Hace apenas unos años, la automatización robótica de procesos (RPA) era el máximo exponente de la eficiencia en el lugar de trabajo: robots de software que se utilizan para tareas recurrentes basadas en reglas, como mover datos de clientes de una base de datos a otra o enviar correos electrónicos automáticamente a los clientes. Luego llegaron los grandes modelos lingüísticos (LLM), que permitían a las máquinas procesar datos no estructurados y extraer respuestas de los propios datos, abriendo así vías más inteligentes para automatizar decisiones y ahorrar tiempo. Ahora se están utilizando agentes de IA que prometen a las empresas unos procesos más fluidos y resultados más rápidos. Según una reciente encuesta realizada en Estados Unidos, casi cuatro de cada cinco organizaciones afirman haber integrado agentes de IA en al menos uno de sus procesos de trabajo, aunque la mayoría todavía está averiguando cómo pasar de la fase experimental a una aplicación útil en toda la empresa. El reto que tenemos por delante es averiguar cómo puede influir la inteligencia de procesos allí donde todavía dominan los sistemas heredados.
En general, un agente es un sistema que puede actuar de forma autónoma. Los sistemas basados en agentes existen desde hace tiempo. Basta con pensar en la RPA, los coches sin conductor o incluso los termostatos. Los agentes son conscientes de su entorno y toman decisiones sin supervisión humana constante. Sin embargo, el auge de los LLM ha aportado a estos sistemas un «toque especial», un nuevo tipo de inteligencia: la capacidad de pensar, actuar y observar para interpretar contextos, comprender objetivos y planificar medidas. A diferencia de la automatización tradicional, los agentes de IA persiguen sus propios objetivos y orquestan flujos de trabajo. Acceden a herramientas y fuentes de datos, trabajan sin problemas con las personas y otros agentes, y aprenden de sus resultados. En esencia, no se trata únicamente de automatización, sino de una auténtica inteligencia de procesos que se extiende por toda la empresa.
Los agentes de IA facilitan la vida cotidiana al asumir tareas complejas basadas en el juicio, clasificar grandes cantidades de información, ayudarnos a tomar decisiones rápidas y personalizar los servicios. Esto nos deja más tiempo para lo que realmente nos importa. Sin embargo, la auténtica ventaja reside en su capacidad para aprender y adaptarse de forma continua, incluso en entornos dinámicos, optimizando todavía más los procesos en toda la organización. Un ejemplo de esto es la enorme complejidad técnica de la red de Deutsche Telekom, que cuenta con miles de servidores, cables y antenas que transmiten a través de diferentes bandas de frecuencia, todo ello a la velocidad y escala de la 5G. En este contexto, el auténtico reto fue reconocer las células problemáticas y sobrecargadas y ajustar el rendimiento para evitar problemas de servicio. Y aquí es exactamente donde entró en juego el RAN Guardian-Agent2, que supervisa la red de acceso radioeléctrico (RAN) las 24 horas del día. De hecho, funciona como un sistema multiagente, lo que se traduce en que varios agentes especializados trabajan en cooperación para garantizar un rendimiento óptimo de la red.
Un ejemplo: el agente busca en fuentes públicas como las redes sociales, identifica los próximos eventos en Alemania y los clasifica en función de su tamaño y ubicación. A continuación, otro agente interviene en el proceso y comprueba hasta qué punto la red móvil puede gestionar el tráfico de datos durante cada evento y sugiere medidas de optimización si es necesario. Por último, un agente adicional puede realizar ajustes, como redistribuir los recursos de la red, y documenta todo el proceso con el fin de seguir mejorando y optimizando la red para futuros eventos. El agente RAN Guardian utiliza múltiples fuentes de datos y trabaja con modelos modernos de IA como Google Gemini 2.0. Cuando en una zona hay menos demanda, la IA reduce la capacidad en ella y así ahorra energía. Este es un paso importante hacia una red móvil «autocurativa».
O tomemos como ejemplo a nuestro ingeniero de IA, que presta apoyo a los desarrolladores de software. El agente conoce bien lenguajes de programación modernos como Python y TypeScript, pero también lenguajes más antiguos como COBOL o C++, y ayuda a los desarrolladores a generar, probar y documentar código. Esto permite programar en cuestión de minutos aplicaciones que antes tardaban meses en desarrollarse, porque en el desarrollo de software, la magia no reside en la programación, sino en comprender lo que quiere el cliente, qué problema debe resolver el código y cómo encaja en el sistema informático existente; y los desarrolladores pueden centrarse precisamente en eso.
En esencia, no se trata únicamente de automatización, sino de una auténtica inteligencia de procesos que se extiende por toda la empresa.
