L

a mayoría de los ejecutivos cree que el gran desafío al adoptar agentes de IA es entender cómo adaptarse a una tecnología nueva e importante. Pero, en realidad, se trata principalmente de gestionar el trabajo.

Para aprovechar los beneficios a corto plazo de la IA y prepararse para su impacto creciente, las organizaciones deben integrarla en los procesos existentes de recursos humanos y dejar claro su papel para los empleados. A continuación, se presentan cuatro ideas que he desarrollado trabajando con empresas para alcanzar ese objetivo. Provienen de diversos sectores, incluyendo banca, productos de consumo, logística y ciencias de la vida, y son ampliamente reconocidas como líderes en sus respectivas industrias.

1. Asigne a cada agente de IA una descripción de puesto.

A medida que la IA agéntica se integra en las organizaciones, los equipos estarán conformados por “colegas” humanos y agentes de IA, y todos necesitarán descripciones de puesto: un método probado para especificar las responsabilidades de un trabajador, sus derechos de decisión y su rol dentro de los procesos relevantes. Elaborar una descripción de puesto para cada agente de IA obligará a sus responsables a ser deliberados al momento de asignar responsabilidades entre colegas humanos y agentes. Al redactar estas descripciones, hágase las siguientes preguntas: ¿De qué es responsable y de qué no lo es? (Los mandatos vagos como “optimizar” o “mejorar la eficiencia” son una receta para el fracaso. Al igual que las personas, los agentes funcionan mejor cuando los objetivos son explícitos). ¿Cuáles son los límites de sus derechos de decisión? ¿Qué facultades tiene? ¿Cuándo debe buscar la opinión o aprobación de colegas o superiores?

2. Diseñe al agente para resolver los problemas de los colegas humanos.

Muchos observadores han señalado que la IA agéntica promete mejorar la calidad de vida laboral de los trabajadores del conocimiento. Así como la automatización ayudó a eliminar tareas en industrias tradicionalmente consideradas “sucias, peligrosas y demandantes”, como la manufactura, la metalurgia y la minería, la IA puede eliminar trabajos que resultan “aburridos, desalentadores y repetitivos”. Ya sea reduciendo pasos tediosos o automatizando los elementos más monótonos de un puesto, diseñar los roles de los agentes de IA de esta manera les da a los empleados una razón para adoptar la IA y los motiva a sortear sus limitaciones, integrándola en su experiencia diaria.

3. Evalúe a cada agente de IA regularmente.

Los agentes de IA necesitan métricas de desempeño cuantificables que reflejen los resultados reales de los procesos derivados de sus acciones. Estos indicadores deben ser explícitos y permitir una evaluación amplia del desempeño, yendo más allá de aspectos como la precisión y la facilidad de uso para incluir la puntualidad y la confiabilidad. La existencia de tales métricas ayudará a tranquilizar a los compañeros humanos, al confirmarles que sus colegas algorítmicos también están sujetos a estándares. Además, contribuirán a mejorar los procesos de entrenamiento al revelar áreas de mejora. Así como las evaluaciones de desempeño informan los planes de desarrollo profesional de los empleados, los compañeros agénticos también deberían beneficiarse de un ciclo en el que la retroalimentación impulse el aprendizaje. Sin indicadores, los gerentes no pueden distinguir entre variaciones aceptables y fallas reales.

4. Asigne a cada agente de IA un supervisor humano.

Algunos observadores han comenzado a destacar la capacidad de los agentes de IA para “coordinar” las actividades de múltiples agentes independientes. Esto puede acelerar las acciones y hacer su trabajo más preciso. Pero, ¿quién supervisa a los coordinadores? Sin duda, la necesidad de una supervisión humana sigue existiendo. Todas las generaciones de IA han demostrado cierta propensión a generar errores o “alucinaciones”. Es probable que estos casos disminuyan a medida que la IA mejore, pero los riesgos aumentarán conforme la IA se expanda a profesiones consideradas de alto riesgo. Además, las organizaciones seguirán siendo responsables de cualquier resultado generado por la IA que utilicen, por lo que debe existir un responsable humano que rinda cuentas sobre cómo se entrena, cómo se integra con los procesos y cómo interactúa con otros compañeros humanos y agénticos. Los reguladores, legisladores y tribunales insistirán en ello.

