Doxa 2102

¿Qué es la IA Agentic y cómo cambiará el trabajo?

Por Marco Purdy

IA Generativa

Harvard Business Review

#Doxa #IA #Agentic #trabajo #robots #científico #ingeniero #sistemas #agentes #razonamiento #productividad #innovación #conocimiento #laboral #riesgos #líder #empresa #gubernamental #beneficios

Resumen. Desde los primeros tiempos de los autómatas mecánicos hasta los más recientes robots conversacionales, los científicos e ingenieros han soñado con un futuro en el que los sistemas de IA puedan trabajar y actuar de forma inteligente e independiente. Los recientes avances en IA con agentes acercan ese futuro autónomo un paso más a la realidad. Con sus capacidades de razonamiento y ejecución supercargadas, los sistemas de IA con agentes prometen transformar muchos aspectos de la colaboración entre humanos y máquinas. El premio de la IA con agentes podría ser grande, con la promesa de una mayor productividad, innovación y conocimientos para la fuerza laboral humana. Pero también lo son los riesgos: la posibilidad de sesgo, errores y uso inadecuado. La acción temprana de los líderes empresariales y gubernamentales ahora ayudará a establecer el rumbo correcto para el desarrollo de la IA con agentes, de modo que sus beneficios se puedan lograr de manera segura y justa.

La forma en que los humanos interactúan y colaboran con la IA está dando un gran paso adelante gracias a la IA con agentes. Piense en agentes con inteligencia artificial que puedan planificar su próximo viaje al extranjero y hacer todos los arreglos de viaje; robots con apariencia humana que actúen como cuidadores virtuales de personas mayores; o especialistas en cadenas de suministro con inteligencia artificial que puedan optimizar los inventarios sobre la marcha en respuesta a las fluctuaciones de la demanda en tiempo real. Estas son solo algunas de las posibilidades que abre la próxima era de la IA con agentes.

Mientras que los asistentes de IA anteriores se basaban en reglas y tenían una capacidad limitada para actuar de forma independiente, la IA agéntica estará capacitada para hacer más en nuestro nombre. Pero, ¿qué es exactamente la IA agéntica? “Se puede definir la IA agéntica con una palabra: proactividad”, dijo Enver Cetin, un experto en IA de la firma global de ingeniería de experiencias Ciklum, a quien entrevisté. “Se refiere a los sistemas y modelos de IA que pueden actuar de forma autónoma para lograr objetivos sin la necesidad de una guía humana constante. El sistema de IA agéntica entiende cuál es el objetivo o la visión del usuario y el contexto del problema que está tratando de resolver”.

Para alcanzar este nivel de toma de decisiones y acción autónomas, la IA agentic depende de un complejo conjunto de diferentes tecnologías de aprendizaje automático, procesamiento del lenguaje natural y automatización. Si bien los sistemas de IA agentic aprovechan las capacidades creativas de los modelos de IA generativa como ChatGPT, difieren en varios aspectos. En primer lugar, se centran en la toma de decisiones en lugar de en la creación de contenido. En segundo lugar, no dependen de indicaciones humanas, sino que están configurados para optimizar metas u objetivos específicos, como maximizar las ventas, las puntuaciones de satisfacción del cliente o la eficiencia en los procesos de la cadena de suministro. Y en tercer lugar, a diferencia de la IA generativa, también pueden llevar a cabo secuencias complejas de actividades, buscando de forma independiente en bases de datos o activando flujos de trabajo para completar actividades.

Los beneficios de trabajar con inteligencia artificial de Agentic

Con sus capacidades de razonamiento y ejecución supercargadas, los sistemas de IA con agentes prometen transformar muchos aspectos de la colaboración entre humanos y máquinas, especialmente en áreas de trabajo que antes estaban aisladas de la automatización dirigida por IA, como la gestión proactiva de sistemas informáticos complejos para anticiparse a las interrupciones; la reconfiguración dinámica de las cadenas de suministro en respuesta a perturbaciones geopolíticas o climáticas; o la participación en interacciones realistas con pacientes o clientes para resolver problemas. Tres de los principales beneficios serán una mayor especialización de la fuerza laboral, una mayor fiabilidad de la información y una mayor innovación.

