A

diferencia del software tradicional, los agentes de IA están diseñados para razonar, planificar y ejecutar acciones a través de distintos sistemas. En el momento en que un agente puede modificar un sistema de registro (actualizar un precio, enviar un pago o modificar los datos de un cliente) deja de ser una herramienta de productividad y se convierte en parte del modelo operativo de la organización.

Lo más importante es que esto introduce nuevas categorías de riesgo. Una herramienta de IA generativa limitada (como ChatGPT para redactar correos electrónicos) genera un riesgo de contenido: puede decir algo incorrecto. La IA agéntica genera un riesgo de ejecución: puede hacer algo incorrecto.

Para superar ese umbral e integrar eficazmente agentes de IA a gran escala, usted debe tratarlos como una nueva clase de fuerza laboral que requiere gestión.

Mientras no se establezcan estas bases organizacionales, escalar la IA agéntica será difícil. Cuatro fricciones recurrentes, en particular, tienden a ralentizar o descarrilar el progreso. Entenderlas es el primer paso para gestionarlas.

1. Identidad: ¿Quién está actuando?

Las organizaciones deben tratar a cada agente de IA como un trabajador digital distinto, con su propia identidad, credenciales y rol. En lugar de depender de cuentas de servicio compartidas, las empresas deben asignar permisos a los agentes con un alcance limitado que reflejen las tareas específicas para las que están diseñadas. Los mismos principios utilizados para gestionar a los colaboradores humanos (como el acceso al mínimo privilegio y los límites basados en funciones) deben aplicarse también a los agentes.

2. Contexto: Cuando los datos erróneos llevan a malas acciones

Los agentes también introducen un nuevo desafío de seguridad: la manipulación del contexto. Si un agente lee correos electrónicos, formularios o tickets de soporte y luego ejecuta tareas basadas en esa información, los atacantes pueden incrustar instrucciones ocultas diseñadas para influir en su comportamiento.

Para hacer frente a estas fricciones contextuales, las organizaciones deben establecer estándares claros sobre qué información pueden considerar confiable sus agentes. Esto implicará definir fuentes autorizadas para políticas, precios y datos operativos, de modo que los agentes puedan apoyarse de forma consistente en la versión correcta de la verdad.

3. Control: Los sistemas probabilísticos necesitan límites claros

Los métodos de prueba tradicionales parten de la base de que el comportamiento es estable. Un sistema que hoy supera una serie de pruebas puede comportarse de forma diferente mañana si se actualiza el modelo, cambia el prompt o se añaden nuevos datos. Y los riesgos aumentan en entornos con múltiples agentes donde estos se transfieren tareas entre sí.

Sin límites claros, los errores (o ataques) pueden propagarse a lo largo de un sistema automatizado. Para gestionar ese riesgo, las organizaciones deben construir controles deterministas en torno a los sistemas de IA probabilísticos. En lugar de permitir que los agentes ejecuten acciones directamente, las empresas deben implementar capas de validación entre el modelo de IA y los sistemas operativos. En este enfoque, el agente propone una acción (como emitir un reembolso) y, antes de ejecutarse, un software determinista verifica que cumpla con las reglas establecidas.

4. Responsabilidad: Cuando nadie puede explicar lo que ocurrió

Las empresas deben diseñar sus sistemas de IA pensando en la responsabilidad desde el principio. Esto comienza con mantener registros completos de cómo operan los agentes, incluyendo a qué fuentes de datos accedieron, qué instrucciones recibieron y qué herramientas utilizaron para completar una tarea. Estos registros deben permitir reconstruir la cadena de razonamiento que llevó a cualquier acción.

Las empresas no son entornos listos para usar; son sistemas complejos moldeados por tecnología heredada, políticas y el juicio humano. Las organizaciones que tengan éxito con la IA agéntica no serán simplemente las que implementen más agentes, sino aquellas que construyan las estructuras que permitan confiar en ellos.

E

n una empresa minorista de la lista Fortune 500, la dirección proporcionó a un equipo responsable de redactar contratos de negociación con proveedores una herramienta de IA diseñada para agilizar su trabajo. Impulsada por un modelo de lenguaje de gran tamaño (LLM, por sus siglas en inglés) ampliamente utilizado, la dirección esperaba que la herramienta acelerara el trabajo del equipo. Sin embargo, a pesar de las altas expectativas, la producción del equipo no cambió. Aunque la herramienta podía generar texto genérico (por ejemplo, un borrador inicial de un contrato), el equipo tenía que personalizar ese texto para cada proveedor.

