¿Qué es la IA de agencia y cómo cambiará el trabajo?

La forma en que los humanos interactúan y colaboran con la IA está dando un salto espectacular con la IA de agencia. Piense: agentes impulsados por la IA que pueden planificar su próximo viaje al extranjero y organizar todo el viaje; robots similares a los humanos que actúan como cuidadores virtuales de personas mayores; o especialistas en cadenas de suministro impulsados por la IA que pueden 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 de agencia.

Si bien los asistentes de IA anteriores se basaban en reglas y tenían una capacidad limitada para actuar de forma independiente, la IA de las agencias tendrá el poder de hacer más en nuestro nombre. Pero qué, exactamente, es ¿IA agencial? «Puede definir la IA de agencia con una palabra: proactividad», dijo Enver Cetin, 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 sus objetivos sin necesidad de una guía humana constante. El sistema de IA de la agencia entiende cuál es el objetivo o la visión del usuario y el contexto del problema que intenta resolver».

Para lograr este nivel de toma de decisiones y acción autónomas, la IA de las agencias se basa en un complejo conjunto de diferentes tecnologías de aprendizaje automático, procesamiento del lenguaje natural y automatización. Si bien los sistemas de IA de agencia aprovechan las capacidades creativas de los modelos de IA generativa, como ChatGPT, se diferencian en varios aspectos. En primer lugar, se centran en tomar decisiones más que en crear contenido. En segundo lugar, no se basan en las indicaciones humanas, sino que se fijan para optimizar metas u objetivos particulares, como maximizar las ventas, las puntuaciones de satisfacción de los clientes 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 tareas complejas secuencias de actividades, buscar de forma independiente en las bases de datos o activar los flujos de trabajo para completar las actividades.

Los beneficios de trabajar con la IA de la agencia

Con sus potentes capacidades de razonamiento y ejecución, los sistemas de IA de agencia prometen transformar muchos aspectos de la colaboración entre humanos y máquinas, especialmente en áreas de trabajo que antes estaban aisladas de la automatización impulsada por la IA, como la gestión proactiva de sistemas de TI complejos para evitar las interrupciones; de forma dinámica reconfigurar cadenas de suministro en respuesta a las perturbaciones geopolíticas o meteorológicas; o entablar interacciones realistas con los pacientes o los clientes para resolver problemas. Tres de los principales beneficios serán una mayor especialización de la fuerza laboral, una mayor confiabilidad de la información y una mayor innovación.

Mayor especialización 

La importancia de la especialización de la fuerza laboral (la «división del trabajo») se ha entendido desde la célebre visita de Adam Smith a la fábrica de pintores, en los primeros párrafos de La riqueza de las naciones . Smith observó cómo un trabajador «saca el alambre, otro lo endereza [sic], un tercero lo corta; un cuarto lo señala…» de tal manera que «la importante tarea de hacer 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, ya que las empresas se enfrentan a la escasez de personal y a los desajustes entre las funciones y las habilidades humanas disponibles. Como los modelos de agencia están diseñados explícitamente para llevar a cabo tareas muy detalladas, permiten una especialización mucho mayor de las funciones en comparación con los sistemas de automatización generales anteriores. Es más, se pueden crear varias funciones de agencia rápidamente. En el trabajo con el conocimiento, por ejemplo, se pueden crear agentes para recuperación de información, el análisis, la generación de flujos de trabajo y la asistencia a los empleados, todos trabajando en conjunto. Algunos agentes de IA también trabajarán «entre bastidores», orquestando el trabajo de otros agentes, igual que hacen los gerentes humanos para sus equipos.

Innovación

Con su juicio y sus poderes de ejecución mejorados, los sistemas de IA agentic son ideales para la experimentación y la innovación. Por ejemplo, ChemCrow, un agente químico impulsado por la 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 tardarían los equipos de científicos e investigadores humanos. SciAgents — un modelo multiagente desarrollado por investigadores del MIT — incluye no solo a científicos robóticos para desarrollar planes de investigación, sino también a un agente crítico que los revisa y sugiere mejoras. Trabajando juntos, el equipo de agentes de IA pudo identificar una novela biomaterial combinar pigmentos a base de seda y diente de león que tenían mejores propiedades mecánicas y ópticas en comparación con materiales similares, con un aporte de energía reducido.

