5 mitos sobre los agentes de IA

Es normal que tecnologías nuevas y revolucionarias como los agentes de inteligencia artificial (IA) generen dudas. ¿Realmente serán útiles? ¿Qué pueden y qué no pueden hacer? ¿Y si no son más que bots sobrevalorados? Todas estas preguntas son perfectamente normales. A menudo, cuando surgen nuevas tecnologías, vienen acompañadas de mitos que pueden cegarnos y no dejarnos ver su verdadero potencial. Por ello, es fundamental que desmontemos los prejuicios más comunes, para aprovechar al máximo la IA autónoma. Estos son los 5 mitos sobre los agentes de IA más extendidos:

Mito nº 1: no son más que bots sobrevalorados

Chatbots y agentes de IA se diferencian principalmente en su complejidad y funcionalidad. Los bots se limitan a recopilar datos y responder preguntas. Mientras que los agentes, por su parte, pasan a la acción. 

Los bots utilizan reglas preestablecidas y respuestas programadas para responder a las preguntas, y no se desvían de ellas. Por ejemplo, están bastante extendidos en servicios de asistencia y soporte al cliente para responder preguntas frecuentes como «¿Dónde está mi pedido?» o «¿Cuál es la política de devolución?». 

Con tan poca libertad de acción, su utilidad es limitada. Los bots no entienden contextos más complejos y no pueden encontrar soluciones creativas. Y tampoco son autodidactas. Es decir, cualquier cambio (p. ej., una actualización de la política de empresa) tiene que implementarse manualmente. Tampoco se vuelven más inteligentes con la práctica. Han sido programados para recopilar datos y responder preguntas predecibles y rutinarias. Lo hacen maravillosamente, pero eso es todo. 

Los agentes de IA, en cambio, van un paso más allá. Los que poseen autonomía completa son capaces de realizar tareas complejas y de varios pasos sin intervención humana directa. Mientras que los semiautónomos requieren cierto grado de intervención humana para procesar algunos tipos de solicitudes.

A diferencia de los bots, los agentes pueden procesar grandes cantidades de datos, tomar decisiones y aprender del entorno. Esto les permite gestionar flujos de trabajo, optimizar procesos y hacer recomendaciones estratégicas. A menudo, incorporan técnicas de IA más avanzadas, como aprendizaje reforzado y algoritmos para la toma de decisiones. Esto les ayuda a actuar de manera proactiva y a adaptarse a circunstancias cambiantes.

Es la diferencia entre, por ejemplo, un bot que se limita a analizar datos de ventas, y un agente de IA que analiza los datos y los utiliza para ajustar las existencias del inventario, contactar con proveedores…

Mito nº 2: no se pueden predecir ni controlar

Los agentes autónomos pueden recordar a películas como «2001: Odisea del espacio» o «Terminator», donde la inteligencia artificial se descontrolaba con consecuencias catastróficas. No obstante, ahora contamos con agentes muy eficaces, que emplean herramientas y técnicas sofisticadas para evitar errores y alucinaciones. Además, tienen la seguridad y la confianza en su centro. 

Esto es posible porque emplean un motor de razonamiento que genera un plan de acción basado en las necesidades del usuario. Los agentes de IA evalúan y modifican este plan a partir de los datos CRMs y de otros sistemas. Deciden qué proceso empresarial se ajusta a la solicitud, y lo repiten hasta que aciertan, haciéndose cada vez más inteligentes.  

Si una tarea solicitada se encuentra fuera de los límites establecidos por una organización (incluidos los permisos de usuario), el motor de razonamiento actúa como control y solicitará la supervisión de un humano. 

«Enseñar a un agente a actuar correctamente y a comprender lo que no puede hacer es una tarea compleja», – afirma Krishna Gandikota, director de ingeniería de soluciones de Salesforce. «Pero, con el motor de razonamiento, la IA logra establecer una plan y evaluarlo antes de actuar. También le ayudará a saber si cuenta con las habilidades y la información necesarias.»

Este proceso de toma de decisiones, explica Gandikota, mejora constantemente por la capacidad del agente de IA de aprender de sus propias interacciones y experiencias, para dar mejores respuestas con el tiempo.

Entender el contexto

Los agentes de IA más eficaces son los que conocen el contexto y se basan en los datos más relevantes. Esto se consigue de diferentes maneras. Una es con la técnica llamada generación mejorada por recuperación (RAG), que encuentra la mejor información para utilizar y crea nuevas respuestas basadas en ella. Otra técnica es la llamada búsqueda semántica, que realiza búsquedas según el contexto, para recopilar la información más reciente y relevante para una tarea. 

Agentforce utiliza Data Cloud, que viene con ambas técnicas integradas. Y, para afinar aún más los resultados, aplica una tecnología de copia cero. Esta tecnología permite a los agentes de IA acceder en tiempo real a datos de diversas fuentes, sin tener que moverlos, copiarlos o modificarlos.  

