¿Se siente confundido acerca de todo lo que necesita saber sobre la IA y los agentes autónomos? No está solo. Existen muchos conceptos erróneos sobre lo que los agentes pueden y no pueden hacer, y dónde y si realmente agregarán valor a su negocio. Estos malentendidos pueden impedirle aprovechar todo el poder de los agentes de IA.
Cómo los agentes de compras personales redefinirán las compras en línea
Imagine un agente autónomo que empuja de forma proactiva a un comprador que ha dejado un artículo en su carrito de compras y le envía un mensaje de texto con un enlace que lo lleva directamente al proceso de pago. ¿Aún no recibe respuesta del comprador? El agente le ofrece un descuento para incentivar la compra. Este es solo un ejemplo de cómo la IA autónoma transformará el comercio electrónico .
“Para muchas organizaciones, la integración de la IA no se trata solo de elegir las herramientas adecuadas, sino de garantizar que su infraestructura de datos pueda respaldar estos avances. He visto de primera mano cómo los datos desordenados y no estructurados pueden hacer descarrilar incluso los proyectos de IA más prometedores. Es alentador ver un impulso hacia una mejor gobernanza de datos y controles de privacidad, ya que estos son los pilares para una adopción exitosa de la IA”.
— Simon Stirling , director de tecnología, Flame-Ware Solutions Ltd.
Lo que estamos leyendo
- La demanda de aplicaciones basadas en IA requerirá que el 80 % de los ingenieros de software de todo el mundo adquieran nuevas habilidades para 2027. Esto creará una nueva generación de profesionales del software: los ingenieros de IA. ( Gartner )
- A pesar de lo que está en juego, Estados Unidos no está preparado para los riesgos y las oportunidades que ofrece la IA generativa . Carecemos de la urgencia, los modelos mentales, el poder de los trabajadores, las soluciones políticas y las prácticas empresariales necesarias para que los trabajadores se beneficien de la IA y eviten sus daños. ( The Brookings Institution )
- Amazon está desarrollando asistentes de compras superinteligentes que no solo recomiendan productos, sino que los agregan a los carritos. También serían capaces de realizar compras autónomas (pero con aprobación humana). ( WIRED )
¿Cree que conoce a los agentes? Piénselo de nuevo. Desmentiremos algunos mitos comunes en torno a los agentes de IA y le mostraremos por qué estos conceptos erróneos podrían estar frenando el crecimiento de su negocio.
Es comprensible que haya confusión sobre las tecnologías nuevas y revolucionarias como los agentes autónomos . ¿Realmente aportarán valor? ¿Qué pueden y qué no pueden hacer? ¿No son simplemente robots glorificados? Estas son preguntas legítimas y, como ocurre con cualquier tecnología nueva, existen algunos conceptos erróneos que pueden nublar su comprensión de su potencial. Aclarar estos mitos sobre los agentes de IA es un paso crucial para tener éxito con la inteligencia artificial (IA) agética.
Mito n.° 1 sobre los agentes de IA: son simplemente chatbots glorificados
Los chatbots y los agentes son fundamentalmente diferentes en términos de complejidad y funcionalidad. Los bots se encargan de recuperar datos y responder preguntas, mientras que los agentes se encargan de tomar medidas.
Los bots utilizan reglas predefinidas y respuestas programadas para responder preguntas, y no se desvían de ellas. Por ejemplo, se utilizan ampliamente en atención al cliente para preguntas frecuentes como «¿dónde está mi pedido?» o «¿cuál es su política de devoluciones?».
Esa rigidez limita su utilidad. Los bots no entienden contextos más complejos y no pueden ser creativos a la hora de resolver problemas. A diferencia de las herramientas de IA más avanzadas, no aprenden por sí solos. Esto significa que cada vez que se realiza un cambio, por ejemplo, en la política de la empresa, debe hacerse manualmente dentro de la IA. Los bots no se vuelven más inteligentes con el tiempo. Están programados para recuperar datos y responder a preguntas rutinarias y predecibles. Son excelentes en eso, pero no pueden hacer más.
Los agentes van mucho más allá de las simples preguntas y respuestas. Los agentes totalmente autónomos pueden realizar tareas complejas de varios pasos sin intervención humana directa, mientras que los agentes semiautónomos implican la intervención de un “humano” que activa determinados tipos de solicitudes. A diferencia de los chatbots, los agentes pueden procesar grandes cantidades de datos, tomar decisiones y aprender de su entorno, lo que les permite gestionar flujos de trabajo, optimizar procesos y hacer recomendaciones estratégicas. A menudo incorporan técnicas de IA más avanzadas, como el aprendizaje por refuerzo y algoritmos de toma de decisiones, que les ayudan a actuar de forma proactiva y adaptarse a las condiciones cambiantes.
Es la diferencia entre, digamos, un bot que simplemente analiza sus datos de ventas y un agente que analiza los datos y los utiliza para ajustar los niveles de inventario, actualizar las estrategias de marketing y comunicarse con los proveedores.
Mito n.° 2 sobre los agentes de IA: son impredecibles e incontrolables
Los agentes autónomos pueden evocar recuerdos de películas como “2001: Odisea del espacio” y “Terminator”, donde los sistemas de inteligencia artificial se vuelven locos, con consecuencias nefastas. Pero, de hecho, los agentes más eficaces de la actualidad utilizan herramientas y técnicas sofisticadas para protegerse de errores y alucinaciones, y tienen la seguridad y la confianza como elementos centrales.
