¿Te imaginas una inteligencia artificial (IA) que no solo responda a una solicitud, sino que también detecte lo que hay que hacer, coordine los siguientes pasos y los ejecute sin que nadie tenga que indicarle cada movimiento? Es posible. Mientras los propios creadores de la IA alertan estos días sobre los riesgos de unos sistemas cada vez más autónomos, las empresas van en la dirección contraria: delegan más trabajo en estas herramientas. Sigue leyendo. Del proyecto piloto a la implantación: obstáculos. Pasar de proyectos piloto a iniciativas a mayor escala requiere superar algunas barreras que el consultor de PwC resume en: Procesos. La escalabilidad exige revisar procesos completos, superar los proyectos piloto aislados y garantizar la calidad de los datos, los permisos y el acceso seguro al conocimiento corporativo. Gobierno. Es necesario definir las responsabilidades, la trazabilidad, la auditoría y los límites de actuación, así como protegerse contra fugas de datos, ataques y errores. Talento. Es un reto dar el salto debido a la falta de profesionales especializados y de formación. El 73 % de las organizaciones señala la formación en la supervisión y la orquestación de los agentes de inteligencia artificial (IA) como uno de los principales obstáculos. Confianza. El 65 % de los trabajadores no se siente cómodo dejando las decisiones en manos de la IA, mientras que la supervisión humana añade complejidad, especialmente en los sectores regulados. Rentabilidad. El 56 % de los directores generales 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 ya incorporan sistemas que se encadenan y colaboran, aunque mantienen las decisiones económicas, normativas y de reputación bajo supervisión humana
Noticias de MRSS-S
¿Te imaginas una inteligencia artificial (IA) que no solo responda a una solicitud, sino que también detecte lo que hay que hacer, coordine los siguientes pasos y los ejecute sin que nadie tenga que indicarle cada movimiento? Es posible. Mientras los propios creadores de la IA alertan estos días sobre los riesgos de unos sistemas cada vez más autónomos, las empresas van en la dirección opuesta: delegan más trabajo en estas herramientas. «Estamos pasando de los asistentes individuales a ecosistemas de agentes especializados capaces de colaborar entre sí, compartir contexto y coordinar tareas complejas de forma autónoma, bajo supervisión humana», afirma María Vázquez, directora de Soluciones Empresariales de Microsoft España. Sin embargo, la capacidad de un sistema para funcionar de forma independiente no exige que una empresa deba presentarle una «tarjeta blanca». Según Alejandro Martínez, que ocupa el cargo de vicerrector de la Universidad Politécnica de Madrid (UPM), «muchas empresas no necesitan utilizar el modelo más avanzado disponible». «Para muchas tareas, bastan modelos más pequeños o más especializados, que son más baratos, predecibles y fáciles de controlar». El factor determinante, según él, es «lo que el sistema puede hacer realmente una vez integrado en el sistema operativo: qué permisos recibe, qué acciones puede ejecutar y cuándo debe intervenir una persona», señala. Más información. Por este motivo, explica César Calleja, socio responsable de PwC Consulting, las primeras implementaciones se centran en procesos repetitivos y de gran volumen, con reglas claras y un impacto económico cuantificable, como la gestión de reclamaciones, algunos procesos financieros, la revisión de documentación o las incidencias informáticas. «La implementación es aún más cautelosa cuando la decisión tiene consecuencias económicas, normativas o reputacionales, por lo que, en muchos entornos, los agentes de IA siguen funcionando bajo supervisión humana», concluye. La solución propuesta por PwC es una delegación progresiva: primero para asistir, resumir y redactar; después, para analizar, predecir y recomendar; y, en niveles superiores, para realizar tareas con aprobación humana o dentro de límites definidos. La autonomía total sigue siendo minoritaria: según sus datos, solo el 15 % de las empresas líderes la tiene en funcionamiento. Aunque hay casos que nos permiten ver hasta dónde puede llegar esta tecnología. Uno de ellos es Walmart, uno de los mayores grupos de distribución del mundo. La empresa 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 de estudio de la Harvard Business Review, el sistema es capaz de cerrar acuerdos con el 68 % de los proveedores contactados. Resultados cuantificables. En España, Microsoft desarrolla y aplica esta tecnología tanto a nivel interno como con empresas de diferentes sectores. Con Serveo, por ejemplo, ha desarrollado más de 700 agentes y ha 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 el sector bancario, Bankinter ha implementado agentes creados por sus propios empleados para automatizar tareas y dar soporte a los procesos internos. Más información. 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 que Cosentino ha desarrollado CLAR, que ofrece información técnica, consulta la disponibilidad de productos y proporciona asistencia en tiempo real a clientes y distribuidores. . xia yuan (GETTY IMAGES). La propia Microsoft aplica esta lógica con Copilot Cowork, capaz de ejecutar tareas complejas y procesos de varios pasos utilizando diferentes fuentes de información. Una delegación que se extiende a su área de ciberseguridad. Vázquez explica que el Proyecto Perception, «una arquitectura en la que diferentes actores 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 cuadran: «En una prueba piloto comercial, estos agentes permitieron aumentar los ingresos por empleado en un 9, 4 % y a reducir el tiempo de cierre de las operaciones en un 20 %». En definitiva, esta autonomía, según Carlos Becker, responsable de grandes cuentas de HappyRobot, una empresa especializada en la automatización de procesos de negocio mediante agentes de IA, dependerá de cada empresa, de sus procesos y de su confianza en la tecnología. «En HappyRobot no trabajamos con un único modelo. Identificamos qué tareas tiene sentido automatizar, con qué objetivos y en qué casos debe mantenerse la intervención humana». La empresa, que acaba de cerrar una ronda de financiación de 150 millones de dólares y trabaja con más de 150 clientes —entre los que se encuentran DHL, Naturgy, Kuehne + Nagel y Uber—, cree que las empresas seguirán implantando estas soluciones si ven resultados. Según el Instituto Tecnológico de Massachusetts (MIT), el 95 % de los proyectos piloto de IA generativa aún no demuestran un impacto medible en los resultados. «Nuestra ambición», concluye Becker, «es formar parte de ese pequeño 5 % de proyectos de inteligencia artificial que han superado la fase piloto y convierten la experimentación en resultados empresariales visibles y cuantificables». Del proyecto piloto a la implantación: obstáculos. Pasar de los proyectos piloto a iniciativas a mayor escala requiere superar algunas barreras que el consultor de PwC resume en: Procesos. La escalabilidad exige revisar los procesos en su totalidad, superar los proyectos piloto aislados y garantizar la calidad de los datos, los permisos y el acceso seguro al conocimiento corporativo. Gobernanza. Es necesario definir responsabilidades, trazabilidad, límites de auditoría y actuación, así como protegerse contra fugas de datos, ataques y errores. Talento. La falta de profesionales especializados y de formación dificulta dar el salto. El 73 % de las organizaciones señala la formación en la supervisión y la coordinación de agentes de inteligencia artificial (IA) como uno de los principales obstáculos. Confianza. La supervisión humana añade complejidad, especialmente en sectores regulados, mientras que el 65 % de los trabajadores no se siente cómodo dejando las decisiones en manos de la IA. Rentabilidad. El 56 % de los directores generales sigue sin ver un beneficio financiero claro de sus inversiones en IA, lo que obliga a medir el impacto de los agentes en el negocio.
