma autónoma, por lo que hay un beneficio comercial. “Estamos encontrando cosas que no están correctamente documentadas, por lo que nos ayuda a mejorar los procesos”, añade.

Confiar, pero verificar

La seguridad fue una piedra angular del desarrollo de los agentes de IA desde el primer día. De hecho, uno de los primeros marcos agenticos fue BabyAGI, lanzado a principios de 2023, que combinaba ChatGPT con una base de datos vectorial Pinecone para la memoria, y LangChain para la orquestación. El desarrollador que lo creó le pidió en broma que creara tantos clips como fuera posible, en referencia a un hipotético apocalipsis de clips causado por una IA sin control, y el sistema reconoció inmediatamente el potencial de problemas y comenzó generando primero un protocolo de seguridad para sí mismo. Pero la mayoría de los desarrolladores de IA agéntica no están dispuestos a confiar tanto en la IA.

En una encuesta de LangChain realizada en noviembre a más de 1300 profesionales, el 55% de los encuestados dijo que las herramientas de rastreo y observabilidad son un control imprescindible para los agentes de IA, ya que les ayudan a obtener visibilidad sobre el comportamiento y el rendimiento de los agentes. Además, el 44% contaba con barreras de seguridad y el 40% utilizaba la evaluación fuera de línea.

“Los modelos de IA son arriesgados y cometen todo tipo de errores”, afirma Virginia Dignum, presidenta del consejo de política tecnológica de la Association for Computing Machinery y profesora de la Universidad de Umeå (Suecia).

Pero es posible crear sistemas para detectar errores, dice, de modo que, si un agente no es capaz de realizar una tarea, admitiría que ha fallado en lugar de intentar inventar algo.

“Hay mucha investigación sobre esto y está en teoría”, dice. “Pero, que yo sepa, no existe realmente una interfaz de agente adecuada. Y una vez que empieces a desarrollar estos sistemas, tendrás que lidiar con las consecuencias y con lo que sucede si uno de ellos hace algo mal”.

Eso significa que hay una necesidad de gobernanza y regulación. Y los marcos de agentes no solo deben ocuparse de las implicaciones prácticas y comerciales de los posibles errores de la IA, sino también de las implicaciones legales.

“Si no se resuelven, no creo que los agentes empresariales sean de mucha utilidad”, afirma.

Además, existe otro riesgo que las empresas deben tener en cuenta al implementar agentes de IA: la disrupción y los resultados negativos causados por la escala de automatización impulsada por la IA que los agentes de IA hacen posible. El proceso de gestión del cambio es muy importante a la hora de implementar estos sistemas, afirma Pushpa Ramachandran, vicepresidente y director global de IA en Wipro Technologies. “Aquí es donde veo que muchos clientes se toman un poco más de tiempo”, afirma. Y tomarse el tiempo extra por adelantado significa que la empresa puede llegar más lejos a largo plazo. “Los que son reflexivos sobre el proceso de gestión del cambio pueden escalar más rápido”, afirma.