A pesar de años de inversión en inteligencia artificial (IA), la mayoría de las experiencias de cliente siguen siendo fragmentadas, reactivas y dependientes de sistemas desconectados detrás de escena.

Aunque el 88% de las empresas ya utiliza IA en al menos una función, casi dos tercios permanecen atascados en fases piloto, según McKinsey, lo que resalta la brecha entre la adopción de IA y la transformación operativa meaningful.

Los Modelos de Gran Lenguaje (LLMs) han ayudado a las empresas a crear interacciones más rápidas y personalizadas, pero muchas organizaciones están reconociendo que la IA conversacional por sí sola no es suficiente. A medida que las organizaciones compiten cada vez más en la economía de la experiencia, el enfoque se está moviendo hacia tecnologías capaces de coordinar acciones, flujos de trabajo y decisiones a lo largo de todo el recorrido en tiempo real.

Esa cambio está impulsando una nueva era de orquestación de la experiencia del cliente de forma agentiva, donde los sistemas de IA pueden ir más allá de responder a solicitudes y ayudar a ejecutar tareas, resolver problemas y coordinar resultados de forma autónoma a través de la empresa.

Los Modelos de Acción Grande (LAMs) están emergiendo como una pieza clave de esa transición, ayudando a las organizaciones a avanzar más allá de la inteligencia conversacional hacia la ejecución operativa en tiempo real.

Mover la IA más allá de la conversación

Esta transición importa porque cambia fundamentalmente lo que las herramientas de IA pueden entregar dentro de la experiencia del cliente.

Los LLMs llevaron la inteligencia conversacional a la empresa, ayudando a la IA a comprender la intención y generar interacciones más naturales. Los LAMs se basan en esa base para convertir la intención en acción: determinar los próximos pasos y ejecutar flujos de trabajo complejos en tiempo real, dentro de límites de seguridad definidos por la empresa.

Es importante destacar que el auge de los LAMs no implica el fin de los LLMs. Las dos tecnologías trabajan juntas. Los LLMs siguen siendo críticos para la comprensión conversacional y el razonamiento contextual, mientras que los LAMs conectan esa inteligencia con acciones coordinadas. Esto lleva la IA más allá de responder a solicitudes, hacia la orquestación de resultados a lo largo del recorrido del cliente.

Por ejemplo, consideremos un viaje de aerolínea interrumpido en temporada alta. Hasta ahora, incluso agentes de IA avanzados solo podían explicar la demora o dirigir a los clientes hacia otro canal de soporte.

Los agentes virtuales agents impulsados por LAMs cambian esa dinámica por completo. Estos agentes virtuales pueden autenticar al cliente, rebooking de vuelos, actualizar asientos, procesar compensaciones, coordinar flujos de trabajo entre sistemas y enviar actualizaciones proactivas antes de que el cliente pregunte.

Ese es el cambio real: pasar de IA que genera respuestas a IA que ayuda a orquestar resultados significativos para los clientes.

La transición hacia la orquestación agentiva

Esto marca el comienzo de un cambio más amplio hacia una experiencia de cliente autónoma impulsada por orquestación agentiva. A medida que los sistemas de IA son cada vez más capaces de razonar y actuar a través de sistemas, las organizaciones están reconsiderando el modelo operativo detrás de la experiencia del cliente.

La mayoría de las empresas no fueron diseñadas para entregar experiencias seamless, proactivas y contextualmente conscientes que todos esperamos. Creemos que cerrar esa brecha requiere un nuevo modelo operativo para la experiencia del cliente, basado en orquestación en lugar de automatización aislada. Uno que pueda conectar journeys de principio a fin con contexto compartido, continuidad y ejecución coordinada a través de canales, sistemas, equipos y agentes de IA.

Este cambio es especialmente significativo, porque las empresas hoy en día ya no compiten únicamente por productos o servicios. Cada vez más, compiten por la experiencia.

Históricamente, las organizaciones a menudo enfrentaban un compromiso entre eficiencia operativa y empatía con el cliente. Mejorar una cosa con frecuencia empeoraba la otra. La orquestación de experiencias potenciadas por IA tiene el potencial de cambiar fundamentalmente esa ecuación, al permitir experiencias que son simultáneamente eficientes, proactivas, personalizadas e emocionalmente inteligentes.

Ya empezamos a ver ejemplos de práctica. Utility Warehouse, una de las primeras organizaciones en desplegar agentes virtuales agentivos impulsados por LAMs, ha utilizado la tecnología para apoyar viajes complejos del cliente, incluyendo facturación y restauración de servicios.

Al simplificar su arquitectura de experiencia y conectar mejor los flujos de trabajo front y back-office, la empresa ha duplicado las tasas de contención mientras mejora tanto la experiencia del cliente como la de los empleados.

