¿Es AI agencial simplemente una prolongación de los proyectos AI generativa llevados a cabo hasta ahora? La respuesta es no. El enfoque ya no se centra en la optimización local a través de un único caso de uso, sino en la reinvención completa de los procesos empresariales fundamentales para obtener un valor tangible y cuantificable.
Un agente no es un asistente con otro nombre. Un asistente responde o genera contenido. Un agente, en cambio, persigue un objetivo empresarial concreto, toma decisiones, interactúa con los sistemas y ejecuta acciones. Mantiene un estado, gestiona las excepciones y deriva el asunto cuando alcanza sus límites. Esta diferencia no es meramente superficial: un agente no está diseñado para «responder», sino para actuar dentro de un proceso.
De la IA general a AI agentiva: un cambio de paradigma
El enfoque de AI agentiva supone una clara ruptura con la anterior ola de IA generativa, que a menudo se abordaba de forma fragmentada, caso por caso.
El debate está pasando de «las esferas conceptuales a la realidad operativa de las grandes empresas», como han demostrado recientemente compañías como Orange, SNCF Voyageurs y el grupo Beaumanoir. Hoy en día, el tema se aborda «desde arriba», directamente en los comités ejecutivos (Comex), bajo la égida de la dirección general o del 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 aborda «desde arriba», directamente en los comités ejecutivos (Comex), bajo el auspicio de la dirección general o del director de transformación.
Este cambio de escala es significativo. Según Hanan Ouazan, socio y AI generativa en Artefact, supone un auténtico cambio de paradigma. El objetivo ya no es mejorar un algoritmo de forma incremental, sino replantearse y automatizar los procesos de principio a fin para generar un retorno de la inversión (ROI) directo y cuantificable.
Hanan Ouazan también señala las limitaciones del enfoque anterior: «Aunque hayas optimizado al máximo tu algoritmo a nivel local, este sigue siendo local. Dependes de muchos otros aspectos del proceso que también son muy importantes para alcanzar el ROI final». Al centrarse en el proceso en su conjunto, Agentic AI superar los «efectos decepcionantes» de las optimizaciones aisladas.
AI agentiva AI rompe con la automatización clásica. La automatización ejecuta una secuencia definida de tareas. La agentización introduce la toma de decisiones, 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 se adapta a un proceso empresarial.
Marcar el rumbo: el método «por qué, dónde y cómo» para la alineación empresarial
Para hacer frente a tal ambición, es esencial contar con un marco estratégico claro. Con el fin de estructurar esta transformación, el experto propone un marco metodológico sencillo pero eficaz: el tríptico «Por qué, Dónde, Cómo». El enfoque consiste en responder de forma secuencial a tres preguntas fundamentales para alinear a toda la organización.
- El «porqué»: definir el objetivo estratégico general. Este paso establece el alcance de la ambición y justifica las inversiones necesarias. Este «porqué» puede adoptar diversas formas, como la «brújula» centrada en el cliente de SNCF Voyageurs o la prioridad que Beaumanoir otorga ala «eficiencia profesional»inmediata de sus equipos.
- El «dónde»: definir el ámbito de actuación. Una vez fijado el objetivo, la Compañia las funciones y los procesos prioritarios en los que se puede generar valor de la forma más eficaz.
- El «cómo»: definir los medios concretos. Esto implica establecer la plataforma tecnológica, la gobernanza y la estructura organizativa que sustentarán la transformación. Esta gobernanza es fundamental: AI agentiva requiere aclarar quién define las reglas de negocio, quién supervisa a los agentes y quién autoriza las acciones delicadas.
Estas decisiones organizativas, más que la tecnología, son las que permiten la escalabilidad. El marco garantiza que la iniciativa esté firmemente arraigada en la estrategia Compañia.
Seleccionar las prioridades: identificar los requisitos previos y los procesos elegibles
El éxito de un proyecto AI agentiva depende de una evaluación rigurosa de tres requisitos previos esenciales:
- Conocimiento de los procesos: Es imprescindible disponer de una descripción clara de las operaciones actuales, ya que a menudo existe una diferencia significativa «entre el proceso tal y como está plasmado en el papel y el proceso tal y como se lleva a cabo en la Compañia». Áreas como las finanzas o el departamento jurídico, en las que los intereses «soberanos» exigen una documentación rigurosa, suelen ser puntos de partida más favorables.
- Madurez de los sistemasData información: La automatización suele encontrarse con sistemas heredados que no fueron diseñados para ser interoperables. Un agente no solo 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, memoria de contexto, conectores a los sistemas de negocio 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: es indispensable contar con una estructura capaz de supervisar nuevos procesos, integrar la intervención humana («human in the loop») y gestionar el cambio.