En el centro de todo esto se encuentra un motor de razonamiento que genera un plan de acción basado en lo que el usuario está intentando hacer. Evalúa y perfecciona el plan, extrayendo datos de la gestión de relaciones con el cliente (CRM) y otros sistemas. Decide qué proceso de negocio utilizar en función de la solicitud y repite el proceso hasta que lo consigue, volviéndose cada vez más inteligente.
Si una tarea solicitada parece estar fuera de los límites establecidos por una organización (incluidos los permisos de usuario), el motor de razonamiento actúa como un control y contrata automáticamente a un humano para que la supervise.
“Ayudar a un agente a actuar con precisión y a comprender lo que no puede hacer es una tarea compleja”, afirmó Krishna Gandikota, gerente de ingeniería de soluciones de Salesforce. “Pero un motor de razonamiento ayuda a la IA a planificar y evaluar su enfoque antes de tomar una acción. También determinará si tiene las habilidades y la información adecuadas para tomar la acción”.
Este proceso de toma de decisiones, dijo Gandikota, se ve mejorado por la capacidad del agente de aprender continuamente de sus interacciones y experiencias para refinar y mejorar sus respuestas con el tiempo.
Los agentes de IA más efectivos son aquellos que son contextualmente conscientes y basados en los datos más relevantes .
Agentforce utiliza Data Cloud , que tiene estas técnicas incorporadas. Para obtener resultados aún más precisos, Data Cloud utiliza tecnología de copia cero , que permite a los agentes de IA acceder a los datos obtenidos de diversas fuentes de datos en tiempo real, sin tener que moverlos, copiarlos ni modificarlos.
Mito n.° 3 sobre los agentes de IA: su configuración es complicada, lleva mucho tiempo y es costosa
Se podría pensar que tecnologías tan impactantes como los agentes requerirían meses de desarrollo e integración complejos y millones de dólares. Pero los agentes impulsados por IA generativa y modelos de lenguaje extensos (LLM) se pueden configurar en minutos con temas prediseñados, que son las áreas de interés que el agente está diseñado para manejar, y acciones, que son las tareas que realiza el agente de IA.
Ya existen algunos agentes listos para usar para atención al cliente, comercio, capacitación en ventas y más. Pero también hay opciones de código bajo para crear rápidamente agentes personalizables . Al utilizar el procesamiento del lenguaje natural (PLN), si puede describirlo, puede crear un agente personalizado.
Herramientas como Agent Builder incluso sugieren automáticamente medidas de seguridad para ayudar a un agente a realizar su trabajo de forma segura. Mediante la descripción de procesamiento del lenguaje natural del trabajo que desea que realice el agente, Agent Builder encuentra recursos semánticamente similares dentro de los metadatos de su aplicación. Esto le permite conocer cómo funciona su negocio y sugiere automáticamente conocimientos y acciones para completar mejor el trabajo.
“Toda la sofisticación ya está en la plataforma”, dijo Gandikota. “La capa Einstein Trust , el motor de razonamiento, la base de datos vectorial (para RAG y búsqueda semántica) se activan automáticamente. Se puede construir un ejército de agentes con una plataforma que reúne todo de la manera más confiable y abierta”.
Mito n.° 4 sobre los agentes de IA: siempre son completamente autónomos
Los agentes no siempre tienen que ser 100 % autónomos. Su nivel de autonomía varía según su propósito y la complejidad de sus tareas. Sin embargo, los agentes son más eficaces cuando trabajan en conjunto con humanos para impulsar el éxito del cliente y los resultados comerciales positivos.
En una situación semiautónoma, los agentes ayudan a los trabajadores a tomar decisiones y llevar a cabo tareas, y normalmente requieren intervención para aprobar decisiones. Por ejemplo, un agente de servicios financieros analizaría la cartera de un cliente y haría sugerencias al gestor de la cartera sobre cómo optimizarla, sin tomar realmente esas medidas.
Con autonomía supervisada, los agentes completan tareas de forma autónoma, pero están constantemente supervisados por humanos. Esto es especialmente importante en sectores regulados y que priorizan la seguridad, como la atención sanitaria, los seguros, el transporte y los productos farmacéuticos.
Los agentes totalmente autónomos ejecutan tareas sin intervención humana. Recuperan datos, los analizan, toman decisiones, se adaptan y realizan acciones por sí solos. Sin embargo, incluso estos agentes operan dentro de límites predefinidos diseñados por humanos.
“Los agentes no siempre tienen que estar completamente automatizados para tomar medidas, pero sí entienden las solicitudes y razonan si pueden tomar la acción por sí mismos y solicitan la intervención humana cuando es necesario”, dijo Gandikota.
Mito n.° 5 sobre los agentes de IA: no aportarán valor comercial real
Muchas organizaciones que utilizan IA basada en GPT para tareas genéricas y multipropósito no están obteniendo las ganancias de productividad o el valor comercial que esperaban. Pero la IA basada en agentes es muy diferente. Ya sea que se trate de fomentar oportunidades de venta, generar ideas para campañas o desviar llamadas de servicio, los agentes diseñados específicamente para este propósito se concentran en un trabajo específico y lo hacen muy bien.
La mejor parte es que actúan en su nombre. Estos agentes de IA específicos, diseñados para resolver un problema específico, son infinitamente más prometedores que la IA genérica que no está en sintonía con las necesidades de su negocio. Es por eso que el 82 % de las grandes empresas planean implementar agentes para 2027.