E

n este artículo, compartimos algunos principios clave para implementar sistemas de IA agéntica que aumentarán la probabilidad de que generen el valor esperado.

¿Cómo funciona la IA agéntica?

La IA agéntica (sistemas de agentes de IA capaces de planificar, razonar y actuar de forma autónoma) puede ejecutar flujos de trabajo, tomar decisiones y coordinarse entre departamentos. Piense en la IA agéntica como un equipo de colegas digitales. Algunos agentes son especialistas, como un copiloto de programación que acelera el desarrollo o un asistente virtual que se integra a una herramienta SaaS. Otros actúan más como coordinadores, uniendo el trabajo de muchos especialistas para obtener un resultado mayor. Cuando se orquestan como un sistema, estos agentes planifican, razonan y actúan hacia objetivos, ajustándose a medida que cambian las condiciones. Lo más importante es que pueden operar a través de aplicaciones y fuentes de datos fragmentadas, sin necesidad de integrar todo en un sistema central.

Guiada por la supervisión humana, la IA agéntica se convierte en una capa inteligente que conecta procesos dispersos y rompe los silos para crear un flujo más continuo y eficiente.

¿Cómo pasa de tareas a resultados la IA agéntica?

Consideremos la implementación más utilizada de la IA generativa: los chatbots para atención al cliente. La mayoría de las empresas cuenta con miles o más transcripciones de estas interacciones con clientes. La IA agéntica hace mucho más que resolver una queja a la vez. Puede revisar todas las conversaciones, detectar problemas recurrentes y actuar para eliminarlos. Lo que comienza como soluciones más rápidas evoluciona hacia una base de aseguramiento de calidad y retroalimentación de producto que anticipa los problemas antes de que aparezcan, fortaleciendo toda la experiencia del cliente.

Esta progresión (desde soluciones rápidas hasta la prevención y la confiabilidad sistémica) muestra el potencial de la IA agéntica. Lograrlo requiere replantear cómo están estructuradas y lideradas las organizaciones para que los agentes puedan orquestarse en torno a resultados, no solo a tareas. Hemos identificado que existen tres imperativos esenciales.

1. Diseñar en función de los resultados y nombrar a los responsables de la misión.

Para diseñar en torno a resultados con IA agéntica, cada recorrido importante necesita un responsable de misión: alguien que defina la misión, dirija tanto a personas como a agentes de IA, y sea dueño del resultado. En ocasiones se trata de un gerente de producto o un responsable del recorrido encargado de supervisar y optimizar toda la experiencia del cliente (o del usuario); en otras, es necesario designar a alguien con autoridad y visibilidad interfuncional.

2. Liberar los silos de datos y aclarar la lógica empresarial.

Muchas empresas asumen que la IA requiere datos impecables y centralizados, pero no es así. Los agentes de IA pueden gestionar silos de datos siempre que cuenten con una lógica empresarial compartida claramente definida y con los datos contextuales adecuados a través de interfaces de programación de aplicaciones (APIs) y metadatos.

3. Desarrollar a los líderes y los mecanismos de control que requieren los sistemas inteligentes.

La gestión de la IA agéntica a gran escala exige esta distribución de responsabilidades: administradores del sistema con controles claros, profesionales de TI que gestionen la seguridad y el manejo de datos, y equipos de primera línea con la capacidad de intervenir cuando los resultados se desvían de la intención original. Cuando se hace correctamente, este equilibrio entre autonomía y supervisión convierte la gestión en un habilitador del crecimiento a escala, no en un freno para el progreso.