ELEMAR RIESGO, S.L.

También se le llama IA autónoma, denominación que define su cualidad diferencial: si la Gen IA crea contenidos por indicación directa de su interlocutor, la Inteligencia Artificial agéntica podrá asumir una tarea completa y compleja, tomar —dentro de un marco preestablecido—decisiones propias para realizarla y ofrecer el resultado al final de un proceso sin apenas intervención humana.

La IA pasaría de copiloto que obedece órdenes puntuales constantes a autopiloto en quien se delega un proceso y cuya forma de trabajar se parece más a la de un equipo profesional. Por ejemplo, si la Gen IA busca la mejor combinación de vuelos para un determinado viaje, una IA agéntica ya madura podría además realizar la prerreserva de billetes y hoteles, proceder al pago y enviar correos a ciertos destinatarios para ponerles al tanto del viaje, por ejemplo.

¿Cómo alcanza esa capacidad autónoma? 

Explicado de forma muy esquemática, combina varias capas de procesamiento. La de percepción capta datos empresariales que le permiten interpretar el contexto (los obtiene de APIs, bases de datos, ERPs, navegadores, sensores, IoT… lo que refleja su diseño para integrarse en entornos físicos). La capa de razonamiento para definir objetivos, asignar subtareas y planificar acciones. La de ejecución de esas decisiones. La que evalúa resultados sobre la marcha y reajusta la estrategia. La de colaboración multiagente si necesita coordinar tareas para alcanzar un objetivo de mayor complejidad. También interviene una capa de gobernanza que audita el resultado.

Retos y oportunidades

Esa capacidad de trabajo semi-independiente promete ventajas en automatización de procesos y flujos de negocio, en productividad, escalado y ahorro de costes, siempre que la implantación sea correcta. Esto incluye, como decíamos, un sistema reforzado de control, auditoría y validación para evitar errores debidos, precisamente, a esa autonomía operativa. El trabajo puede ser autónomo, pero no el criterio humano para supervisar la calidad y el cumplimiento de objetivos y normativas. Algunos autores apuntan la necesidad de unidades con expertos en seguridad, riesgos y cumplimiento legal para establecer límites. Un gran poder (tecnológico) requiere una gran responsabilidad (de gobernanza).

Necesidad de sistemas de control

En este sentido, es fundamental apoyarse en un partner tecnológico especializado. Empezar con un proceso controlado (como un cierre contable o el pago de facturas) que permita medir ahorros de tiempo y costes. Garantizar la mayor calidad posible de los datos. Y usar el agente, al menos hasta que madure su capacidad, más como un copiloto con un nivel graduable de autonomía.

¿En qué tareas puede aplicarse?

Otra de las cualidades que promete es la versatilidad para asumir tareas diversas. Desde servicios financieros y logísticos a atención al cliente, marketing, compras a proveedores, pasando por informes de gestión interna o procesos como ajustar parámetros en una línea de producción o detectar ineficiencias, entre otros.

Respecto a sus capacidades realistas, artículos de referencia como este recomiendan no dejarse llevar por la tendencia a exagerar su capacidad actual. Advierte, además, que algunos productos publicitados como agentes o no lo son o aún están camino de serlo. En esa línea, Gartner apunta que un considerable porcentaje de proyectos podrían abandonarse durante 2027 por no cumplir sus expectativas. 

Perspectivas de futuro

No obstante, las consultoras coinciden en que su impacto será enorme, aunque aún requiera algún tiempo para consolidarse. Ese plazo, por lo demás, parece corto comparado con tecnologías previas que también prometían disrupción.

Gartner cree que en 2028 el 33% del software corporativo incorporará capacidades agénticas y tomaría el 15% de las decisiones laborales cotidianas, mientras IDG y Salesforce proyectan que para 2030 estos sistemas serían capaces de asumir el 22% de la carga laboral. Por su parte, Market.us concluye que su mercado global podría multiplicar por más de 18 su valor entre 2026 y 2034.