Es IA agéntica simplemente una extensión del IA generativa proyectos emprendidos hasta ahora? La respuesta es no. La atención ya no se centra en la optimización local a través de un único caso de uso, sino en la reinvención completa de los principales procesos empresariales para extraer un valor tangible y mensurable.
Un agente no es un asistente rebautizado. Un asistente responde o genera contenidos. Un agente, sin embargo, persigue un objetivo empresarial específico, toma decisiones, interactúa con los sistemas y ejecuta acciones. Mantiene un estado, gestiona las excepciones y escala cuando alcanza sus límites. Esta diferencia no es cosmética: un agente no está diseñado para “responder”, sino para actuar dentro de un proceso.
De la GenAI a la IA agéntica: un cambio de paradigma
El enfoque de IA agéntica marca una clara ruptura con el anterior GenAI ola, que a menudo se abordaba de forma fragmentada, caso por caso.
El debate está pasando de las “esferas conceptuales a las realidad operativa de las grandes empresas,como han demostrado recientemente empresas como Orange, SNCF Voyageurs y el grupo Beaumanoir. Hoy en día, el tema se trata ”desde arriba“, directamente por los Comités Ejecutivos (Comex), auspiciados por la dirección general o el Director de Transformación. El debate está pasando de ”las esferas conceptuales a la realidad operativa de las grandes empresas“, como han demostrado recientemente empresas como Orange, SNCF Voyageurs y el grupo Beaumanoir. Hoy en día, el tema se trata ”desde arriba“, directamente por los Comités Ejecutivos (Comex), auspiciados por la dirección general o el Director General de Transformación.
Este cambio de escala es significativo. Representa un verdadero cambio de paradigma, según Hanan Ouazan, socio y responsable de IA generativa en Artefact. El objetivo ya no es mejorar incrementalmente un algoritmo, sino repensar y automatizar los procesos de principio a fin para generar un beneficio directo y medible. retorno de la inversión (ROI).
Hanan Ouazan también señala los límites del enfoque anterior: “Aunque haya optimizado mucho su algoritmo a nivel local, sigue siendo local. Depende de muchos otros aspectos del proceso que también son muy importantes para lograr el ROI final”. Al centrarse en todo el proceso, la IA agéntica promete superar los “efectos decepcionantes” de las optimizaciones aisladas.
La IA agenética también rompe con la automatización clásica. La automatización ejecuta una secuencia definida de tareas. La agencialización introduce el arbitraje, los controles, la capacidad de interpretar un contexto y de adaptar el camino para alcanzar un objetivo. Ya no hablamos de un flujo de trabajo fijo, sino de un sistema que navega por un proceso empresarial.
Fijar el rumbo: El método “por qué, dónde, cómo” para la alineación de la empresa
Para gestionar tal ambición, es esencial disponer de un marco estratégico claro. Para estructurar esta transformación, el experto propone un marco metodológico sencillo pero potente: el “Tríptico ”Por qué, dónde, cómo. El enfoque implica responder secuencialmente a tres preguntas fundamentales para alinear a toda la organización.
- El “Por qué”: Definir el objetivo estratégico de alto nivel. Este paso establece la escala de la ambición y justifica las inversiones necesarias. Este “Por qué” puede adoptar diversas formas, como la ’brújula“ centrada en el cliente de SNCF Voyageurs o la priorización de Beaumanoir de la ”eficacia profesional” para sus equipos.
- El “dónde”: Definir el terreno de juego. Una vez fijado el objetivo, la empresa selecciona las funciones y los procesos prioritarios en los que se puede captar valor con mayor eficacia.
- El “Cómo”: Definir los medios concretos. Esto implica establecer la plataforma tecnológica, la gobernanza y la estructura organizativa que apoyarán la transformación. Esta gobernanza es fundamental: IA agéntica requiere aclarar quién define las normas empresariales, quién supervisa a los agentes y quién autoriza las acciones sensibles.
Estas decisiones organizativas, más que la tecnología, permiten la ampliación. El marco garantiza que la iniciativa esté firmemente anclada en la estrategia de la empresa.
Elegir las batallas: Identificar los requisitos previos y los procesos elegibles
El éxito de un IA agéntica proyecto depende de una evaluación rigurosa de tres requisitos previos esenciales:
- Conocimiento del proceso: Es imperativo disponer de un mapa claro de las operaciones actuales, ya que a menudo existe una brecha significativa “entre el proceso tal y como está escrito sobre el papel y el proceso tal y como funciona en la empresa”. Funciones como la financiera o la jurídica, en las que las apuestas “soberanas” requieren una documentación estricta, suelen ser puntos de partida más favorables.
