Pregunte a un grupo de directivos por la IA agéntica y, tarde o temprano, alguien querrá saber cuántos agentes debería implementar. La cifra parece fácil de presentar, comparar y comunicar. Sin embargo, no es la pregunta que mejor permite medir el progreso.

En los talleres empresariales que hemos realizado en Europa y Oriente Medio, las organizaciones que obtienen valor de la IA no son necesariamente las que han desplegado más agentes. Son las que empiezan por identificar un problema de negocio o un obstáculo concreto y luego buscan la tecnología adecuada. Otras hacen lo contrario: parten de la tecnología e intentan encontrarle un uso.

Hay cuatro preguntas habituales que pueden conducir a las empresas a una sucesión de pilotos sin resultados duraderos. Conviene replantearlas.

## En lugar de preguntar cuántos agentes necesitamos, preguntemos qué resultado queremos mejorar

Durante los últimos años, muchas herramientas de IA empresarial se han centrado en ayudar a las personas a trabajar más rápido: responder preguntas, resumir reuniones o facilitar el inicio de una tarea. Son funciones útiles, pero la rapidez por sí sola no equivale a valor empresarial, del mismo modo que el número de agentes no demuestra el impacto.

El valor se refleja en resultados concretos: menos errores en las nóminas, una planificación de turnos más eficiente, menores costes de adquisición, mejores tasas de conversión o cobros más rápidos.

Un agente puede ayudar a completar una tarea individual. Una aplicación agéntica, en cambio, coordina agentes especializados para avanzar hacia un resultado empresarial. Si no se puede señalar el indicador clave de desempeño que cambiará, probablemente todavía no hay un caso de uso definido: hay una demostración tecnológica.

## En lugar de preguntar si la IA puede recomendar una acción, preguntemos si puede llevarla a cabo

Es importante distinguir entre ofrecer una recomendación y ejecutar un proceso. Muchos sistemas ya pueden detectar una situación, identificar un patrón y sugerir el siguiente paso. Pero si después una persona debe hacerse cargo de todas las tareas, gran parte del trabajo sigue pendiente.

En compras, por ejemplo, una herramienta puede advertir que ha llegado el momento de renegociar una categoría y sugerir la apertura de un proceso de selección. Aun así, alguien tendrá que organizarlo, contactar a los proveedores, comparar las propuestas, gestionar las aprobaciones, actualizar el contrato y hacer seguimiento hasta el cierre.

Una aplicación agéntica puede coordinar esas actividades conforme a las políticas establecidas, con supervisión humana y las aprobaciones necesarias, además de dejar constancia de las acciones realizadas y sus motivos.

La prueba es sencilla: al terminar la interacción, ¿el proceso ha avanzado o solo hay una persona mejor informada frente a la misma lista de tareas pendientes?

## En lugar de preguntar qué modelo lidera las pruebas comparativas, preguntemos cuánto conoce de nuestra empresa

Las puntuaciones de referencia pueden ser útiles, pero no siempre son el factor decisivo en una implementación empresarial. A menudo, la principal limitación no es la capacidad general del modelo, sino la falta de contexto sobre la organización.

Un modelo avanzado puede conocer las prácticas habituales de compras, pero no necesariamente los proveedores de una empresa, sus niveles de autorización, sus compromisos contractuales, el inventario disponible o las excepciones aprobadas por el área financiera. Sin esa información, una respuesta sofisticada puede seguir siendo una conjetura.

El contexto empresarial —datos fiables, políticas, aprobaciones, historial de transacciones, estructura organizativa y estado de los procesos— es fundamental. Cuanto más integradas estén las capacidades agénticas con los sistemas donde ya residen los procesos, los datos y los controles de seguridad, mayores serán las posibilidades de actuar de forma pertinente y responsable.

## En lugar de buscar un sistema que lo haga todo, preguntemos cómo colaboran los especialistas

Es tentador imaginar un único asistente digital capaz de resolver cualquier necesidad. Pero las empresas están formadas por áreas especializadas, cada una con sus conocimientos, responsabilidades y objetivos. La IA empresarial también debe reflejar esa realidad.

El enfoque más prometedor no consiste necesariamente en un agente que lo sabe todo, sino en equipos coordinados de agentes que dominan ámbitos concretos y colaboran en torno a un objetivo común.

La contratación ofrece un ejemplo claro. Un agente puede ayudar a identificar y evaluar candidatos; otro, preparar la incorporación; un tercero, verificar la disponibilidad presupuestaria; y otro, hacer seguimiento de las aprobaciones. Cada uno cumple una función delimitada. En conjunto, pueden ayudar a llevar un proceso desde la vacante hasta el primer día de trabajo. El valor está en la coordinación, no en la cantidad de componentes.

## Sistemas orientados a resultados

Las cuatro preguntas apuntan a un cambio más amplio en la función del software empresarial. Durante décadas, las aplicaciones se han utilizado principalmente para registrar lo ocurrido. Ahora avanzamos hacia sistemas orientados a resultados: tecnologías capaces de interpretar el estado de la empresa, razonar a partir de ese contexto y contribuir a que el trabajo avance hacia un objetivo definido.

Este cambio exige nuevas preguntas por parte de los equipos directivos: no cuántos agentes, sino qué resultado; no si la IA puede aconsejar, sino si puede ejecutar; no cuán potente es el modelo, sino cuánto comprende el negocio; y no si existe un único agente, sino cómo trabaja el conjunto.

Cuando las preguntas son las adecuadas, las decisiones tecnológicas se vuelven más claras. Cuando no lo son, una empresa puede terminar con una colección impresionante de agentes, herramientas y modelos, pero sin una conexión demostrable con los resultados que realmente importan.

from Latest from TechRadar https://ift.tt/Frxw3Nk
via IFTTT IA