Mayor confiabilidad

El mayor razonamiento cognitivo de los sistemas de IA de agencia significa que es menos probable que sufran las llamadas alucinaciones (o información inventada) comunes en los sistemas de IA generativa. Los sistemas de IA de las agencias 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 diferentes partes de la empresa (correos electrónicos, bases de datos, hojas de cálculo y similares), un sistema de IA de la agencia puede discernir rápidamente que la información más fiable y actualizada probablemente esté en los sistemas de gestión de relaciones con los clientes (CRM) de la empresa. Los sistemas de agencia también están diseñados para aprender rápidamente los valores humanos y de marca de la empresa y garantizar que están alineados con las decisiones y las acciones.

Posibles casos de uso

Si bien muchas aplicaciones de la IA de agencia siguen siendo de naturaleza experimental o se encuentran en fase piloto, los contornos generales de los posibles casos de uso ya están empezando a surgir en diferentes sectores y funciones. Algunos ejemplos incluyen:

Servicio de atención al cliente

A diferencia de los robots de atención al cliente automatizados tradicionales que se programaban previamente con una gama limitada de respuestas y acciones, los agentes del servicio de atención al cliente de las agencias pueden captar rápidamente las intenciones y las emociones de los clientes y tomar medidas independientes para resolver consultas y problemas. Por ejemplo, un agente de servicio de atención al cliente de una agencia podría evaluar de forma predictiva si la entrega de un cliente va a llegar tarde, informar al cliente del retraso y ofrecer un descuento de forma proactiva para aumentar la decepción. Ema, una empresa emergente de IA con sede en California, ofrece chatbots de IA para agencias que pueden rastrear de forma dinámica miles de bases de datos y aplicaciones diferentes para resolver las consultas y quejas de los clientes, aprender de cada interacción con el cliente e identificar las acciones recomendadas para los agentes humanos. Ema también audita su contenido con fines de precisión y cumplimiento, y también hace recomendaciones para mejorar la base de conocimientos de los clientes.

Fabricación

Desde controlar el flujo de las líneas de producción hasta personalizar los productos y hacer sugerencias para mejorar el diseño de los productos, es probable que la IA agencial tenga varias aplicaciones en la inteligencia fabricación . Los datos de los sensores conectados a las máquinas, los componentes y otros activos físicos de las fábricas y el transporte pueden analizarse mediante un sistema de IA de la agencia para predecir el desgaste y las interrupciones de la producción, evitando el tiempo de inactividad no programado y los costes asociados para los fabricantes. IA alemana puesta en marcha Juna.ai despliega agentes de IA para administrar fábricas virtuales, con el objetivo de maximizar la productividad y la calidad y, al mismo tiempo, reducir 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 clientes potenciales a menudo se ve abrumado por una masa de correos electrónicos, papeleo y otras tareas administrativas mundanas pero necesarias. Los sistemas de IA de las agencias podrían liberar drásticamente a los equipos de ventas de gran parte de esta actividad que lleva mucho tiempo. El titán de la tecnología CRM Salesforce, por ejemplo, presentó recientemente su Representante de desarrollo de Agent Force Service para ayudar al trabajo de los equipos humanos de ventas. Impulsado por modelos lingüísticos extensos (LLM), el agente puede interpretar los mensajes de los clientes, recomendar acciones de seguimiento, reservar reuniones, responder a las preguntas y generar respuestas que estén en sintonía con la voz de la marca de la empresa. Complementando estas actividades está la Entrenador de ventas de Agent Force, proporcionando comentarios personalizados a los agentes humanos y oportunidades de aprender a través de sesiones virtuales de juegos de rol.

Asistencia sanitaria y social

Su capacidad para adaptarse a diferentes entornos, interpretar las emociones humanas y mostrar empatía hace que los sistemas de IA de agencia sean ideales para trabajos no rutinarios y de habilidades blandas en áreas como la salud y el cuidado. IA hipocrática, una empresa sanitaria de IA con sede en California, ha creado una falange de agentes de IA adaptados a diferentes áreas de la asistencia sanitaria y social. El equipo cuenta entre sus filas Sarah, un agente de IA que «irradia calidez y comprensión» a la vez que ayuda con la vivienda asistida. Sarah puede preguntar a los pacientes sobre su día, organizar los menús y el transporte y recordar regularmente a los pacientes que deben tomar sus medicamentos. Judy, otro agente impulsado por la IA, ayuda a los pacientes con los procedimientos preoperatorios, por ejemplo, recordándoles la hora y el lugar de llegada, o aconsejándoles sobre el ayuno preoperatorio o la suspensión de los medicamentos.

