En 2026, el enfoque de la IA ha pasado de la implementación básica a la ampliación de los sistemas autónomos. Gartner prevé que, en 2028, un tercio de todas las interacciones generativas de IA dependerán de agentes autónomos.
En la edición de este mes:
- Analizamos cómo el entrenamiento postmemoria potencia los agentes de la IA para gestionar activamente su propio estado cognitivo, reduciendo los costes de computación e igualando al mismo tiempo la precisión de los modelos más grandes.
- Nuestro nuevo informe técnico, «People Analytics más allá de la predicción de la rotación de personal: posibles aplicaciones de la IA en RR. HH.», revela cómo los responsables de RR. HH. están aprovechando los agentes autónomos a lo largo de todo el ciclo de vida de los empleados para personalizar el desarrollo y prever el absentismo, yendo mucho más allá de la predicción básica del volumen de negocio.
- Analizamos el impacto transformador de la inteligencia artificial en el sector manufacturero, y destacamos que el mantenimiento predictivo puede reducir el tiempo de inactividad en 30%, siempre que las organizaciones apliquen una sólida gobernanza operativa.
Parte I – Entrenamiento «postmemoria»: enseñar a los agentes a recordar, no solo a recuperar información.
Parte I – Entrenamiento «postmemoria»: enseñar a los agentes a recordar, no solo a recuperar información.
Históricamente, las organizaciones personalizaban el comportamiento de la IA mediante costosos ajustes que requerían una enorme potencia de cálculo e ingenieros especializados, explica Artefact's Víctor Coimbra, socio y responsable de la plataforma Data y de TI. A medida que aumenta el contexto conversacional, los costes se escalan cuadráticamente y los modelos luchan por retener la información relevante. Las soluciones tradicionales, como la generación aumentada por recuperación o las reglas heurísticas, se quedan cortas porque se basan en la similitud semántica o en una lógica rígida diseñada por el ser humano. La formación post-memoria ofrece una alternativa más accesible, que utiliza aprendizaje por refuerzo durante la fase posterior al entrenamiento para enseñar al modelo a gestionar su propio estado cognitivo. El agente aprende por ensayo y error cuándo debe almacenar, actualizar, eliminar o recuperar información para completar una tarea. “Este método requiere una potencia de cálculo significativamente menor, lo que permite a las organizaciones más pequeñas construir agentes autónomos altamente funcionales”.” afirma Víctor. Entre las principales ideas arquitectónicas destacan:
- Los modelos más pequeños que utilizan el entrenamiento «post-memory» pueden igualar o superar la precisión de modelos mucho más grandes al tiempo que se reduce la latencia de la inferencia.
- Los agentes pueden mantener un tamaño de memoria constante generando un estado interno y descartando el contexto anterior.
- Las operaciones de memoria especializadas permiten a los modelos procesar documentos masivos con una complejidad lineal y una pérdida de rendimiento mínima.
Parte II – De la memoria a la navegación: ampliar las capacidades de los agentes autónomos más allá de la recuperación de información.
Parte II – De la memoria a la navegación: ampliar las capacidades de los agentes autónomos más allá de la recuperación de información.
Los recientes avances en la formación postmemoria y los modelos lingüísticos recursivos ofrecen una vía muy accesible para escalado de agentes autónomos de IA. Históricamente, las organizaciones recurrían a costosos ajustes o a una rígida GAR para gestionar los contextos largos. Hoy en día, el aprendizaje por refuerzo permite a los modelos gestionar activamente su propio estado de memoria decidiendo qué almacenar, eliminar o consolidar. Además, los modelos de lenguaje recursivos replantean la gestión del contexto como un reto de navegación, en lugar de una simple tarea de recuperación. En lugar de recibir pasivamente data, los agentes exploran activamente, filtran y leen selectivamente contextos externos masivos. Los agentes autónomos de la IA demuestran estos conceptos en la producción, reducir significativamente los costes informáticos y eliminar la necesidad de conocimientos especializados en aprendizaje automático. Como señala Víctor, “Los agentes que escalen en producción no serán los que tengan las mayores ventanas contextuales ni los modelos más caros”.” :
- Los agentes aprenden a gestionar la memoria a través de ensayo y error en lugar de costosas modificaciones de peso.
- Los modelos exploran activamente el conocimiento externo, en lugar de basarse en una similitud semántica pasiva.
- Estos enfoques reducir los costes de inferencia y evitar la degradación de la fiabilidad en flujos de trabajo ampliados.
El análisis de datos sobre el personal más allá de la predicción de la rotación: posibles aplicaciones de la inteligencia artificial en recursos humanos. .
El análisis de datos sobre el personal más allá de la predicción de la rotación: posibles aplicaciones de la inteligencia artificial en recursos humanos.
Recursos Humanos está pasando de ser un centro de costes reactivo a un impulsor proactivo del valor organizativo. Sin embargo, muchas empresas siguen limitando su uso de data a la predicción básica de la rotación de personal. Los responsables de RRHH deben pasar de los cuadros de mando pasivos a la orquestación activa mediante la integración del aprendizaje automático, la IA generativa y los agentes autónomos a lo largo de todo el ciclo de vida de los empleados, con el fin de anticiparse a las necesidades, personalizar el desarrollo y optimizar el bienestar de la plantilla mucho antes de que la retención se convierta en un motivo de preocupación.:
- Los agentes autónomos de inteligencia artificial están sustituyendo a los sistemas tradicionales de gestión de incidencias de RR. HH., lo que permite al departamento de RR. HH. orquestar trayectorias profesionales fluidas a escala.