Mito nº 3: son complicados, tediosos y caros de configurar

El tercero de los mitos sobre los agentes de IA lleva a pensar que la tecnología tan potente que utilizan requiere meses de complejo desarrollo e integración, además de millones de dólares. Pero, en realidad, los agentes basados en IA generativa y los grandes modelos de lenguaje (LLM) se configuran en minutos. Esto es así porque incluyen temas (las áreas de interés que el agente puede manejar) y acciones (las tareas que realiza) de manera predeterminada. 

Existe todo un abanico de agentes listos para su uso en atención al cliente, comercio, formación en ventas y más. Pero también podemos utilizar opciones sin apenas código para crear de forma rápida agentes personalizables de IA. Por ejemplo, con procesamiento de lenguaje natural (PLN): si se puede describir, se puede crear. 

Otras herramientas como Agent Builder incluso sugieren límites para ayudar al agente a realizar su trabajo de forma segura. Basta con introducir la descripción PLN de la tarea que se quiere que haga el agente, y el generador de agentes encontrará recursos semánticamente similares en los metadatos de su aplicación. Esto le permite conocer el funcionamiento de su empresa, y sugiere automáticamente  acciones útiles para completar la tarea con éxito.  

«La plataforma cuenta con las herramientas más sofisticadas,»- afirma Gandikota». «Einstein Trust Layer, el motor de razonamiento y la base de datos vectorial (para RAG y búsqueda semántica) vienen incluidos. Se puede crear un ejército de agentes con una plataforma completa, de una manera segura y fiable.  

Mito nº 4: siempre son completamente autónomos

Los agentes no tienen por qué ser siempre autónomos al 100%. Su nivel de autonomía varía en función de la finalidad y la complejidad de la tarea. De hecho, los agentes son más eficaces cuando se combinan con personas para impulsar el éxito de los clientes. 

En un escenario de semiautonomía, los agentes ayudan a los empleados a realizar sus tareas y tomar decisiones, pero requieren supervisión para aprobar estas últimas. Por ejemplo, un agente en tareas relacionadas con servicios financieros analizaría la cartera de productos de un cliente y propondría acciones concretas al director de la cartera para optimizarla, pero no llevaría a cabo esas acciones por sí mismo. 

La autonomía supervisada consiste en que los agentes completan tareas de manera autónoma, pero son constantemente supervisados por humanos. Esto es crucial en sectores regulados y donde la seguridad es lo primero (p. ej., sanidad, seguros, transporte y farmacéutico). 

Los agentes con autonomía completa, por su parte, ejecutan tareas sin intervención humana. Recopilan datos, los analizan, toman decisiones, las adaptan en consecuencia y actúan por su propia cuenta. No obstante, incluso estos agentes operan dentro de los límites predeterminados diseñados por humanos. 

«La autonomía completa no es un requisito para que los agentes de IA actúen. Son capaces de comprender las peticiones y decidir si pueden realizarlas por sí solos, o si solicitan la intervención humana si la necesitan.» – explica Gandikota. 

Mito nº 5: no ofrecen ningún valor real a la empresa

El último de los mitos sobre los agentes de IA se basa en que muchas organizaciones que ya utilizan la IA para tareas genéricas no están obteniendo las mejoras que esperaban. Pero la IA autónoma es diferente. Los agentes creados para un fin concreto se centran en una tarea específica, y lo hacen extraordinariamente bien. Por ejemplo, pueden crear oportunidades de negocio, aportar ideas para campañas o derivar llamadas al equipo de atención al cliente. Y lo mejor es que actúan en su nombre.

Estos agentes de IA más concretos son mucho más prometedores que una IA genérica, que desconoce sus necesidades empresariales. Por eso el 82% de las grandes empresas tiene previsto implementar agentes de aquí a 2027. 

Algunas empresas ya se han adelantado. Wiley, la editorial educativa, ha solucionado un 40% más de casos de asistencia a clientes desde que implementó un agente de IA, superando con creces a su antiguo chatbot. Los agentes les ayudan con tareas rutinarias, liberando a los equipos de atención al cliente para incidencias más complejas. OpenTable y ADP también han adoptado ya un agente de IA, y están mejorando su atención al cliente con resultados incluso mejores que los de Wiley. 

Según la empresa de investigación MarketsandMarkets, «el factor determinante para la adopción de agentes de IA es la creciente demanda de automatización para mejorar la eficiencia, la escala y la toma de decisiones. Los agentes constituyen una alternativa eficaz, ya que automatizan las tareas más repetitivas, analizan grandes conjuntos de datos y ofrecen información práctica en tiempo real».

Según las previsiones de la empresa, el mercado de agentes de IA pasará de 5.100 millones de dólares este año a 47.000 millones en 2030. 

Conclusión – Conoce los mitos sobre los agentes de IA e intenta evitarlos

Es fundamental que los líderes empresariales dejen de confundir la ficción con la realidad. Dejarse llevar por los prejuicios que rodean a los agentes de IA puede llevar a perder oportunidades o, peor aún, a sufrir pérdidas económicas.  Por ello, conocer 5 mitos sobre los agentes de IA ayuda a reconocerlos y, por ende, a evitarlos. El conocimiento de las capacidades y limitaciones de los agentes permite trabajar mejor y tomar decisiones más inteligentes e informadas.