Tener en cuenta estas tres dimensiones es fundamental para que la fase de implementación se desarrolle sin contratiempos.
Una hoja de ruta pragmática para la implementación
Una vez identificados los procesos aptos, la metodología de implementación debe ser decididamente pragmática.
El primer paso consiste en priorizar los procesos sopesando el valor potencial (beneficio esperado) frente a la complejidad de la transformación (técnica, humana y organizativa). A continuación, es fundamental redefinir el proceso objetivo «en un mundo ideal», sin limitaciones, y medir posteriormente la diferencia con respecto a la realidad.
Sin embargo, Hanan Ouazan advierte de un gran escollo: «intentar recrear de inmediato el proceso del futuro». Este enfoque está condenado al fracaso. La mejor práctica consiste en elaborar una hoja de ruta por «etapas», comenzando por los ámbitos 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 solicitud de préstamos personales». En lugar de reinventarlo todo, comenzaron por automatizar el análisis de los 42 documentos necesarios. Esta única medida ahorra tres días en el proceso global y genera beneficios inmediatos.
Este enfoque gradual garantiza el éxito del proyecto, pero no elimina todos los obstáculos. Entre los antipatrones observados en la práctica se incluyen: crear un agente antes de aclarar el proceso, otorgar demasiada libertad a un agente clave sin establecer medidas de seguridad, o dar por sentado que un agente «sustituirá» a una función sin llevar a cabo una reorganización. Por el contrario, considerar que un agente es un producto acabado cuando en realidad requiere supervisión y ajustes continuos es otro escollo.
Retos más allá de la tecnología: gobernanza, legado y madurez de las herramientas
Los proyectos AI agentiva se enfrentan a retos que van mucho más allá del ámbito puramente tecnológico.
Uno de ellos es la evolución extremadamente rápida de las herramientas, que Hanan Ouazan compara con «intentar fotografiar un TGV que pasa a 300 km/h». Apostar por tecnologías que aún están en desarrollo es arriesgado, de ahí la importancia de «elegir bien las batallas» en las que participar.
Un segundo obstáculo importante es de carácter organizativo. La transformación de los procesos es, por naturaleza, transversal y choca de frente con las organizaciones compartimentadas en las que «todos se pisan los unos a los otros». Como ilustra el reto de SNCF Voyageurs de «llegar a toda la organización», estas iniciativas están condenadas al fracaso si no cuentan con un mandato claro respaldado al más alto nivel.
Por último, la madurez de las herramientas actuales es motivo de preocupación. El Artefact señala una «enorme brecha» entre soluciones como los chatbots empresariales y las complejas plataformas de desarrollo destinadas a perfiles especializados. Hanan Ouazan considera que se necesitan herramientas «low-code» que permitan a los usuarios empresariales crear agentes, así como plataformas de supervisión «de extremo a extremo» independientes del modelo.
Normas para la interoperabilidad y la supervisión de los agentes
En cuanto a protocolos como Agent to Agent (A2A) o MCP, aún se encuentran en una fase inicial y es evidente que el mercado aún no ha alcanzado la madurez necesaria. El experto señala que una empresa del CAC40 que utilice diversos modelos (Mistral, OpenAI, Google, Azure) no puede supervisar actualmente todos sus sistemas. Según él, se espera con gran interés que los proveedores resuelvan este problema de interoperabilidad y gestión a gran escala. Deben ser capaces de ofrecer soluciones que «escalen la construcción de agentes de manera fiable y robusta» y permitan una«gobernanza fiable»de dichos agentes.
A falta de protocolos unificados y plataformas de supervisión, las empresas se ven obligadas actualmente a «apostarlo todo» (apostar por un único modelo) o a gestionar «interfaces», lo que limita enormemente su capacidad de escalabilidad. El principal reto tecnológico radica en la falta de estándares y de soluciones de gestión consolidadas para la interoperabilidad y la supervisión de agentes de distintos proveedores.
El panorama está llamado a evolucionar rápidamente en los próximos 12 a 24 meses: la aparición de plataformas «low-code» destinadas a usuarios empresariales, la estandarización de los conectores transaccionales, el refuerzo de las capacidades de observabilidad y la aparición de agentes especializados integrados directamente en las herramientas de uso diario.
La pregunta ya no será «¿es factible?», sino «¿qué secuencia de procesos debe transformarse y cómo podemos supervisarla de manera eficaz?».
Mira la Repetición la presentación:
