Cómo saber si un proceso empresarial está listo para la IA agéntica

Este podría ser el año en que la inteligencia artificial (IA) agéntica llegue a lo más alto, ya que muchas empresas buscan casos de uso de valor añadido. Una pregunta clave: ¿qué procesos empresariales son realmente adecuados para los agentes de IA?

La consultora empresarial Deloitte predice que, en 2025, el 25% de las empresas que utilizan IA generativa pondrán en marcha proyectos piloto o pruebas de concepto de agentes de IA, porcentaje que aumentará hasta el 50% en 2027. La empresa afirma que algunas aplicaciones de IA con agentes, en algunos sectores y para algunos casos de uso, podrían verse adoptadas este año en los flujos de trabajo existentes.

Pero no todos los procesos empresariales son buenos candidatos para la IA agéntica y, por lo tanto, no merecen la inversión. Algunos observadores del mercado ven una alternativa, la automatización determinista, que seguirá dominando la automatización en la producción este año.

Esto es lo que los CIO deben tener en cuenta para garantizar que la IA agéntica dé sus frutos en un flujo de trabajo determinado.

Alineación empresarial, valor y riesgo

¿Cómo puede una empresa saber si un proceso de negocio está listo para la IA agéntica? Un factor a tener en cuenta, como con cualquier inversión en TI, es si la adopción añadirá valor real a un proceso.

“Una estrategia de IA agéntica exitosa comienza con una definición clara de lo que se pretende que logren los agentes de IA”, afirma Prashant Kelker, director de Estrategia y socio de la empresa global de investigación tecnológica y asesoramiento en TI ISG. “Es esencial alinear los objetivos de la IA con los objetivos empresariales más amplios”.

“La IA agéntica necesita una misión. Sin un propósito claramente definido, es como enviar un barco al mar sin destino”.

Inicialmente, la decisión de si un proceso empresarial es un buen candidato para cambiar a la IA agéntica seguiría los mismos procesos internos aplicables a una evaluación de si se debe utilizar cualquier nueva solución empresarial o tecnológica, dice Reiko Feaver, socia del bufete de abogados Culhane Meadows, cuya práctica se centra en la IA.

Si un análisis de coste/beneficio muestra que la IA con capacidad de actuar proporcionará lo que falta en los procesos actuales y ofrecerá un retorno de la inversión (ROI), entonces una empresa debería seguir adelante con los recursos necesarios, incluyendo dinero, personas y tiempo. Esta ecuación se complica aún más por el hecho de que los precios de las ofertas de IA con capacidad de actuar de los proveedores pueden ser complejos y aún no estar del todo claros.

El nivel de autonomía, el aumento de recursos y la complejidad de la IA agéntica para un proceso o procesos determinados también crean desafíos que deben tenerse en cuenta, afirma Feaver. La capacidad de una empresa para hacer frente a estos desafíos puede ayudar a determinar si los procesos están preparados para la IA agéntica.

“¿Dispone la empresa de los recursos iniciales y continuos para respaldar y mejorar continuamente la tecnología de IA agéntica, incluyendo la infraestructura y los datos necesarios?”, dice Feaver. “¿Dispone de una estructura de supervisión y revisión del cumplimiento para evaluar inicialmente los riesgos de la IA agéntica específica; supervisar y corregir cuando surjan problemas; medir el éxito; y mantenerse al día sobre la legislación y la normativa aplicables?”.

Además, “¿puede la empresa permitirse un fallo de la IA agéntica en un proceso, en términos de rendimiento y cumplimiento? ¿Cuál sería el impacto empresarial si la IA agéntica fallara y tuviera que ser reemplazada por otra solución para manejar el proceso empresarial relevante?”, pregunta Feaver. “¿Puede ese proceso empresarial ser respaldado fácilmente por otra solución?”.

Datos y marcos de acción

Otro atributo clave de un buen caso de uso de IA agéntica es la calidad de los datos que se utilizan para respaldar un proceso.

“Para obtener un valor tangible y un retorno de la inversión en IA agéntica, las empresas deben asegurarse de que disponen de datos de alta calidad”, afirma Saket Srivastava, director de Información del proveedor de plataformas de gestión del trabajo Asana. “Si los datos con los que [los agentes] actúan están desactualizados, no son significativos o no se ajustan a los objetivos de la empresa, las organizaciones no obtendrán resultados valiosos de estos agentes de IA”.

Los agentes de IA también necesitan información sobre quién es responsable de tareas específicas, cuáles son los objetivos, cuándo deben realizarse las acciones y cómo se desarrolla el proceso. “Sin este marco de acción, incluso los sistemas de IA más avanzados tendrán dificultades para proporcionar un valor significativo”, afirma Srivastava.