- Las aplicaciones en la vida real pueden prever el absentismo para ahorrar costes y eludir los prejuicios humanos identificar diversos talentos de liderazgo para obtener rendimientos financieros.
- Para que la implantación de la IA tenga éxito, es necesario una sólida gobernanza ética y estrictas salvaguardias técnicas para proteger la privacidad de los empleados y mantener la confianza. “La IA en Recursos Humanos se reduce a menudo a un único escenario familiar: predecir la rotación de empleados. Las empresas que van más allá de los modelos convencionales obtienen una ventaja competitiva sin precedentes.”
La transformación de las cadenas de valor industriales impulsada por la IA.
La transformación de las cadenas de valor industriales impulsada por la IA.
Artefact's Alexandre Thion de la Chaume, Managing Partner y Global Lead Utilities & Industry, y Florencia Bénézit, socio y responsable global de fabricación, analizan los retos que plantea la inteligencia artificial en la industria y el sector manufacturero, así como las condiciones que deben cumplirse para que la inteligencia artificial se convierta en un verdadero motor del rendimiento, la innovación y la resiliencia. Las empresas manufactureras se enfrentan a unos costes energéticos cada vez más elevados, a interrupciones en la cadena de suministro y a estrictos requisitos de sostenibilidad. Para adaptarse a esta situación, las empresas están implantando la inteligencia artificial en todas sus operaciones con el fin de automatizar flujos de trabajo complejos. “La IA puede utilizarse para predecir mejor la demanda y alinear la cadena de suministro”.” afirma Alexandre. A pesar de estas oportunidades, la fragmentación de data y los estrictos requisitos de seguridad siguen siendo obstáculos importantes. Para alcanzar el éxito es necesario contar con una base sólida en materia de calidad de data y gobernanza operativa. Como destaca Florence, “Al igual que hoy controlamos la calidad del data, tendremos que controlar la calidad de los agentes de la IA”.” Claves de su conversación:
- El mantenimiento predictivo puede reducir los costes de mantenimiento y el tiempo de inactividad en unos 30%.
- La automatización basada en la inteligencia artificial tiene el potencial de disminuir la duración de los procesos en un 70 - 75%.
- La implantación de la IA requiere marcos de gobernanza sólidos para equilibrar la innovación con el riesgo operativo y la seguridad física.
Cumbre Adopt AI: Explore las perspectivas de la edición de 2025.
Cumbre Adopt AI: Explore las perspectivas de la edición de 2025.
Producido en colaboración con la Instituto Hub, el Adopt AI - Informe Grand Palais 2025 recoge las principales conclusiones de los debates celebrados el año pasado en el Grand Palais. A medida que la inteligencia artificial pasa de las fases piloto a su implantación a escala industrial, el informe destila las perspectivas de directores generales, líderes públicos y pioneros de la IA de todo el mundo. Ofrece una visión estructurada de cómo las organizaciones pueden convertir sus objetivos en resultados concretos. Lea el informe para dotar a su organización de conocimientos prácticos y hojas de ruta operativas compartidas durante la cumbre:
- Marcos estratégicos para pasar de la experimentación al valor empresarial mensurable.
- Análisis en profundidad de los sectores, en los que se destacan casos concretos de uso de la IA en 10 sectores
- A hoja de ruta de la soberanía abordar la gobernanza, la ética y las infraestructuras en Europa.
¡Apunte en su agenda la Cumbre Adopt AI – Grand Palais de 2026, que tendrá lugar los días 3 y 4 de diciembre en París!
¡Apunte en su agenda la Cumbre Adopt AI – Grand Palais de 2026, que tendrá lugar los días 3 y 4 de diciembre en París!
Inscríbase en los próximos eventos con Artefact en Francia.
Inscríbase en los próximos eventos con Artefact en Francia.
Artefact, Data y AI Webtalks: IA para la industria Participe en nuestro seminario web Data & AI WebTalks “AI para la industria”, organizado por Artefact en 31 de marzo de 10 a 11 de la mañana. En AVEVA y Neo4j, exploraremos el tema: “¿Pueden confiarse a la IA la resistencia, la seguridad y el rendimiento del sector industrial?“
Evento exclusivo «Afterwork» organizado por Salesforce Artefact y Salesforce le invitan a un evento Afterwork exclusivo centrado en la Hoja de ruta de la Agentic 2026: Transición con éxito al marketing conversacional. Esperamos verle el 9 de abril a las 18:00 en la oficina de Salesforce Francia.
IMAgine Day – Temporada 6: IA generativa y agentiva El 14 de abril, Naranja se unirá a Artefact en el IMAgine Day, organizado por la Alianza de creadores de innovación. Presentaremos el estudio de caso “Mi asistente de IA: asistencia basada en inteligencia artificial para los asesores de atención al cliente de Orange.“
HubForum – La IA al servicio de la eficiencia: sesión plenaria y clase magistral ¡Artefact estará presente en el HubForum el 15 de abril! Acompáñenos en una sesión plenaria junto a Servier, así como una clase magistral exclusiva con Pernod Ricard. Inscríbase en el evento utilizando nuestro código especial: INVITE_ARTEFACT
