Antes de la introducción de la IA generativa, la IA analítica ya había generado un valor de 11 a 18 billones de dólares en todo el mundo, principalmente a través de la predicción y la optimización. Sin embargo, su uso estaba restringido a los expertos. La IA generativa ha cambiado esta situación al permitir el acceso a todos: En la actualidad, el 78 % de las organizaciones afirman utilizar la IA generativa en al menos una función, lo que representa un potencial adicional estimado de entre 2,6 y 4,4 billones de dólares.
Sin embargo, este entusiasmo no se ha traducido en resultados. Más del 80 % de las empresas afirma que las iniciativas IA generativa no contribuyen significativamente a la generación de beneficios, y solo el 1 % considera que su estrategia está «madura». Este fenómeno se conoce como la «paradoja de la IA generativa»: enorme energía, inversión y potencial, pero solo un impacto mínimo.
Muchas empresas han implementado casos de uso de IA «horizontales», como copilotos y chatbots. Casi el 70 % de las empresas de Fortune 500 utiliza Microsoft 365 Copilot, por ejemplo. Pero aunque estas herramientas accesibles aumentan la productividad individual, su impacto es demasiado pequeño para verlo en la cuenta de resultados.
En cambio, los casos de uso« verticales» que están integrados en procesos empresariales específicos tienen un mayor potencial económico. Sin embargo, los estudios de McKinsey muestran que alrededor del 90 % de estos esfuerzos se quedan estancados en la fase piloto. Incluso si se utilizan, suelen apoyar procesos individuales de forma reactiva en lugar de trabajar de forma autónoma.
La introducción de la IA vertical se enfrenta a varios obstáculos: A menudo, son iniciativas ascendentes aisladas que conducen a la fragmentación. La falta de soluciones normalizadas exige a menudo un desarrollo a medida. Los LLM de primera generación son limitados por su pasividad inherente, su falta de fiabilidad y su incapacidad para enfrentarse a problemas complejos de varios niveles. La calidad de los datos y su accesibilidad son a menudo incoherentes. La IA vertical también puede encontrar resistencia cultural por parte de los equipos que temen la disrupción.
Sin embargo, a pesar de su limitada repercusión en los resultados, la primera ola de IA generativa ha hecho posible la realización de proyectos piloto a gran escala que han acelerado la confianza en la IA y han ayudado a las organizaciones a crear capacidades esenciales en materia de ingeniería de prompt, evaluación de modelos y gobernanza. Esto sienta las bases para una segunda fase más integrada y transformadora: la incipiente era de los agentes de IA.
Los LLM han revolucionado la forma en que las empresas interactúan con los datos: permiten sintetizar información, generar contenidos e interactuar en lenguaje natural, pero de forma fundamentalmente reactiva y aislada de otros sistemas de la empresa.
Los agentes de IA escalan la IA generativa desde la generación reactiva de contenidos hasta la ejecución autónoma. Combinan los LLM con funciones de almacenamiento, planificación y orquestación para comprender los objetivos, desglosarlos en subtareas y ejecutar las operaciones con una intervención humana mínima. Esto amplía el potencial de las soluciones horizontales: Los copilotos basados en agentes se convierten en compañeros de equipo proactivos que pueden supervisar los cuadros de mando, activar flujos de trabajo, realizar un seguimiento de las acciones pendientes y ofrecer información en tiempo real.
Pero el verdadero avance se produce en el espacio vertical, donde la IA agéntica puede automatizar procesos empresariales complejos que implican múltiples pasos, actores y sistemas, procesos que van más allá de las capacidades de las herramientas de IA generativa de primera generación.
Los agentes transforman los procesos de cinco maneras: eliminan los retrasos debidos a la ejecución paralela, permiten la adaptabilidad en tiempo real y la personalización a gran escala, proporcionan una capacidad flexible y aumentan la resistencia operativa mediante una supervisión continua.
En la gestión de la cadena de suministro, por ejemplo, un agente de IA podría prever continuamente la demanda, identificar riesgos y redistribuir automáticamente las existencias entre almacenes, al tiempo que negocia con sistemas externos para mejorar los niveles de servicio y reducir costes.
Los agentes pueden promover el crecimiento ampliando las fuentes de ingresos existentes. Esto se hace, por ejemplo, identificando oportunidades de venta ascendente o cruzada en una tienda en línea a partir del análisis del comportamiento de los usuarios, el contenido de las cestas de la compra y otra información contextual. Además, se pueden explotar nuevas fuentes de ingresos, por ejemplo, a través de ofertas automatizadas como suscripciones de mantenimiento para clientes industriales o paquetes de herramientas SaaS que ofrezcan conocimientos interactivos a los clientes que necesiten asesoramiento jurídico, fiscal o de contratación personalizado.
En pocas palabras, la IA agéntica no solo automatiza, sino que redefine la forma en que las organizaciones trabajan, se adaptan y crean valor.
Cuando los agentes simplemente se integran en los procesos heredados, se convierten en asistentes más rápidos, que suelen ofrecer aumentos de productividad del 5 % al 10 %. Sin embargo, el verdadero éxito de los avances requiere una reforma de los procesos desde la base.
Esto incluye cambiar los pasos del proceso, reasignar responsabilidades entre humanos y agentes, y diseñar el proceso para aprovechar los puntos fuertes de la IA, como la ejecución paralela, la adaptación en tiempo real, la personalización integral y la gestión flexible de las capacidades.
Imaginemos un hipotético centro de atención al cliente: Al principio, el personal de asistencia técnica utilizará herramientas de IA generativa para recabar artículos de bases de datos de conocimientos, resumir historiales de tickets y redactar respuestas. Si se introdujeran agentes de IA manteniendo los flujos de trabajo existentes, el tiempo empleado podría reducirse en un 20-40 % y el retraso en un 30-50 %.