Esta historia refleja un patrón de cómo las herramientas de IA no cumplen con sus promesas. En una encuesta reciente que realizamos a 30 empresas de diversos sectores, los encuestados informaron que las herramientas genéricas de IA a menudo no ayudan a los usuarios a completar las tareas específicas requeridas en flujos de trabajo únicos, porque son genéricas.

Esta brecha entre las capacidades genéricas de la IA y las necesidades específicas y cambiantes de los equipos apunta a un desafío más profundo: las herramientas actuales no están diseñadas para comprender cómo se realiza realmente el trabajo. En este artículo, ofrecemos dos conceptos clave que pueden ayudar a cerrar esa brecha: los “gráficos de trabajo” (mapas digitales de cómo trabajan los equipos) y la “localización mecanicista inversa” (adaptación de los modelos de IA a los equipos). Estas ideas ayudan a explicar por qué la IA tradicional a menudo se queda corta y cómo las organizaciones pueden diseñar sistemas de IA que se adapten a flujos de trabajo, usuarios y contextos reales.

Por qué la herramienta de IA no creaba valor

Considere este problema en el contexto de un proceso particular ejecutado por el equipo de contratos. Tradicionalmente, al redactar un nuevo contrato para un proveedor, el equipo:

— Iniciaba sesión en múltiples sistemas.

— Recuperaba, analizaba y verificaba los detalles del proveedor.

— Revisaba las cotizaciones del proveedor y los términos de negociación de proveedores similares (o relacionados).

— Examinaba cualquier historial de pedidos relevante del proveedor.

— Redactaba manualmente un contrato que incorporara todos estos elementos.

Cuando el equipo de contratos adoptó por primera vez la herramienta de IA, su proceso comenzaba generando un contrato básico y genérico. A partir de ahí, dedicaban una cantidad considerable de tiempo a perfeccionarlo manualmente. Los resultados de la herramienta de IA se basaban en gran medida en contenidos públicos de Internet y carecían de los matices y el contexto específicos necesarios para sus contratos. Aunque el equipo consideró que la herramienta de IA era interesante, le resultaba difícil ver un impacto real en términos de reducción de esfuerzo.

Este es un ejemplo de la “paradoja de la productividad” de la IA en acción: una tecnología increíble que, sin una profunda adaptación contextual, no se traduce en mejoras tangibles de productividad.

Los modelos de IA potentes destacan porque están entrenados con grandes conjuntos de datos genéricos, pero su universalidad es un arma de doble filo. Si bien estos modelos pueden realizar una amplia gama de tareas, a menudo pasan por alto el contexto único de flujos de trabajo específicos y las necesidades particulares de los equipos, lo que lleva a una pérdida de ganancias en productividad.

El contexto lo es todo

Mientras la empresa experimentaba con esta IA, también trabajaba en lo que se convertiría en una solución a ese problema del contexto mediante la implementación de herramientas para mapear sus procesos y crear un gráfico de trabajo: una vista dinámica en tiempo real de cómo los equipos ejecutan sus flujos de trabajo en todos los sistemas. Estos mapas capturaban más que solo tareas: revelaban cómo se tomaban las decisiones, qué datos se consultaban y qué sistemas estaban involucrados.

Y aquí es donde surgió la verdadera oportunidad: el gráfico de trabajo (que incluía dos meses de actividad verificada y rica en contexto) podía utilizarse para entrenar la herramienta de IA. Debido a que capturó todo lo que el equipo consideraba importante, proporcionó a la herramienta de IA un contexto en tiempo real validado por humanos, lo que permitió que la herramienta comenzara a trabajar de una manera alineada con cómo realmente trabajaba el equipo. Con esta información, la herramienta de IA fue capaz de producir un primer borrador significativamente más completo, reduciendo iteraciones y acelerando el camino hacia un contrato final y utilizable.

Sin embargo, para que esto funcionara se requería algo más que los datos correctos: exigía el enfoque correcto. Mientras que la automatización tradicional a menudo busca reemplazar el trabajo humano, el objetivo aquí era personalizar la IA para que trabajara mejor para los equipos, reflejando cómo operan. Para lograrlo, aplicamos un enfoque llamado “localización mecanicista inversa” (RML, por sus siglas en inglés). Para entender cómo funciona una IA, lo habitual es aplicarle ingeniería inversa desde una perspectiva humana. La RML le da la vuelta a esa idea: aplica ingeniería inversa a la forma en que trabajan los humanos, analizando en profundidad los flujos de trabajo, las decisiones y el contexto reales de un equipo, y lo usa para adaptar la IA para servir mejor al equipo.