- Data y Madurez del Sistema de Información: La automatización se topa a menudo con sistemas heredados que no fueron diseñados para ser interoperables. Un agente no sólo debe ser capaz de leer información, sino también de escribirla para ejecutar acciones, lo que exige sistemas abiertos. Esta capacidad requiere una arquitectura precisa: un orquestador, una memoria de contexto, conectores con los sistemas empresariales y una capa de supervisión. El objetivo es añadir un “sistema nervioso” transversal que vincule los procesos y los sistemas de información (SI), en lugar de reinventar lo que ya existe.
- Madurez organizativa: Una estructura capaz de supervisar nuevos procesos, integrando la intervención humana (“humano en el bucle“), y la gestión del cambio es indispensable.
Tener en cuenta estas tres dimensiones es decisivo para una fase de despliegue sin problemas.
Una hoja de ruta pragmática para la implantación
Una vez identificados los procesos elegibles, la metodología de implantación debe ser decididamente pragmática.
El primer paso consiste en priorizar los procesos sopesando el valor potencial (ganancia esperada) frente a la complejidad de la transformación (técnica, humana, organizativa). A continuación, un paso crucial es reescribir el proceso objetivo “en un mundo ideal”, sin restricciones, y medir posteriormente la diferencia con la realidad.
Sin embargo, Hanan Ouazan advierte contra un escollo importante: “intentar recrear inmediatamente el proceso del mañana”. Este enfoque está condenado al fracaso. La mejor práctica consiste en construir una hoja de ruta en “trozos”, empezando por las bolsas de valor más accesibles.
Oney ofrece un ejemplo concreto con su Prueba de Concepto Agentic: la filial de BPCE se centró en el objetivo específico de “agilizar el proceso de suscripción de un préstamo personal”. En lugar de reinventarlo todo, empezaron por automatizar el análisis de los 42 documentos requeridos. Este único paso ahorra tres días en el proceso global y genera un beneficio inmediato.
Este enfoque incremental asegura el proyecto pero no elimina todos los obstáculos. Los antipatrones observados sobre el terreno incluyen: construir un agente antes de clarificar el proceso, dar demasiada latitud a un agente crítico sin salvaguardas, o asumir que un agente “sustituirá” un papel sin reorganizarlo. A la inversa, imaginar que un agente es un producto acabado cuando requiere una supervisión y un ajuste continuos es otro escollo.
Retos más allá de la tecnología: Gobernanza, legado y madurez de las herramientas
IA agéntica Los proyectos se enfrentan a retos que van mucho más allá del marco puramente tecnológico.
Una de ellas es la rapidísima evolución de las herramientas, que Hanan Ouazan compara con “intentar hacer una foto de un TGV que pasa a 300 km/h”. Apostar por tecnologías aún en construcción es arriesgado, de ahí la importancia de “elegir bien sus batallas”.
Un segundo impedimento importante es el organizativo. Transformación de procesos es intrínsecamente transversal y choca frontalmente con las organizaciones aisladas en las que “todo el mundo se pisa los pies”. Como ilustra el reto de SNCF Voyageurs de ’llegar a toda la organización“, estas iniciativas están condenadas al fracaso sin un mandato claro llevado al más alto nivel.
Por último, la madurez de las herramientas actuales es motivo de preocupación. El experto de Artefact identifica una “enorme brecha” entre soluciones como los chatbots empresariales y las complejas plataformas de desarrollo destinadas a perfiles expertos. Hanan Ouazan cree que es necesario “herramientas ”low-code para permitir a los usuarios empresariales crear agentes, así como plataformas de supervisión “de extremo a extremo” agnósticas en cuanto a modelos.
Normas de interoperabilidad y supervisión de agentes
En cuanto a protocolos como el de agente a agente (A2A) o el MCP, aún se encuentran en sus primeras fases y el mercado carece claramente de madurez. El experto señala que un agente CAC40 que utilice varios modelos (Mistral, OpenAI, Google, Azure) no puede supervisar actualmente todos sus sistemas. Según él, se espera mucho de los proveedores para resolver este problema de interoperabilidad y la gestión a gran escala. Deben ser capaces de ofrecer soluciones que “escalen la construcción de agentes de forma fiable y robusta” y permitan la “gobernanza fiable” de estos agentes.
A falta de protocolos y plataformas de supervisión unificados, las empresas se ven obligadas actualmente a hacer una “gran apuesta” (apostarlo todo a un único modelo) o a gestionar “interfaces”, lo que limita mucho su capacidad de ampliación. El principal reto tecnológico reside en la falta de normas y de soluciones de gestión maduras para la interoperabilidad y la supervisión de agentes de múltiples proveedores.
El panorama va a evolucionar rápidamente en los próximos 12 a 24 meses: la aparición de plataformas de bajo código dedicada a los usuarios empresariales, la normalización de los conectores transaccionales, el refuerzo de las capacidades de observabilidad y la aparición de agentes especializados integrados directamente en las herramientas cotidianas.
La pregunta ya no será “¿es factible?” sino “¿qué secuencia de procesos debe transformarse y cómo podemos supervisarla eficazmente?”.
Vea el replay de la presentación:
