¿Está la IA tomando la delantera con el auge de los agentes?

¿Cómo cambiará la IA nuestra forma de trabajar? Una pregunta que lleva años rondando las salas de juntas y las conferencias tecnológicas.

Nos hemos enfrentado a una limitación fundamental de los sistemas de IA: su incapacidad para tomar la iniciativa. La IA agéntica cambia esta situación, ya que puede planificar, razonar y actuar utilizando herramientas externas.

Por primera vez, vemos sistemas de IA que no se limitan a responder a consultas, sino que identifican problemas de forma proactiva, formulan soluciones y actúan. No se trata sólo de una mejora incremental de las capacidades de la IA, sino de un cambio de paradigma en la forma en que los sistemas de IA funcionan e interactúan con el mundo.

La IA agenética funciona comprendiendo el problema en cuestión, recopilando el contexto, buscando la información necesaria mediante herramientas externas y, a continuación, aprovechando los LLM para actuar con "agencia".

Imaginemos una empresa de logística que se enfrenta a imprevistos meteorológicos. Los sistemas de IA tradicionales se limitarían a analizar los datos meteorológicos y hacer recomendaciones. La IA agenética utilizaría sus capacidades de razonamiento para comprender cómo afecta el tiempo a las operaciones, trazar un plan de acción y activar notificaciones o alertas utilizando herramientas externas.

En esta transición de la era de la IA generativa a la IA agéntica, este blog explora:

• Qué es la IA Agenética y cómo ha evolucionado
• Por qué es importante para las empresas
• Riesgos potenciales y problemas de seguridad
• Cómo pueden las empresas iniciar su andadura en la IA agéntica

Evolución de la IA: de la IA de percepción a la IA agéntica

Los primeros modelos de IA, clasificados como modelos de IA de percepción, podían comprender e interpretar el mundo que les rodeaba y destacaban en tareas específicas y limitadas.

Por ejemplo, un modelo de análisis de sentimientos podía determinar la opinión de un cliente sobre un producto o servicio, o un sistema de clasificación de imágenes podía distinguir entre perros y gatos. Sin embargo, estos sistemas estaban limitados por su enfoque monotarea.

Después llegó la era generativa, cuando los sistemas de IA no sólo podían percibir, sino también generar. No se trataba simplemente de pasar de la clasificación a la generación, sino de un cambio fundamental que implicaba una arquitectura de transformadores con capacidad de atención incorporada, lo que les permitía pasar de las tareas de percepción a las de generación.

Ahora estamos asistiendo a la aparición de la IA agenética, que representa algo más que una simple combinación de capacidades perceptivas y generativas. Como ya se ha dicho, las herramientas de IA agenética se distinguen de los modelos anteriores por su capacidad de razonar, planificar e interactuar.

¿Qué vendrá después?

La IA encarnada: sistemas que combinan la agencia con la presencia física en el mundo real. Sin embargo, no se trata simplemente de una autonomía completa (un concepto problemático incluso para la inteligencia humana), sino más bien de fundamentar la agencia de la IA en la realidad física.

Conviene señalar que la progresión no es estrictamente lineal. Cada etapa se basa en las capacidades de las anteriores y las mejora, creando sistemas de IA cada vez más sofisticados en su capacidad de comprender, crear, razonar y actuar en el mundo. Además, lo que aprendemos de los sistemas de IA más recientes permite y mejora los sistemas de IA existentes.

¿Qué es la IA agenética?

La IA agéntica puede razonar, planificar y actuar de forma autónoma, lo que le permite realizar tareas con una orientación humana mínima. Aprovecha un proceso denominado REACT (Reasoning and Acting), que determina lógicamente qué acciones realizar y las ejecuta utilizando herramientas externas.

Los modelos multimodales permiten a la IA manejar varios tipos de entradas -texto, imágenes y datos- y entender cómo se relacionan y responden a través de estas modalidades. La IA puede decidir de forma autónoma cuándo y cómo utilizar mejor cada capacidad.

Aunque opera dentro de unos parámetros definidos, puede elegir cómo alcanzar sus objetivos, adaptarse a nuevas situaciones e incluso establecer objetivos intermedios. La IA agenética se basa en una arquitectura cognitiva que imita la forma humana de resolver problemas. Sus componentes básicos son

• Memoria (a corto y largo plazo): Registra las interacciones pasadas y conserva el contexto pertinente.
• Marcos de razonamiento y planificación: Utiliza métodos como REACT o el aprendizaje basado en la reflexión para mejorar la toma de decisiones.
• Modelos generativos de IA: Funcionan como el "cerebro" de la IA, permitiendo la comunicación y el razonamiento complejo.
• Orientación a objetivos: Funciona con objetivos predefinidos, garantizando acciones con propósito.
• Acceso a herramientas externas: Puede buscar en Internet, recuperar datos en tiempo real o integrarse con sistemas empresariales. Algunos ejemplos son la búsqueda en Internet y el intérprete de código. El sector está trabajando para normalizar el modo en que estas herramientas se integran con los modelos lingüísticos. MCP se ha asociado con Anthropic para lograr esta normalización.