Los siguientes pasos estuvieron involucrados en la implementación de la RML para el equipo de contratos.

1. Mapear el gráfico de trabajo.

Comenzamos capturando cada paso e interacción humano-máquina que los miembros del equipo de contratos realizaban en su trabajo: cómo recuperaban información sobre un proveedor, cómo realizaban verificaciones cruzadas, cómo integraban manualmente diversas fuentes de datos en archivos de Excel, etc. Estos datos granulares y de alta fidelidad son la esencia del contexto local de un equipo.

Estos datos, en todas las organizaciones, proporcionan los detalles específicos de cómo trabaja realmente un equipo. Cuando este rico tapiz se introduce en la herramienta de IA, le permite transformar un modelo genérico en una herramienta altamente especializada que comprende el lenguaje local del trabajo.

2. Ajustar el gráfico de trabajo.

Una vez que mapeamos el gráfico de trabajo del equipo de contratos, utilizamos sus conocimientos detallados como contexto y lo usamos para ajustar el modelo que impulsa la herramienta de IA. Eso requería alimentar al modelo (bajo la herramienta de IA) con patrones de trabajo y datos (por ejemplo, información de proveedores). Este es el paso clave: integrar el contexto local de un equipo en la herramienta de IA. Al integrar los patrones de trabajo específicos y las señales contextuales de las operaciones diarias del equipo, la herramienta de IA genera un primer borrador del contrato que incluye varios detalles del proveedor, los matices en torno a sus calificaciones crediticias, etc.

3. Perfeccionamiento continuo.

Las organizaciones evolucionan continuamente. Los procesos cambian, se introducen nuevas tecnologías y las situaciones y prioridades se transforman. Por lo tanto, las empresas deben actualizar continuamente el gráfico de trabajo e introducir los patrones emergentes en el modelo para mantener actualizadas las herramientas de IA.

Este tipo de retroalimentación, llamada “aprendizaje por refuerzo con retroalimentación humana” (RLHF, por sus siglas en inglés), se utiliza para ajustar y perfeccionar el modelo dentro de la herramienta de IA. Como resultado, la herramienta de IA continúa adaptándose a las necesidades del equipo, asegurando una alta precisión sostenida a lo largo del tiempo.

¿Qué pueden hacer los CXOs?

Los directores de experiencia del cliente (CXO, por sus siglas en inglés) deben reconocer que la IA no es una tecnología de “implementar y olvidar”. En cambio, su valor se desbloquea cuando el sistema está alineado con los patrones de trabajo específicos y los procesos de toma de decisiones de la organización.

Al invertir en un enfoque personalizado, las empresas pueden reducir significativamente las tasas de error, recortar los costos operativos y, en última instancia, lograr un ROI mucho mayor en sus iniciativas de IA. En el panorama competitivo actual, descuidar la integración de esta capa de conocimiento contextual significa dejar el dinero, y la ventaja estratégica, sobre la mesa.

En resumen, si su estrategia de IA depende únicamente de soluciones estándar, corre el riesgo de perderse una transformación que impulse una verdadera productividad y reducción de riesgos. Por lo tanto, una estrategia de IA completa debe incluir un perfeccionamiento continuo mediante conocimientos localizados para garantizar que las inversiones en tecnología aporten valor inmediato y a largo plazo.

U

n error que suelen cometer los líderes es suponer que, si un integrante del equipo no se queja, la persona es feliz en el trabajo.

De acuerdo con una investigación realizada por Gallup, el 52% de los empleados que salieron voluntariamente dijeron que su gerente u organización podría haber hecho algo para evitar que dejaran su trabajo. Aunque usted no puede hacer que todos se queden, sí puede, como gerente, mejorar sus tasas de retención si se toma el tiempo para comunicarse con su equipo.

La mayoría de los trabajadores están familiarizados con el concepto de una entrevista de salida, durante la cual un representante de recursos humanos entrevista al empleado acerca de por qué se va.  Una “conversación de permanencia” es cuando un líder se acerca para asegurarse de que la experiencia laboral del empleado lo haga querer quedarse. Recomiendo tener estas conversaciones trimestralmente y también configurarlas en torno a hitos clave, como los aniversarios de trabajo.