Los desafíos que se avecinan

A pesar del importante potencial para transformar la colaboración entre humanos y máquinas e impulsar una mayor eficiencia y crecimiento empresarial, los sistemas de IA de las agencias aún se encuentran en una fase de desarrollo relativamente temprana. Además, a pesar de su mayor poder de razonamiento y ejecución, no eliminan los desafíos tradicionales de gestión de la fuerza laboral, sino que los cambian. Al igual que en el entorno tradicional de la fuerza laboral humana, los directivos deben seguir prestando atención a las cuestiones de la composición del equipo y la selección de funciones, y deben establecer los objetivos generales correctos para garantizar que los equipos híbridos o de IA de las agencias puedan tener éxito. También deben calibrar cuidadosamente las condiciones en las que se puede confiar en los sistemas de IA de las agencias para tomar decisiones y las circunstancias en las que los tomadores de decisiones humanos tienen que intervenir.

Imperativos para el éxito

Para aprovechar las oportunidades de la IA de las agencias y, al mismo tiempo, mitigar los riesgos, los gerentes deben tener en cuenta los siguientes imperativos:

Fijarse objetivos INTELIGENTES

Así como el rendimiento de los equipos humanos puede verse obstaculizado por objetivos mal definidos o mal articulados, los sistemas de IA de las agencias también pueden desviarse si los objetivos no se fijan con claridad. De hecho, el establecimiento de objetivos pasa a ser aún más importante para la IA de las agencias, ya que los sistemas inicialmente carecen de la información contextual (como el contexto organizacional y de mercado, los valores empresariales, etc.) que los trabajadores humanos suelen entender tácitamente. Cetin, de Ciklum, subraya la importancia de fijar objetivos exhaustivos: «Para que la IA de las agencias tenga éxito, los modelos deben tener objetivos y subobjetivos SMART (específicos, medibles, alcanzables, relevantes y con plazos determinados) y saber cómo medirlos. Deben disponer de la información contextual correcta: por qué son importantes estos objetivos para la empresa, cómo impulsan los ingresos, etc. Por último, como directivos, necesitamos establecer circuitos de retroalimentación para ajustar los modelos a medida que obtenemos más información sobre su desempeño».

[

Insight Center Collection

Collaborating with AI

How humans and machines can best work together.

](/insight-center/collaborating-with-ai)

Preste atención a la selección del equipo

En comparación con la IA generativa, que se basa en gran medida en la generación de modelos lingüísticos extensos con preguntas singulares, la IA agencial es mucho más un esfuerzo de equipo, ya que utiliza varios agentes de IA, todos los cuales tienen funciones específicas que desempeñar para lograr un objetivo mayor, ya sea maximizar la experiencia del cliente o innovar un proceso empresarial de menor coste. Al igual que en los equipos humanos, es probable que surjan problemas de coordinación, conflictos y gestión de recursos. Los directivos que utilicen sistemas de IA de agencia deberán prestar mucha atención a la selección de los equipos y asegurarse de que tienen la combinación correcta de funciones de agencia para llevar a cabo las tareas correctas de forma eficiente. Además, tendrán que considerar detenidamente la forma en que los equipos de agencia interactúan con los trabajadores humanos para lograr la confianza y la eficiencia en las actividades.

Ampliar el espacio de decisión

Si bien los modelos de IA de agencia están diseñados explícitamente para evaluar las decisiones y llevar a cabo secuencias complejas de acciones, no son infalibles y aún pueden cometer errores, igual que los humanos. La ciencia del aprendizaje destaca la importancia de los «andamios» en el aprendizaje, ya que permiten a los alumnos exponerse a la práctica del mundo real con salvaguardias (supervisión, límites bien definidos, etc.) que luego se retiran progresivamente a medida que aumenta la experiencia. Estos andamios serán esenciales, ya que los sistemas de IA agenciales se aplican a diferentes tareas y áreas de negocio, y los responsables de la toma de decisiones construyen los andamios adecuados 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 a los modelos, el grado de supervisión humana y el perfil de experiencia de las personas que trabajan junto a estos sistemas (para obtener más información sobre el papel de la experiencia, consulte el artículo anterior de HBR con Mark Williams sobre» Cómo la IA puede ayudar a los líderes a tomar mejores decisiones bajo presión”).

 . . .

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