¿Qué ventajas tiene para las empresas?

La IA agéntica automatizará la lógica empresarial, que de otro modo se escribiría manualmente cada vez mediante scripts de agente. Al tomar tareas tediosas y engorrosas y automatizarlas dentro de una arquitectura similar a la de un agente, las empresas pueden lograr mejoras significativas en eficiencia y productividad.

Imagine a un directivo realizando evaluaciones periódicas para todo un equipo. La IA robótica puede automatizar este complejo proceso empresarial, mejorando significativamente la eficiencia. Esto mejora la precisión del proceso y deja al directivo más tiempo para centrarse en tareas estratégicas.

Veamos dos casos de uso con más detalle para comprender el alcance de la IA Agentic en las empresas.

Agentes de atención al cliente: A diferencia de los chatbots de IA tradicionales, la IA Agentic no se limitará a reaccionar, sino que identificará de forma autónoma y abordará de forma proactiva los posibles problemas de atención al cliente. He aquí cómo:

• El agente de IA analiza la consulta del cliente.
• A continuación, recupera datos relevantes (historial de compras, tickets de soporte anteriores, uso del producto)
• La IA predice posibles problemas antes de que se agraven
• Ejecuta acciones de forma autónoma, ofreciendo soluciones, procesando reembolsos y escalando casos si es necesario.

A diferencia de los chatbots de IA generativa, la IA Agentic no se limita a responder preguntas: piensa, planifica y resuelve.

Agente del conocimiento: La IA Agentic puede transformar de forma autónoma la gestión del conocimiento organizando, recuperando y conservando el conocimiento empresarial. He aquí cómo:

• Categoriza de forma proactiva la documentación y detecta las lagunas de conocimiento.
• Proporciona información contextual anticipándose a las necesidades de información de los empleados.
• Crea rutas de aprendizaje personalizadas basadas en el comportamiento del usuario
• Conecta el conocimiento interfuncional, identificando oportunidades de colaboración.

No se limita a almacenar información, sino que estructura, refina y aplica los conocimientos de forma dinámica, impulsando el aprendizaje y el crecimiento.

Los riesgos ocultos de la autonomía de la IA: Por qué es importante un enfoque centrado en el ser humano

La IA agéntica tendrá un profundo impacto en los modelos SaaS y en el desarrollo de software al automatizar tareas complejas y comoditizadas, mejorar las capacidades humanas y permitir un mayor enfoque en el trabajo especializado y estratégico.

Sin embargo, los humanos siguen teniendo la iniciativa. Una mayor autonomía conlleva mayores riesgos. Dado que los LLM son el núcleo de la IA Agenética, son vulnerables a las alucinaciones y a los ataques adversarios, que pueden exponer a todo el sistema a amenazas similares. Los ataques de adversarios se centran en los puntos débiles del razonamiento en varios pasos de la IA, manipulando la interpretación de la entrada, los pasos intermedios o los resultados finales para comprometer el comportamiento.

Esta complejidad aumenta la preocupación por la desalineación con los valores humanos. Los objetivos de la IA pueden entrar en conflicto con los intereses humanos y provocar resultados perjudiciales. También existe el riesgo de perder el control y que la IA actúe de forma impredecible o tome medidas irreversibles. Para mitigar estos riesgos, las empresas deben adoptar un enfoque humano en el desarrollo de la IA agéntica.

¿Cómo empezar con la IA agéntica?

Dada la ventaja económica prevista de la IA agéntica, empresas como Open AI, Microsoft, Google, Meta, Oracle y Salesforce han realizado inversiones sustanciales.

Sin embargo, a pesar de las promesas y los rumores, es bueno recordar que la ingeniería agenética aún está evolucionando. Mientras los hiperescaladores desarrollan sus modelos de código abierto, es un buen momento para que las empresas identifiquen los usos relevantes y establezcan la infraestructura tecnológica necesaria.

Si está construyendo su infraestructura de IA Agentic, es importante crear agentes utilizando principios de ingeniería sólidos. Otros factores incluyen la decisión sobre las plataformas adecuadas y el equilibrio de sus esfuerzos e inversiones entre la IA Genética y la Generativa.

Nagarro puede ayudarle a construir los agentes adecuados, aprovechando nuestros sólidos principios de ingeniería y experiencia. Estamos seguros de la capacidad de la IA Agentic para desbloquear la eficiencia empresarial e invertimos fuertemente en ella. Actualmente, estamos trasladando muchas de nuestras plataformas a la arquitectura Agentic para aprovechar su verdadero potencial.

Si está buscando construir su infraestructura de IA Agentic, podemos ayudarle. Hablemos.