Para Asana, la IA agéntica desempeña un papel fundamental en los esfuerzos de la empresa por transformar la gestión del trabajo a nivel interno y para sus clientes. El año pasado, introdujo agentes de IA que asesoran sobre prioridades, impulsan los flujos de trabajo y toman medidas sobre el trabajo, todo ello adaptándose a las formas únicas de trabajar de las personas y los equipos, afirma Srivastava.

Asana también ha lanzado recientemente Asana AI Studio, que utiliza la IA agéntica para permitir a los equipos crear flujos de trabajo sin código y con tecnología de IA. “Estos flujos de trabajo [permiten] a los agentes de IA gestionar tareas manuales repetitivas como clasificar solicitudes de proyectos, redactar informes o asignar trabajo, lo que reduce significativamente el tiempo que los equipos dedican al trabajo rutinario”, afirma Srivastava.

“Hemos permitido a todos nuestros empleados aprovechar AI Studio para tareas específicas como investigar y redactar planes, asegurando que las traducciones precisas de contenidos o activos cumplan con las directrices de la marca”, afirma Srivastava.

Por ejemplo, el equipo de ciberseguridad de Asana ha utilizado AI Studio para ayudar a reducir la fatiga de las alertas y liberar la cantidad de trabajo que el equipo había dedicado anteriormente a clasificar alertas y vulnerabilidades. El departamento de TI utiliza Asana AI Studio para la gestión de proveedores, para dar soporte a las solicitudes del servicio de asistencia y para garantizar que cumple con los requisitos de gestión de software y cumplimiento.

Servicio de atención al cliente: un caso de uso objetivo de la IA agéntica

Un área que podría ser ideal para la IA agéntica es el servicio al cliente. Las empresas llevan tiempo utilizando sistemas de respuesta de voz interactiva (IVR) y los primeros chatbots de servicio al cliente para automatizar las interacciones con los clientes, afirma Sheldon Montiero, director de Producto y jefe de IA generativa de la consultora tecnológica Publicis Sapient. Pero están basados en reglas y operan dentro de flujos de trabajo fijos y predefinidos, dice.

“Los IVR se basan en árboles de decisión rígidos, lo que significa que tienen dificultades con consultas complejas o inesperadas, lo que a menudo frustra a los clientes que se quedan atascados en bucles interminables o se ven obligados a repetirse”, afirma Montiero.

Los chatbots heredados funcionan mediante la coincidencia de palabras clave y respuestas preescritas, afirma Montiero. Funcionan bien para consultas simples y estructuradas, como consultar el saldo de una cuenta, pero fallan cuando los clientes formulan preguntas de formas inesperadas, introducen múltiples temas o requieren comprensión contextual, afirma.

“Ambos enfoques carecen de verdadera adaptabilidad y resolución dinámica de problemas, lo que conduce a frecuentes escalamientos a agentes humanos y a malas experiencias de los clientes”, afirma Montiero. La IA agéntica introduce un nuevo paradigma, pasando de la automatización basada en reglas a agentes de servicio al cliente autónomos, autocorregibles y conscientes del contexto, afirma.

“El servicio de atención al cliente es un caso de uso potente porque requiere resolver problemas de los clientes que pueden ser complejos y de varios pasos con dependencias, lo que implica comprensión contextual, comprensión de matices y razonamiento a través de los problemas de los clientes, y ajustes basados en condiciones cambiantes”, afirma Montiero.

Las interacciones del servicio de atención al cliente implican datos no estructurados como texto, imágenes y voz, y operan en entornos dinámicos, lo que requiere un aprendizaje constante y una adaptación en tiempo real, afirma Montiero.

“La ventaja competitiva puede maximizarse mediante la resolución inmediata y autónoma, y utilizando la retroalimentación para mejorar con el tiempo”, afirma. “Los chatbots y los IVR heredados se basaban en la automatización de tareas. La IA agéntica se basa en resolver problemas y ofrecer experiencias de cliente en tiempo real, adaptativas y personalizadas”.

Puntos fuertes de la IA agéntica

Además de los flujos de trabajo de atención al cliente, los expertos ven cuatro escenarios de procesos genéricos que podrían proporcionar casos de uso significativos para la IA agéntica.

1. Elevar los procesos empresariales híbridos

Un escenario en el que la IA agencial puede tener un impacto es en los procesos empresariales que ya combinan tareas automatizadas y basadas en decisiones humanas, afirma Priya Iragavarapu, vicepresidenta de Ciencia y Análisis de Datos de la consultora global de gestión y tecnología AArete.