He aquí cómo prepararse para estas conversaciones, y qué decir cuando se reúna con un integrante de su equipo:

Establezca el contexto

Hágale saber a su colega que esta no es una conversación de desempeño o una reunión para hablar sobre proyectos, sino una reunión para comprender cómo le va y cómo usted puede apoyarlo de mejor forma. Podría decir: “Quería hacerte saber que realmente aprecio tenerte en nuestro equipo. Al comenzar el nuevo trimestre, quise reservar algo de tiempo para asegurarme de que estás teniendo una buena experiencia en el trabajo”.

Luego, anime al integrante de su equipo a pensar en tres o cuatro de los siguientes temas antes de reunirse:

— ¿Cómo se ha sentido con respecto al trabajo en general?

— ¿Qué parte del trabajo disfruta más?

— ¿Qué aspecto del trabajo disfruta menos?

— ¿Cómo se siente acerca de equilibrar el trabajo y el hogar?

— ¿Cuál ha sido su mayor reto este trimestre?

— ¿Qué puede hacer usted, como su gerente, para apoyarlo a él y al equipo de manera diferente?

— ¿Siente que está aprendiendo y creciendo? Si no es así, ¿hay algo que usted pueda hacer como su jefe para mejorar su experiencia?

Muévase mentalmente a la conversación

Nuestra capacidad para escuchar y conectarnos se ve afectada, en gran medida, por nuestro estado de ánimo cuando iniciamos una conversación. Si está presionado para terminar un proyecto o se apresura para llegar de otra reunión, es poco probable que esté concentrado y sea empático con el integrante de su equipo. Cuando programe su conversación, asegúrese de tener un margen de tiempo antes de reunirse. Recomiendo tomar unos minutos para reflexionar sobre las siguientes preguntas:

— ¿Quién es la persona con la que estoy hablando, y qué necesita para hacer su trabajo todos los días?

— Si esta persona se fuera mañana, ¿cómo me afectaría a mí y al equipo?

Comience bien la reunión

Ya sea que se reúnan en persona, por teléfono o video, minimice cualquier distracción. Desactive las notificaciones, cierre su correo electrónico o programas de chat, y guarde su computadora y teléfono.

Luego, comunique el contexto de su reunión. Recuérdele al integrante de su equipo que usted está aquí para escuchar, comprender su experiencia y ver si hay algo que pueda hacer para mejorarla.

Sondee, y luego realmente escuche

En mi experiencia, los líderes nerviosos entrarán a las conversaciones esperando lo peor, cuando las cosas de hecho van bien.

Mientras el integrante de su equipo comparte sus experiencias, usted escuche atentamente y luego sondee celebrando y reflexionando acerca de lo que está funcionando. He aquí respuestas de muestra que celebran y reflexionan sobre lo que revela su colega:

“Realmente he disfrutado mucho trabajar desde casa. Siento que somos mucho más eficientes como equipo”.

— Celebre: “Es genial escuchar eso. Yo siento lo mismo.”

— Reflexione: “¿Qué crees que ha marcado la diferencia?”

“Realmente he disfrutado mucho trabajar en el lanzamiento de la nueva aplicación”.

— Celebre: “Estoy feliz de escuchar eso. Me encanta la pasión que le has dedicado”.

— Reflexione: “¿Qué es lo que más has disfrutado de trabajar en ello?”

Busque compromisos ocultos

Si su colega comienza a compartir frustraciones sobre su trabajo, recuerde que detrás de cada queja hay un compromiso. Evite la tentación de intentar proponer soluciones. En lugar de ello, escuche para identificar su compromiso, replantéelo y pregunte qué podrían hacer para abordarlo juntos:

“Siento que todos los días estoy en reuniones sin parar, y diariamente me desvelo hasta la medianoche para hacer mi verdadero trabajo”.

— Replantee: “Entiendo que estás comprometido a hacer un gran trabajo, y es frustrante cuando sientes que durante el día no tienes tiempo para hacerlo”.

— Reflexione: “¿Qué crees que podríamos hacer para marcar una diferencia para ti?”

“Siento que estoy haciendo lo mismo todos los días, y que no estoy llegando a ninguna parte en mi carrera”.

— Replantee: “Entiendo que estás realmente comprometido con tu crecimiento, y en este momento sientes que eso no está sucediendo en absoluto”.

— Reflexione: “¿Qué sientes que podríamos hacer y que marcaría una diferencia para ti?”

Acuerden los próximos pasos

En los últimos 10 minutos de su conversación, cambie su discusión a los siguientes pasos. Si hay elementos que no tuvieron tiempo de discutir, programen una reunión para continuar la conversación. Si se necesitan acciones de seguimiento, escríbalas para que el miembro de su equipo sepa que usted las escuchó plenamente.