Frederick Peters, director del área técnica del equipo Digital Enabler de T-Systems
El problema es que la mayoría de las empresas siguen dependiendo en gran medida de sistemas informáticos antiguos, como sistemas bancarios centralizados, módulos ERP o bases de datos de recursos humanos, muchos de los cuales se desarrollaron hace unos 20 años. Estos sistemas son fiables, pero inflexibles. No se crearon para suministrar datos a modelos de aprendizaje automático, y mucho menos para trabajar con agentes de IA. Al mismo tiempo, las empresas están invirtiendo mucho en sistemas de IA para satisfacer las crecientes expectativas de los clientes, automatizar procesos y aumentar la productividad. Esto da lugar a una combinación complicada, ya que los sistemas antiguos son rígidos y aislados, pero la IA necesita datos, transparencia y estructura para ser eficaz. No es de extrañar que el 85 % de las organizaciones admitan tener dificultades a la hora de escalar la IA de forma eficaz.3
Y la brecha sigue creciendo, sobre todo porque los LLM amplían constantemente el potencial de la IA. Los analistas prevén que para 2028 un tercio del software empresarial incluirá funciones de agentes de IA.4Sin embargo, la realidad es que los sistemas heredados no desaparecen. ¿Cómo pueden las empresas cerrar esta brecha e integrar agentes de IA en su entorno informático actual?
Las empresas son las que deben garantizar una excelente orquestación para crear una base sólida para la IA agéntica. Esto se traduce en que las tareas y la información se transmitan sin problemas, la toma de decisiones siga siendo transparente y los procesos se desarrollen sin interrupciones de principio a fin. Todo esto permite integrar los agentes de IA en los flujos de trabajo existentes. Se pueden mantener los sistemas antiguos, pero dotándolos de una capa inteligente que permita la transparencia, la flexibilidad y el control. Por ejemplo: llega una consulta urgente de un cliente, la IA analiza el contexto de inmediato y transfiere exactamente las piezas adecuadas a la antigua base de datos de RR. HH. para los registros o al ERP para los datos de entrega, y todo en tiempo real. Mientras tanto, las personas solo intervienen cuando se requiere su experiencia o si hay que tomar una decisión.
En lugar de silos, la orquestación garantiza un proceso fluido. Un buen ejemplo de esto es nuestro HRCules, la plataforma de RR. HH. de Deutsche Telekom asistida por IA. Tuvimos que modernizar todo el fragmentado ecosistema de RR. HH. y sustituir nuestro sistema informático de 15 años de antigüedad sin interrumpir los procesos empresariales. Así, con la plataforma Pega, que combina la IA y funciones con poco código, creamos una capa de orquestación entre los sistemas antiguos y los nuevos. Esto supuso un aumento de la eficiencia de los procesos de RR. HH. de alrededor del 80 %, lo que se tradujo en unos procesos más ágiles y transparentes y en un aumento considerable de la satisfacción de los empleados. Este proyecto muestra cómo las empresas pueden sentar las bases para la IA agéntica.
El potencial es obvio, pero los auténticos motores del progreso y el uso responsable están trabajando en segundo plano.
La IA sigue siendo un tema existencial para nuestra economía y para todas las empresas. Gracias a nuestras asociaciones estratégicas y a nuestra amplia experiencia en la realización de proyectos de IA y automatización para nuestros clientes de diversos sectores, estamos preparados para ayudar a las empresas a forjar su futuro en la era agéntica. Hace poco, en estrecha colaboración con NVIDIA y SAP, anunciamos un hito decisivo para la soberanía digital de Alemania y Europa: la actual construcción en Múnich de una de las fábricas de IA más grandes y modernas de Europa, la Industrial AI Cloud. Esta instalación estará equipada con 10 000 GPU NVIDIA de última generación (Blackwell), lo que aumentará la potencia de cálculo de IA en Alemania en torno al 50 %. Las grandes empresas, pymes y administraciones públicas podrán utilizar nuestra fábrica de IA para diversas aplicaciones ya a principios de 2026, por ejemplo, para simular instalaciones de producción o pruebas de choque, realizar ensayos digitales en túneles de viento para coches y aviones, entrenar robots o desarrollar y manejar sus propios modelos de IA. Industrial AI Cloud está integrada en nuestro ecosistema T Cloud y garantiza la total soberanía de los datos y el cumplimiento de las normativas nacionales y europeas más estrictas.
1 Encuesta de PwCsobre agentes de IA, 2025, pwc.com
2 https://www.telekom.com/en/media/media-information/archive/ai-agents-for-mobile-network-1099054
3 La brecha de la automatización: cómo hacer que los sistemas heredados y la IA funcionen juntos, Jakob Freund, 2025, Forbes Technology Council
4 Gartner predice que más del 40 % de los proyectos de IA agéntica se cancelarán a finales de 2027, 2025, gartner.com
Impulsar la eficiencia Con IA agéntica, Saurav Gupta, 2025, business-reporter.co.uk.
