Asistente, colaboradora, totalmente autónoma: las próximas tres eras de la IA en el software empresarial 

Imagine una interfaz de usuario (IU) para una plataforma de business intelligence. Normalmente, estas interfaces incluyen una abrumadora variedad de pestañas, barras laterales, menús desplegables, controles deslizantes y otros elementos de la IU. Un usuario nuevo no sabría dónde buscar lo que necesita, e incluso un usuario experimentado podría encontrarse buscando una característica cuyo uso es poco frecuente. 

Ahora, imagine que en lugar de todos estos componentes, la pantalla presenta un cuadro de texto simple. El usuario puede ingresar una instrucción como “Generar un gráfico que muestre la cantidad de suscripciones interanuales durante la última década del grupo demográfico de 20 a 30 años en Europa, Oriente Medio y África”. Y, listo, el gráfico se materializa. 

Aún no llegamos allí. Pero no estamos lejos de ese futuro.

Durante la última década, las empresas de software se han centrado en mejorar la experiencia del usuario (UX) modificando las interfaces de usuario (IU), simplificando los flujos de trabajo y reduciendo la cantidad de clics necesarios para completar tareas. Estos avances han aumentado la productividad, impulsando las tasas de adopción de software y reduciendo los tiempos de finalización de tareas.  

Sin embargo, el software empresarial aún requiere que los usuarios inviertan tiempo en aprender y adaptarse a diferentes sistemas, en particular al realizar la transición desde aplicaciones heredadas. Además, las incongruencias en el diseño entre plataformas complican aún más la capacitación y la adopción por parte de los usuarios. 

Para abordar estos desafíos, las organizaciones a menudo despliegan amplios programas de gestión de cambios, pero estas iniciativas a veces no brindan los beneficios deseados debido a la poca aceptación de los nuevos sistemas por parte de los usuarios. Este fracaso a menudo se debe a una capacitación inadecuada, a la resistencia al cambio y a la complejidad de hacer la transición desde sistemas heredados.

La IA cambiará todo esto. 

Exploremos cómo esperamos que evolucionen las aplicaciones empresariales a lo largo de tres eras distintas impulsadas por los avances de la IA agéntica, desde mejoras graduales hasta la plena autonomía.

Actualmente nos encontramos en las primeras etapas de la integración de la IA agéntica en el software empresarial. Si bien estos cambios mejoran las experiencia de los usuarios, principalmente complementan las IU existentes en lugar de reemplazarlas. 

Asistencia integrada impulsada por IA: rellenado automático de descripciones y detalles utilizando IA generativa, recomendaciones basadas en ML y recuperación de información relevante utilizando generación aumentada por recuperación (RAG).

Interfaces conversacionales: los chatbots y los copilotos permiten completar tareas a través de comandos en lenguaje natural.

Plataformas personalizables: las soluciones de plataforma como servicio (PaaS) permiten a los clientes crear funciones de IA personalizadas utilizando modelos de lenguaje extensos (LLM) disponibles en la plataforma.

Si bien estas mejoras aumentan la productividad, las IU tradicionales siguen siendo parte integral de la interacción del usuario y aún se requiere una participación significativa del usuario.

En esta era, las aplicaciones empresariales se mueven hacia una infraestructura más inteligente y colaborativa. La IU convencional pasa a un segundo plano, convirtiéndose en una herramienta principalmente para profesionales de TI y superusuarios. Los agentes de IA automatizan la mayoría de las interacciones entre humanos y software, proporcionando orientación paso a paso y destacando los cuellos de botella. Sin embargo, aún se requiere el aporte humano para tomar decisiones críticas. Las características principales previstas en esta etapa incluyen:

Agentes como interfaces: las interfaces conversacionales dominan la interacción del usuario, minimizando la dependencia en las IU tradicionales.

Comunicación interagente: los agentes de IA en diferentes plataformas de software se comunican perfectamente utilizando protocolos estandarizados similares a HTTP.

Integración dinámica: las integraciones manuales entre productos de software se vuelven obsoletas, ya que los agentes de IA intercambian información en tiempo real. Este cambio permite a los profesionales de TI centrarse en tareas de mayor valor, como la estrategia y la innovación, en lugar de en el mantenimiento de rutina y en la solución de problemas. Los flujos de trabajo organizacionales también se vuelven más ágiles, ya que la comunicación fluida entre agentes de IA reduce los cuellos de botella y acelera los procesos de toma de decisiones.

La última etapa evolutiva vislumbra aplicaciones empresariales que son casi completamente autónomas y que requieren una intervención humana mínima. Los usuarios definen objetivos y los agentes de IA colaboran para lograrlos dentro de controles de seguridad organizacionales predefinidos. Las características clave incluyen:

Agentes de IA orientados a objetivos: los usuarios especifican objetivos y los agentes de IA ejecutan tareas de principio a fin.

Pautas configurables: las pautas adaptables describen los límites de las tareas, los puntos de decisión y las autorizaciones requeridas. Estos se pueden configurar utilizando lenguaje natural, eliminando así la necesidad de habilidades de TI especializadas. Por ejemplo, los administradores podrían ingresar instrucciones simples, tales como “Canalizar todas las facturas superiores a 10 000 USD al departamento de finanzas para su aprobación”, y el sistema generaría el flujo de trabajo correspondiente.

Sin embargo, las posibles limitaciones pueden incluir ambigüedades lingüísticas, donde comandos vagos o mal expresados pueden dar lugar a configuraciones accidentales. Para abordar estos desafíos, es esencial garantizar la precisión y proporcionar mecanismos a los cuales poder recurrir, como instrucciones guiadas o pasos de validación.

IU bajo demanda: las interfaces dinámicas se generan según sea necesario para la toma de decisiones o la presentación de información.

Gestión de datos no estructurados: la información se captura principalmente en formatos no estructurados, pero se transforma en datos estructurados o semiestructurados para analytics e informes. 

Arquitectura optimizada: las aplicaciones empresariales constan de dos componentes principales: agentes de IA especializados y pautas configurables con límites de alcance. Los datos se almacenan en repositorios centralizados para toda la organización, con lo cual se elimina la necesidad de repositorios de datos específicos de la aplicación.

En esta era, se prevé que el aumento en la productividad sea sustancial, con más beneficios, entre ellos, un menor costo total de propiedad (CTP) para las aplicaciones empresariales y la gestión de datos.