Mayor especialización 

La importancia de la especialización de la fuerza de trabajo —la “división del trabajo”— se ha comprendido desde la célebre visita de Adam Smith a una fábrica de alfileres en los párrafos iniciales de La riqueza de las naciones. Smith observó cómo un trabajador “tira del alambre, otro lo endereza, un tercero lo corta; un cuarto lo afila…”, de modo que “la importante tarea de fabricar un alfiler se divide, de esta manera, en unas dieciocho operaciones distintas”. La especialización aporta mayor eficiencia, aprendizaje práctico e innovación, pero puede ser difícil de implementar cuando las empresas se enfrentan a escasez de mano de obra y desajustes entre los roles y las habilidades humanas disponibles. Debido a que los modelos de agencia están diseñados explícitamente para llevar a cabo tareas muy granulares, permiten una especialización mucho mayor de los roles en comparación con los sistemas de automatización general anteriores. Es más, se pueden crear rápidamente múltiples roles de agencia. En el trabajo del conocimiento, por ejemplo, se pueden crear agentes para la recuperación de información, el análisis, la generación de flujo de trabajo y la asistencia a los empleados, todo ello trabajando en tándem. Algunos agentes de IA también trabajarán “entre bastidores”, orquestando el trabajo de otros agentes, tal como lo hacen los gerentes humanos para sus equipos.

Innovación

Con su juicio mejorado y poderes de ejecución, los sistemas de IA Agentic son ideales para la experimentación y la innovación. Por ejemplo, ChemCrow, un agente químico potenciado por IA, se ha utilizado para planificar y sintetizar un nuevo repelente de insectos, así como para crear nuevos compuestos orgánicos. Los modelos de IA multiagente también pueden escanear y analizar vastos espacios de investigación, como artículos científicos y bases de datos, en una fracción del tiempo que les llevaría a equipos de científicos e investigadores humanos. SciAgents, un modelo multiagente desarrollado por investigadores del MIT, incluye no solo científicos robot para desarrollar planes de investigación, sino también un agente crítico para revisarlos y sugerir mejoras. Trabajando juntos, el equipo de agentes de IA pudo identificar un nuevo biomaterial que combina seda y pigmentos a base de diente de león que tenía mejores propiedades mecánicas y ópticas en comparación con materiales similares, con un consumo de energía reducido.

Mayor confiabilidad

El mayor razonamiento cognitivo de los sistemas de IA agénticos significa que es menos probable que sufran las llamadas alucinaciones (o información inventada) comunes a los sistemas de IA generativos. Los sistemas de IA agénticos también tienen una capacidad significativamente mayor para filtrar y diferenciar las fuentes de información en función de su calidad y fiabilidad, lo que aumenta el grado de confianza en sus decisiones. Por ejemplo, si bien la información de los clientes suele estar dispersa en diferentes formatos en distintas partes de una empresa (correos electrónicos, bases de datos, hojas de cálculo y similares), un sistema de IA agéntico puede discernir rápidamente que es probable que la información más fiable y actualizada se encuentre en los sistemas de gestión de relaciones con los clientes (CRM) de la empresa. Los sistemas agénticos también están diseñados para aprender rápidamente los valores humanos y de marca de una empresa, lo que garantiza que estén alineados con las decisiones y las acciones.

Casos de uso potenciales

Si bien muchas aplicaciones de la IA con agentes aún son de naturaleza experimental o se encuentran en una etapa piloto, ya están comenzando a surgir los contornos generales de los posibles casos de uso en diferentes industrias y funciones. Algunos ejemplos incluyen:

Servicio al cliente

A diferencia de los bots de atención al cliente automatizados tradicionales que fueron programados previamente con un rango limitado de respuestas y acciones, los agentes de servicio al cliente de Agentic pueden captar rápidamente las intenciones y emociones de los clientes y tomar medidas independientes para resolver consultas y problemas. Por ejemplo, un agente de servicio al cliente de Agentic podría evaluar de manera predictiva si una entrega al cliente se retrasará, informar al cliente sobre la demora y ofrecer de manera proactiva un descuento para endulzar la decepción. Ema, una startup de IA con sede en California, ofrece chatbots de IA de Agentic que pueden rastrear dinámicamente miles de bases de datos y aplicaciones diferentes para resolver consultas y quejas de los clientes, aprendiendo de cada interacción con el cliente e identificando acciones recomendadas para los agentes humanos. Ema también audita su contenido para fines de precisión y cumplimiento, al mismo tiempo que hace recomendaciones para mejorar la base de conocimiento del cliente.

