A diferencia de los sistemas estáticos basados en reglas, los agentes de IA pueden aprender, adaptarse y optimizar procesos de forma dinámica. A medida que interactúan con datos, sistemas, personas y otros agentes en tiempo real, los agentes de IA pueden ejecutar flujos de trabajo completos de forma autónoma.
Pero liberar su potencial requiere rediseñar los procesos en to o a los agentes, en lugar de simplemente acoplarlos a flujos de trabajo heredados fragmentados utilizando métodos de optimización tradicionales. Las empresas deben adoptar un enfoque 'agent-first'.
En una empresa centrada en el agente, los sistemas de IA operan los procesos mientras los humanos establecen los objetivos, definen las restricciones de las políticas y gestionan las excepciones.
“Es necesario transformar el modelo operativo para que los humanos actúen como supervisores y los agentes como operadores”, afirma Scott Rodgers, arquitecto jefe global y CTO para EE. UU. de la Práctica de Tecnología de Deloitte Microsoft.
El imperativo del agente
Con los presupuestos tecnológicos para la IA que se espera que aumenten más del 70% en los próximos dos años, los agentes de IA, impulsados por la IA generativa, están llamados a transformar fundamentalmente las organizaciones y a lograr resultados que van más allá de la automatización tradicional. Estas iniciativas tienen el potencial de generar mejoras significativas en el rendimiento, mientras liberan a los humanos para dedicarse a tareas de mayor valor.
La IA avanza tan rápidamente que los enfoques estáticos para la automatización de tareas probablemente solo producirán mejoras incrementales. Dado que los procesos heredados no están diseñados para sistemas autónomos, los agentes de IA requieren definiciones de procesos legibles por máquina, restricciones de política explícitas y flujos de datos estructurados, según Rodgers.
Para complicar aún más el panorama, muchas organizaciones no comprenden los verdaderos motores económicos de su negocio, como el coste de servicio y los costes por transacción. Como resultado, tienen dificultades para priorizar los actores que pueden generar más valor y, en su lugar, se centran en proyectos piloto llamativos. Para lograr un cambio estructural, los directivos deberían pensar de forma diferente.
Las empresas, en cambio, deben orquestar resultados más rápido que sus competidores. “El riesgo real no es que la IA no funcione, sino que los competidores rediseñen sus modelos operativos mientras tú sigues pilotando agentes y copilotos”, afirma Rodgers. “Se obtienen ganancias no lineales cuando las empresas crean flujos de trabajo centrados en agentes con gobe anza humana y orquestación adaptativa.”
Las tareas rutinarias y repetitivas se gestionan cada vez más de forma automática, permitiendo a los empleados centrarse en trabajos de mayor valor, creativos y estratégicos. Este cambio mejora la eficiencia operativa, fomenta una colaboración más sólida y agiliza la toma de decisiones, lo que ayuda a las organizaciones a mode izar el ento o laboral sin sacrificar la seguridad empresarial.
Este contenido ha sido producido por Insights, el brazo de contenido personalizado de MIT Technology Review. No ha sido redactado por el equipo editorial de MIT Technology Review. Ha sido investigado, diseñado y redactado por escritores, editores, analistas e ilustradores humanos. Esto incluye la redacción de encuestas y la recopilación de datos para las mismas. Las herramientas de IA que pudieran haberse utilizado se limitaron a procesos de producción secundarios que pasaron una exhaustiva revisión humana.