Las empresas cuentan con sistemas de inteligencia. Ahora deberían pasar a sistemas de acción

La IA agéntica está entrando en acción. Estos sistemas autónomos prometen manejar flujos de trabajo complejos de extremo a extremo, y las empresas están ansiosas por aprovechar ese potencial. Pero aquí está el problema: en la prisa por desplegar esta tecnología, las empresas corren el riesgo de estropear lo que ya funciona. 

Bruno Aziza de IBM, vicepresidente de Estrategia de Datos, IA y Analytics de IBM, trabaja con organizaciones para ayudarlas a escalar con tecnologías emergentes para convertirse en líderes en sus respectivos dominios. Según Aziza, las empresas a menudo pasan por alto la realidad de que ya tienen la IA y la automatización integradas en sus flujos de trabajo.

En lugar de reconstruir todo en torno a los agentes, Aziza cree que las organizaciones deberían usarlos para construir sobre lo que ya funciona. “El camino del éxito aquí no es reemplazar o eliminar aquellos procesos que han funcionado bien”, dijo a IBM Think en una entrevista. "Se trata de aumentar estos procesos existentes".

Este enfoque de aumento se vuelve más claro cuando se compara con la evolución más amplia de la tecnología empresarial. Para entender cómo las organizaciones pueden integrar eficazmente la IA agéntica en flujos de trabajo existentes, es esencial examinar la evolución desde sistemas que analizan y recomiendan hasta sistemas que pueden actuar de forma autónoma y aportar valor tangible al negocio.

Los líderes tecnológicos empresariales han seguido un camino familiar: primero crear sistemas de registro, luego sistemas de participación, seguidos de sistemas de inteligencia. Ahora, con la IA agéntica, comienza una nueva fase: los sistemas de acción.

“Lo que estamos descubriendo es que, si bien los sistemas de inteligencia son útiles, no son suficientes”, dijo Aziza. “Gracias a la IA generativa, gracias al cómputo casi infinito y al almacenamiento limitado y a las grandes redes, ahora estamos en una fase en la que podemos empezar a pensar en cómo aceleramos las acciones, que son realmente los componentes que están relacionados con llegar a los resultados finales de la organización. Siempre hemos tratado de hacer eso, pero ahora estamos en una fase de la historia en la que realmente podemos pasar a la acción”.

Pero construir sistemas de acción no es un camino simple y lineal. Para muchos líderes tecnológicos, las cuestiones relacionadas con la autonomía, la responsabilidad y la automatización siguen siendo importantes. Y aunque el ciclo de exageración de la IA ha estado en los titulares durante varios años, el verdadero trabajo comienza una vez que se desvanece el foco de atención.

"Creo que es algo que las compañías maduras deben tomar con cautela: todo el mundo te dice que va a ser realmente fácil, ¿verdad?", señaló Aziza. “Uno se enfoca en grandes datos, selecciona sus casos de uso, luego hace algo de experimentación y finalmente, pone en práctica los casos de uso que son exitosos. Pero eso no es realmente lo que está sucediendo”.

Un error común que observa Aziza es la creencia de que crear un agente y desplegarlo en la compañía simplemente funcionará. “En la empresa, hay mucho más en juego”.

A medida que más experimentación pasa a producción, los líderes empresariales se hacen diferentes preguntas sobre las compensaciones, la escala y el rendimiento.

"Hay madurez y suficientes ejemplos en la industria para que podamos llegar a un nivel en el que podamos acelerar el trabajo de producción real que se realiza allí", dijo Aziza.

Uno de los mayores cambios este año fue el impulso para crear nuevos agentes de IA. Pero según Aziza, esta prisa puede ser equivocada. Las empresas suelen tener ya la IA y la automatización integradas en sus flujos de trabajo. En lugar de reconstruir todo en torno a los agentes, Aziza dijo que el mejor enfoque es aumentar lo que ya funciona.

Ofrece un ejemplo claro: las aprobaciones de préstamos en la banca. Estos son procesos deterministas: agregar agentes probabilísticos podría introducir más incertidumbre, no menos.

"La capacidad de unir estas dos cosas es realmente importante", dijo. Esto, explicó, es agente menos: un agente que reemplaza los sistemas que funcionan pero ofrece peores resultados.

“Eso no es algo de lo que se hable lo suficiente, y las organizaciones deben ser conscientes de ello”, dijo. “No se trata de eliminar la automatización y reemplazarla con un montón de trabajo de agentes. En realidad, se trata de casar a ambos”.

Lo que sigue es unir sistemas y agentes. "Vamos a llegar a un lugar donde cada vez más empleados crearán sus propios agentes, ya sea porque están usando [a] un agente predefinido y personalizándolo, o porque tienen una alta madurez en su base de empleados”, señaló. “Vamos a ver más agentes. La pregunta es, ¿cómo se orquestan esos agentes? Por lo tanto, hay un conjunto de capacidades que debe desarrollar para hacerlo bien”.

Esta orquestación no ocurre por accidente. Según Aziza, las organizaciones que entran en producción con agentes necesitan crear cinco capacidades básicas para tener éxito: colaboración entre múltiples agentes, integración entre ecosistemas, alineación con las herramientas y reglas existentes, supervisión y control, y una capa operativa dedicada conocida como operaciones de agentes. “Estas cinco capacidades son los pilares clave de su estrategia de agencia en el futuro”, dijo.

A principios de este año, el Model Communication Protocol (MCP) y otros estándares desarrollados por Google (Agent2Agent Protocol), IBM (ACP) y otros actores enfatizaron la necesidad de descubrir y comunicar agentes.

“Imagina que mañana te despiertas en un entorno de enjambre de agentes analytics”, dijo Aziza. “¿Quién está haciendo qué? ¿Quién obtiene los datos? ¿Quién está construyendo el insight? ¿Quién supervisa el proceso? ¿Quién verifica que los datos sean realmente correctos y que los insights sean aplicables en la práctica? Hay muchas preguntas aquí que, si no se cuenta con un estándar, son muy difíciles de poner en práctica.

Muchos comparan el estado actual de los agentes con el de Internet antes de HTTP. Pero Aziza cree que la IA agéntica aporta algo completamente diferente a la conversación. Para él, la evolución actual de la IA podría compararse con la invención del automóvil: sí, los automóviles finalmente reemplazaron a los caballos, pero también impulsaron la innovación.

“Hay una aceleración increíble de la innovación”, dijo. “Y también existe esta increíble oportunidad de transformarnos al siguiente nivel. Es difícil encontrar un modelo, pero ciertamente sabemos que la unificación de los estándares de comunicación será necesaria si queremos multiplicar el impacto de estos agentes individuales”.