“La IA agéntica es más aplicable a los procesos empresariales que tienen un doble enfoque de tareas programáticas y manuales entrelazadas en un solo proceso”, afirma Iragavarapu.

Un ejemplo de esto sería cuando un flujo de trabajo de procesamiento de reclamaciones de seguros implica la validación automatizada de datos estructurados —como la verificación de números de póliza y fechas de cobertura— combinada con la revisión manual de documentos no estructurados, como informes médicos o casos excepcionales que requieren interpretación humana.

2. Unir y orquestar flujos de trabajo que abarcan silos

Otro escenario en el que la IA puede aprovecharse para aportar valor es cuando un proceso empresarial abarca varios equipos aislados, en los que cada equipo no tiene visibilidad ni acceso a los datos o sistemas de otros equipos.

“Entonces lo mejor es crear un agente de IA que pueda recibir formación cruzada para adquirir esta experiencia y conocimientos interfuncionales”, afirma Iragavarapu. Un ejemplo de esto es un proceso de pedido a cobro en una gran organización, donde los equipos de ventas, finanzas y logística operan cada uno en sistemas separados.

“El agente de IA puede integrar y agregar datos de todos estos sistemas, proporcionando una visión unificada para identificar cuellos de botella, enviar alertas proactivas sobre retrasos y ayudar en las tareas de conciliación”, dice Iragavarapu. El agente actúa como un puente entre los equipos para garantizar flujos de trabajo y toma de decisiones más fluidos, sostiene.

Cuando los procesos abarcan varios equipos o departamentos y requieren una coordinación significativa, pueden beneficiarse de la capacidad de la IA para actuar como un orquestador, dice Srivastava. Los agentes de Asana pueden sugerir flujos de trabajo óptimos y garantizar la responsabilidad mediante el seguimiento del progreso del equipo. “Esto garantiza que el trabajo se alinee con los objetivos y reduce el riesgo de falta de comunicación o incumplimiento de plazos”, afirma.

3. Agregación de la automatización a través de múltiples pasos repetitivos

“Los procesos que implican acciones rutinarias y repetitivas, como la introducción de datos, la asignación de tareas o la generación de informes, están listos para la IA [agéntica]”, afirma Srivastava. “Estas tareas suelen consumir mucho tiempo de los empleados, pero no requieren un pensamiento creativo o estratégico profundo. La IA agéntica puede automatizar estos flujos de trabajo, lo que permite a los empleados centrarse en actividades de mayor valor”.

ISG está utilizando IA agéntica para algunos componentes de su herramienta ISG Tango. “Estamos actualizando [la herramienta] para incorporar elementos de IA y pilotar casos de uso en adquisiciones, abastecimiento y gestión de proveedores, que constituyen la mayor parte de nuestros servicios de consultoría”, afirma Kelker. “Estamos acelerando aquellos casos de uso en los que podemos ir más allá del aprendizaje automático tradicional para actuar de forma autónoma para completar tareas y tomar decisiones”.

Los pasos que son muy repetitivos y siguen reglas bien definidas son los principales candidatos para la IA agéntica, dice Kelker. “Por ejemplo, el procesamiento de facturas coincidentes en la gestión de proveedores dio lugar a nuestra oferta de análisis forense de facturas, que garantiza que las empresas no paguen dos veces por los servicios”, dice. “Las reglas deben ser claras y la repetitividad debe ser alta. Esta es la combinación ideal”.

4. Suplantar las costosas tareas manuales

Otro escenario propicio para la IA con agentes es cuando un proceso empresarial implica un enfoque manual y sería demasiado caro contratar trabajadores para que se encarguen de las tareas.

“Un ejemplo de esto son las operaciones de atención al cliente en una empresa en rápido crecimiento”, dice Iragavarapu. En lugar de contratar a un gran equipo para que se encargue de las consultas rutinarias de los clientes, como las actualizaciones del estado de los pedidos, los problemas de las cuentas o la resolución de problemas básicos, un agente de IA podría encargarse de una parte importante de estas interacciones de forma autónoma

“Puede resolver problemas comunes, derivar casos complejos a agentes humanos y aprender con el tiempo para mejorar sus respuestas”, afirma Iragavarapu. “Este enfoque reduce los costes operativos, mejora los tiempos de respuesta y permite a los agentes humanos centrarse en interacciones de mayor valor, como la gestión de disputas o la creación de relaciones con los clientes”.