Fabricación

Desde el control del flujo de las líneas de producción hasta la personalización de productos y la formulación de sugerencias para mejorar el diseño de los productos, es probable que la IA basada en agentes tenga múltiples aplicaciones en la fabricación inteligente. Los datos de los sensores conectados a las máquinas, los componentes y otros activos físicos en las fábricas y el transporte pueden analizarse mediante un sistema de IA basado en agentes para predecir el desgaste y las interrupciones de la producción, evitando tiempos de inactividad no programados y los costos asociados para los fabricantes. La empresa emergente alemana de IA Juna.ai implementa agentes de IA para gestionar fábricas virtuales, con el objetivo de maximizar la productividad y la calidad al tiempo que reduce el consumo de energía y las emisiones de carbono. Incluso ofrece agentes adaptados a objetivos específicos, como agentes de producción y agentes de calidad.

Soporte de ventas

Para los agentes de ventas, el objetivo fundamental de encontrar y desarrollar oportunidades de venta a menudo puede verse abrumado por una masa de correos electrónicos, papeleo y otras tareas administrativas mundanas pero necesarias. Los sistemas de inteligencia artificial de Agentic podrían liberar drásticamente a los equipos de ventas de gran parte de esta actividad que consume mucho tiempo. El gigante de la tecnología CRM Salesforce, por ejemplo, presentó recientemente su Agent Force Service Development Rep para ayudar en el trabajo de los equipos de ventas humanos. Impulsado por modelos de lenguaje amplio (LLM), el agente puede interpretar los mensajes de los clientes, recomendar acciones de seguimiento, concertar reuniones, responder preguntas y generar respuestas que estén en sintonía con la voz de la marca de la empresa. Como complemento de estas actividades, se encuentra el Agent Force Sales Coach, que proporciona comentarios personalizados a los agentes humanos y oportunidades de aprendizaje a través de sesiones de juego de roles virtuales.

Salud y asistencia social

Su capacidad para adaptarse a diferentes entornos, interpretar las emociones humanas y mostrar empatía hace que los sistemas de IA con agentes sean ideales para el trabajo no rutinario de habilidades blandas en áreas como la atención médica y el cuidado. Hippocratic AI, una empresa de atención médica con IA con agentes con sede en California, ha creado una falange de agentes de IA adaptados a diferentes áreas de la atención médica y el apoyo social. El equipo cuenta entre sus filas con Sarah, una agente de IA que "irradia calidez y comprensión" mientras brinda ayuda con la vida asistida. Sarah puede preguntar a los pacientes sobre su día, organizar menús y transporte, y recordarles regularmente que tomen su medicación. Judy, otra agente impulsada por IA, ayuda a los pacientes con procedimientos preoperatorios, por ejemplo, recordándoles la hora y el lugar de llegada, o aconsejándoles sobre el ayuno preoperatorio o la suspensión de la medicación.

Los desafíos que tenemos por delante

A pesar del potencial significativo para transformar la colaboración entre humanos y máquinas e impulsar una mayor eficiencia y crecimiento empresarial, los sistemas de IA agénticos todavía se encuentran en una etapa relativamente temprana de desarrollo. Además, a pesar de sus mayores poderes de razonamiento y ejecución, no eliminan los desafíos tradicionales de la gestión de la fuerza laboral; en cambio, los cambian. Al igual que en los entornos de fuerza laboral tradicionales, los gerentes aún deben prestar atención a las cuestiones de composición del equipo y selección de roles, y deben establecer los objetivos generales correctos para garantizar que la IA agéntica o los equipos híbridos puedan tener éxito. También deben calibrar cuidadosamente las condiciones en las que se puede confiar en los sistemas de IA agénticos para tomar decisiones y las circunstancias en las que los tomadores de decisiones humanos deben intervenir.