Las organizaciones mejor posicionadas para triunfar en la próxima era de la experiencia del cliente serán aquellas que no solo implementen más IA, sino las que sean capaces de orquestar experiencias inteligentes y conectadas a gran escala.

Por qué la gobernanza ya no es opcional

No obstante, la autonomía sin gobernanza genera riesgo.

Los titulares sobre agentes de IA que eliminan bases de datos, interpretan mal instrucciones y operan fuera de los parámetros aprobados han dejado al descubierto un desafío creciente para las empresas. Cuanto más capaz se vuelve la IA, más importante es la confianza y la rendición de cuentas.

La gobernanza ya no puede tratarse como algo agregado después del despliegue. A medida que los sistemas de IA se vuelven más capaces de razonar y actuar de forma independiente, la gobernanza debe evolucionar de políticas estáticas a una arquitectura operativa integrada en las capas de orquestación.

Aquí es donde la gobernanza por diseño se vuelve esencial. Los sistemas de IA requieren salvaguardas de grado empresarial y límites operativos claros para garantizar que las acciones autónomas permanezcan confiables y alineadas con las políticas de negocio.

Esperamos que estándares de interoperabilidad abiertos como Model Context Protocol (MCP) y Agent-to-Agent (A2A) jueguen un papel cada vez más importante para habilitar una orquestación agentica responsable en toda la empresa.

El MCP está diseñado para actuar como una capa de conexión segura entre sistemas de IA, herramientas empresariales, datos y flujos de trabajo, proporcionando el contexto y los controles en tiempo real que las IA necesitan para operar de forma segura y eficaz. A2A puede permitir que los agentes de IA se comuniquen, colaboren y coordinen acciones entre diversas plataformas y sistemas.

En conjunto, estos estándares pueden sentar las bases de una orquestación multi-agente, donde los agentes de IA y los equipos humanos pueden trabajar con contexto compartido, gobernanza y supervisión operativa para entregar experiencias de cliente más fluidas y orientadas a resultados. Para las organizaciones que escalonen IA agentica en la experiencia del cliente, confiamos en que esta confianza se convertirá en un diferenciador competitivo.

La supervisión humana sigue siendo esencial. A medida que la IA se integra más en el trabajo diario —con un 36% de las personas ya usando herramientas de IA en el lugar de trabajo en el Reino Unido— la conversación se desplaza de lo que la IA puede automatizar hacia dónde la intervención humana es más necesaria.

La IA se está volviendo más eficaz para manejar procesos rutinarios y complejos de forma autónoma, pero estos sistemas siguen necesitando supervisión humana. A medida que la IA asume más responsabilidad operativa, las personas seguirán desempeñando un papel crítico en diseñar sistemas, gestionar excepciones, guiar decisiones y intervenir en momentos que requieren empatía y matiz.

Esperamos que ese equilibrio gane importancia a medida que las organizaciones avancen hacia experiencias de cliente más autónomas. El objetivo es permitir que humanos e IA operen como un sistema coordinado, cada uno aportando donde es más efectivo.

El próximo capítulo de la experiencia de cliente autónoma

A medida que la competencia se desplaza cada vez más hacia la economía de la experiencia, la lealtad del cliente se crea menos por productos o servicios aislados y más por la calidad de la experiencia global que se entrega. El reto ya no es simplemente introducir IA en la experiencia del cliente, sino usarla para eliminar fricciones, coordinar recorridos y entregar resultados de manera más efectiva a lo largo de la empresa.

Los LAMs están acelerando esa transición al permitir que los sistemas de IA tomen acciones de forma autónoma a través de flujos de trabajo, canales y procesos operativos en tiempo real, moviéndose de un soporte reactivo hacia experiencias de cliente más proactivas y conectadas.

Es vital que las organizaciones puedan combinar con éxito IA, personas y operaciones de formas que hagan que las experiencias parezcan sin esfuerzo para los clientes, a fin de competir. Esa capacidad de orquestar experiencias inteligentes y conectadas que impulsan resultados a escala se convertirá en un diferenciador mucho más importante que la adopción de IA por sí sola.

Hemos destacado el mejor chatbot de IA para negocios.

Este artículo se produjo como parte de TechRadar Pro Perspectives, nuestro canal para presentar las mentes más brillantes de la industria tecnológica hoy.

Las opiniones expresadas aquí son las del autor y no necesariamente las de TechRadarPro o Future plc. Si está interesado en contribuir, descubra más aquí: https://www.techradar.com/pro/perspectives-how-to-submit

from Latest from TechRadar https://ift.tt/LOrKk4z
via IFTTT IA