Por ejemplo, usted podría escribir: “Gracias por tu apertura en nuestra reunión de hoy. Realmente aprecio que compartas todo lo que hiciste. Como prometí, proporcionaré estas acciones de seguimiento y te enviaré una invitación ahora para tener otra conversación dentro de dos meses. Y, si surge algo, ten en cuenta que siempre haremos tiempo para reunirnos”.

Aunque esto podría parecer un trabajo extra, es crucial tener dichas conversaciones. Recuerde, las acciones más simples a menudo tienen el mayor impacto.

Un desafortunado subproducto de los cambios seriales de los últimos dos años ha sido la fragmentación a lo largo de las organizaciones. Tal división es el resultado de cosas como las diferentes creencias sobre cuánta flexibilidad deberían tener los trabajadores en términos de dónde y cuándo trabajan, además de los cambios abruptos en los modelos de negocio.

Uno de los factores más divisivos ha sido el éxodo masivo de empleados fuera del lugar de trabajo, junto con una significativa cantidad de contrataciones para traer nuevas personas. La dinámica relacional se ha roto al no tener la oportunidad de coser nuevas conexiones. De este modo, las empresas se quedan con numerosos campos de “nosotros” y “ellos”.

He aquí cómo empezar a juntar las piezas y reunir a la gente.

Lo que todos los líderes pueden hacer

— Asuma sus sesgos y elimine las etiquetas. Las organizaciones fragmentadas encasillan más fácilmente a las personas en categorías que justifican su ostracismo. Piense las personas dentro de su organización a quienes usted se refiere con un despectivo “ellos”. ¿Qué conclusiones ha sacado sobre “ellos” que podrían ser infundadas? Involúcrelas con empatía en lugar de desprecio, y usted aprenderá más sobre lo que hay detrás de sus elecciones y motivos.

— Restaure relaciones en las que se ha roto la confianza. Los compromisos incumplidos, las prioridades contrapuestas y la ansiedad excesiva han desgastado los nervios y la paciencia. Si las tensiones de los últimos dos años lo han hecho retirar la confianza de relaciones críticas, considere tender la mano y reparar esas conexiones.

Lo que los líderes experimentados pueden hacer

— Ser acogedores en lugar de sentirse amenazados. La llegada de nuevos rostros puede ser inquietante, especialmente si esas personas están en posiciones de autoridad o reemplazaron a viejos colegas. Y el trabajo remoto hace que conocerlos sea un reto. Acérquese y ofrézcase para ayudarlos a través de la confusión de la incorporación. Si el proceso de inducción de su organización es débil, redoble sus esfuerzos para crear un proceso sólido que abarque al menos de seis a nueve meses.

— Minimizar la resistencia a las nuevas ideas. Una de las mayores frustraciones de los líderes recién llegados es la oposición a sus ideas. En lugar de interpretar el nuevo pensamiento como una crítica de cómo se han hecho las cosas, véalo como una oportunidad para aprender y crecer. Esto se vuelve especialmente importante si usted está en un papel donde las nuevas tecnologías y enfoques han hecho obsoletos sus enfoques tradicionales. Muestre su entusiasmo y apoyo hacia nuevas formas de hacer las cosas.

Lo que los nuevos líderes pueden hacer

— Asegurarse de que su diagnóstico no se convierta en una acusación. Usted quizá crea que fue contratado con un mandato tácito (o expresado) para cambiar las cosas. Y sus ideas podrían ser exactamente lo que la organización necesita. Sin embargo, hasta que construya la suficiente credibilidad, necesita un ritmo sereno en la manera de introducir nuevos pensamientos. Honre el buen trabajo de los líderes experimentados e invítelos a que lo ayuden para que sus ideas tengan éxito, compartiendo sus perspectivas.

— Pedir ayuda a los empleados experimentados para aprender la cultura y el contexto. Si bien puede sentirse obligado a demostrar su valía arrancando con velocidad, es mejor que inicie aprendiendo. Hacer muchas preguntas mostrará respeto por la cultura a la que usted ha llegado. Demuestre su disposición a adaptarse antes de pedir a la organización que considere la posibilidad de adaptarse a sus ideas.

Las temporadas de cambios disruptivos pueden fracturar el sentido de solidaridad de una organización. Para contrarrestar esa división, una a la empresa en torno a un futuro común que la gente se enorgullezca de crear.