Imperativos para el éxito

Para aprovechar las oportunidades que ofrece la IA agente y, al mismo tiempo, mitigar los riesgos, los gerentes deben considerar los siguientes imperativos:

Establecer objetivos SMART

Así como el rendimiento de los equipos humanos puede verse obstaculizado por objetivos mal definidos o mal articulados, también los sistemas de IA agéntica pueden desviarse de su objetivo si los objetivos no se establecen con claridad. De hecho, la fijación de objetivos se vuelve aún más importante para la IA agéntica, ya que los sistemas carecen inicialmente de la información contextual (como el contexto organizacional y de mercado, los valores de la empresa, etc.) que los trabajadores humanos suelen entender tácitamente. Cetin, de Ciklum, subraya la importancia de la fijación integral de objetivos: “Para que la IA agéntica tenga éxito, los modelos deben tener objetivos y subobjetivos SMART (específicos, medibles, alcanzables, relevantes y con plazos determinados) y saber cómo medirlos. Deben tener la información contextual adecuada: por qué son importantes estos objetivos para la empresa, cómo impulsan los ingresos, etc. Por último, como gerentes, debemos establecer ciclos de retroalimentación para ajustar los modelos a medida que aprendemos más sobre su rendimiento”.

Preste atención a la selección del equipo

En comparación con la IA generativa, que se basa en gran medida en generar modelos de lenguaje extenso con preguntas singulares, la IA agéntica es mucho más una tarea de equipo, que hace uso de múltiples agentes de IA, cada uno de los cuales tiene roles específicos que desempeñar para lograr un objetivo mayor, ya sea maximizar la experiencia del cliente o innovar un proceso comercial de menor costo. Al igual que en los equipos humanos, es probable que surjan problemas de coordinación, conflicto y gestión de recursos. Los gerentes que utilicen sistemas de IA agéntica deberán prestar mucha atención a la selección del equipo, asegurándose de que tengan la combinación correcta de roles agénticos que realicen las tareas correctas, de manera eficiente. Además, deberán considerar cuidadosamente cómo interactúan los equipos agénticos con los trabajadores humanos para lograr confianza y eficiencia en las actividades.

Andamiaje del espacio de decisión

Si bien los modelos de IA con agentes están diseñados explícitamente para evaluar opciones de decisión y llevar a cabo secuencias complejas de acciones, no son infalibles y pueden cometer errores, al igual que los humanos. La ciencia del aprendizaje destaca la importancia del “andamiaje” en el aprendizaje, brindando a los estudiantes exposición a la práctica del mundo real con salvaguardas (supervisión, límites bien definidos, etc.) que luego se retiran progresivamente a medida que aumenta la experiencia. Este andamiaje será esencial a medida que los sistemas de IA con agentes se apliquen a diferentes tareas y áreas comerciales, y los tomadores de decisiones construirán el andamiaje adecuado para estos modelos en función de factores como la criticidad de la decisión, las consecuencias de los errores, el grado de confianza en los datos utilizados para entrenar los modelos, el grado de supervisión humana y el perfil de experiencia de los humanos que trabajan junto con estos sistemas (para obtener más información sobre el papel de la experiencia, consulte el artículo anterior de HBR del autor con Mark Williams sobre “ Cómo la IA puede ayudar a los líderes a tomar mejores decisiones bajo presión ”).

...

Desde los primeros tiempos de los autómatas mecánicos hasta los más recientes robots conversacionales, los científicos e ingenieros han soñado con un futuro en el que los sistemas de IA puedan trabajar y actuar de forma inteligente e independiente. Los recientes avances en IA con agentes acercan ese futuro autónomo un paso más a la realidad. El premio de la IA con agentes podría ser grande, con la promesa de mayor productividad, innovación y conocimientos para la fuerza laboral humana. Pero también lo son los riesgos: la posibilidad de sesgo, errores y uso inapropiado. La acción temprana de los líderes empresariales y gubernamentales ahora ayudará a establecer el rumbo correcto para el desarrollo de la IA con agentes, de modo que sus beneficios se puedan lograr de manera segura y justa.

Lea más sobre la IA generativa o un tema relacionado Productividad personal

Mark Purdy es cofundador y director de Beacon Thought Leadership, una empresa de asesoría independiente centrada en el desarrollo de contenidos y servicios de capacitación.