Un rediseño completo de los procesos, con agentes de IA que reconozcan proactivamente los problemas, inicien soluciones automatizadas y se comuniquen directamente con los clientes, podría resolver hasta el 80 % de las incidencias de forma autónoma, lo que se traduciría en una reducción del 60-90 % del tiempo de resolución. Los agentes humanos, a los que se llama cuando los agentes de IA detectan incertidumbres o excepciones a los patrones típicos, son ahora gestores de escalada y supervisores de la calidad del servicio en este escenario.
Por supuesto, no es necesario reinventar por completo todos los procesos empresariales. La automatización de tareas simples es suficiente para procesos de trabajo estandarizados y repetitivos con una variabilidad limitada, como el cálculo de nóminas o la aprobación de gastos de viaje. Sin embargo, los procesos complejos y multifuncionales propensos a las excepciones o estrechamente vinculados al rendimiento empresarial suelen justificar un rediseño completo.
La IA agéntica no solo automatiza, sino que redefine la forma en que las organizaciones trabajan, se adaptan y crean valor añadido.
Alexander Sukharevsky, socio director de QuantumBlack, AI by McKinsey, Londres
El escalado de los agentes plantea tres retos: gestionar los nuevos riesgos sistémicos, integrar sistemas personalizados y normalizados, y mantener la agilidad para evitar la dependencia de un proveedor en un entorno tecnológico en rápida evolución. Estos retos no pueden superarse simplemente añadiendo nuevos componentes, como sistemas de almacenamiento o motores de orquestación, a las pilas de IA generativa existentes.
Lo que necesitamos es un cambio fundamental de una infraestructura estática y centrada en LLM a un entorno dinámico, modular y gobernado, diseñado específicamente para la inteligencia basada en agentes: la malla de la IA agéntica.
La malla de la IA agéntica proporciona un marco unificado que permite a múltiples agentes (estandarizados y personalizados) razonar, colaborar y actuar de forma autónoma a través de una variedad de sistemas, herramientas y modelos de lenguaje, de forma segura, escalable y diseñada para evolucionar con la tecnología. Se basa en cinco principios de diseño interrelacionados:
Las organizaciones también deben adaptar sus estrategias de LLM a las necesidades específicas de los agentes: Las implementaciones que requieren respuestas en tiempo real necesitan LLM de baja latencia; los agentes que trabajan en ámbitos regulados o con un uso intensivo de conocimientos (p. ej., jurídico, financiero o sanitario) necesitan LLM que puedan optimizarse y equiparse con herramientas externas.
A medio y largo plazo, las organizaciones deben abandonar las API y desarrollar arquitecturas informáticas orientadas a los agentes, en las que las interfaces de usuario, las funciones lógicas y las capas de acceso a los datos se diseñen desde el principio para las máquinas y no para las personas. En lugar de pantallas y formularios, estos sistemas se organizan en torno a interfaces legibles por máquinas, flujos de trabajo autónomos y flujos de toma de decisiones controlados por agentes.
Este cambio ya está en marcha. Microsoft integra agentes en las funciones principales de Dynamics 365 y Microsoft 365 a través de Copilot Studio. Salesforce amplía Agentforce a una capa de orquestación multiagente. SAP está rediseñando su Business Technology Platform (BTP) para dar soporte a la integración de agentes a través de Joule. El futuro del software empresarial no solo se basa en la IA, sino también en agentes.
A medida que los agentes evolucionan y se escalan, surgen complejidades técnicas y organizativas que plantean retos de coordinación, buen discernimiento y confianza. Estos retos se manifiestan de tres maneras:
Para poder aprovechar las oportunidades que ofrece la IA agéntica, las organizaciones deben remodelar fundamentalmente su enfoque de la transformación a la IA en cuatro dimensiones:
El auge de los agentes de IA representa un punto de inflexión estratégico que redefinirá la forma en que las organizaciones operan, compiten y crean valor. Este es un punto crucial que no puede delegarse: debe iniciarlo y gestionarlo el CEO. Esto requiere tres medidas decisivas:
Como cualquier tecnología disruptiva, los agentes de IA ofrecen a los recién llegados la oportunidad de aumentar su competitividad. Si se aplican incorrectamente o no se utilizan en absoluto, corren el riesgo de acelerar el declive de los actuales líderes del mercado.
La IA agéntica sigue evolucionando, pero ya está lo suficientemente madura como para impulsar cambios reales en diversos sectores. Para aprovechar todo su potencial, los CEO deben abordar la transformación a la IA como una serie de proyectos de reforma integrales y específicos. Esto significa identificar las áreas de negocio con mayor potencial y, a continuación, hacer todo lo posible: desde la reorganización de los procesos de trabajo y la redistribución de tareas entre el hombre y la máquina hasta la introducción de nuevos modelos empresariales.
Algunos líderes ya han emprendido el cambio, no solo desplegando flotas de agentes, sino reestructurando sus organizaciones para aprovechar todo su potencial disruptivo. Por ejemplo, Moderna ha fusionado a los responsables de sus departamentos de RR.HH. y TI y ha fusionado la dirección de TI, lo que indica que la IA influye ahora en el diseño de la plantilla. Se trata de un paso estructural hacia un nuevo tipo de empresa.
La IA agéntica no es un paso incremental, sino la base del modelo empresarial de próxima generación. Los CEO que actúen ahora no solo conseguirán una ventaja de rendimiento, sino que redefinirán la forma en que sus organizaciones piensan, deciden y actúan. La fase de exploración está llegando a su fin: ahora empieza el tiempo de la transformación.
Este es un extracto del informe de QuantumBlack «Seizing the agentic AI advantage»
