Agentic AI: el nuevo frente de la inteligencia artificial.

La inteligencia artificial ha experimentado transformaciones notables en los últimos años, pasando rápidamente de herramientas de automatización básicas a modelos generativos sofisticados. Los grandes modelos de lenguaje (conocidos como LLMs por sus siglas en inglés) como GPT-4o o Gemini, que pueden comprender y producir texto similar al humano, han ampliado los límites del aprendizaje automático, habilitando aplicaciones sin precedentes en la creación de contenido, atención al cliente... Estos avances han demostrado cómo la IA puede procesar e interpretar grandes volúmenes de datos. Sin embargo, operan dentro de límites predefinidos y a menudo carecen de la flexibilidad para adaptarse en tiempo real.

Ahora, un nuevo paradigma conocido como Agentic AI está emergiendo, listo para revolucionar el papel de la IA, pasando de simplemente interpretar y responder prompts a gestionar tareas complejas de manera autónoma. Este avance promete un futuro en el que la IA no solo mejore la productividad y la toma de decisiones, sino que también navegue en entornos dinámicos de forma autónoma, convirtiéndose en una tecnología transformadora en todas las industrias.

¿Qué es Agentic AI?

Agentic AI se refiere a sistemas de inteligencia artificial que poseen un grado de autonomía, capaces de tomar decisiones, planificar acciones y aprender de experiencias para alcanzar objetivos específicos sin intervención humana constante. Los sistemas de Agentic AI están diseñados para tener lo que en inglés llaman "agency", lo que significa que pueden realizar tareas de manera autónoma en nombre de usuarios u otros sistemas, decidiendo sus propios flujos de trabajo y utilizando las herramientas disponibles.

A diferencia de los LLMs tradicionales, que responden a prompts dentro de parámetros predefinidos, Agentic AI puede adaptarse y aprender de nuevos datos e interacciones con los usuarios, planificar y ejecutar tareas complejas de múltiples pasos, interactuar con herramientas y bases de datos externas, y mejorar con el tiempo mediante bucles de retroalimentación y aprendizaje continuo. Esta capacidad combina la versatilidad y flexibilidad de los LLMs con la precisión de la programación tradicional, ofreciendo lo mejor de ambos mundos.

Problemas anteriores

Los LLMs tradicionales, aunque poderosos, tienen limitaciones inherentes que Agentic AI busca superar. Primero, los LLMs están entrenados en grandes cantidades de datos recabados hasta un día o semana en concreto, lo que restringe su conocimiento a la fecha en que se recopilaron sus datos de entrenamiento. En consecuencia, carecen de información sobre eventos o datos surgidos después de su última actualización, limitando su utilidad en escenarios que requieren datos actuales. Además, adaptar estos modelos monolíticos resulta desafiante y demanda muchos recursos, ya que ajustarlos implica grandes cantidades de datos y poder computacional para modificar su comportamiento.

Otra limitación clave es que los LLMs estándar operan sin acceso específico al contexto del usuario o a bases de datos. Por ejemplo, si alguien consulta al modelo para saber sus días de vacaciones disponibles, un LLM típico no puede recuperar esta información debido a que carece de acceso a datos personalizados y seguros. Aunque los LLMs tradicionales pueden ayudar en tareas como resumir documentos o redactar textos, no son efectivos cuando los usuarios necesitan respuestas específicas basadas en fuentes de datos en tiempo real o individualizadas.

Además, la estructura rígida de los LLMs dificulta la incorporación de componentes que verifiquen o validen dinámicamente las respuestas. Si bien pueden generar respuestas basadas en patrones de datos, no pueden acceder a bases de datos o herramientas externas de forma autónoma para comprobar o complementar sus respuestas, lo cual limita su precisión y flexibilidad en tareas complejas que requieren soluciones de múltiples pasos e involucran datos del mundo real.

Agentic AI supera estas limitaciones integrando componentes modulares—como herramientas de búsqueda en tiempo real, verificadores lógicos y bases de datos especializadas—que extienden las capacidades de los LLMs más allá de las respuestas estáticas. Con la flexibilidad de acceder a recursos externos y realizar tareas complejas, Agentic AI combina el poder de procesamiento de lenguaje de los LLMs con la precisión de la programación basada en reglas. Esto permite que los sistemas de IA generen respuestas precisas y contextualizadas en una amplia gama de aplicaciones, abriendo la puerta a un nuevo nivel de utilidad y capacidad de respuesta. En la siguiente sección, exploramos cómo Agentic AI aprovecha esta adaptabilidad para ofrecer interacciones precisas y en tiempo real, una mayor autonomía y una mejor experiencia para el usuario en diversos ámbitos.

Beneficios

Flexible y preciso

Una de las principales razones por las que Agentic AI se considera el próximo gran avance en la investigación de IA es su capacidad para combinar flexibilidad con precisión. Los LLMs sobresalen en el procesamiento y generación de texto similar al humano, lo que facilita la interacción de los usuarios con la IA mediante instrucciones en lenguaje natural. Pueden generar respuestas o acciones basadas en una comprensión matizada y dependiente del contexto, lo cual es útil en situaciones donde la programación tradicional podría enfrentarse a dificultades para cubrir todos los casos extremos.

Por otro lado, la programación tradicional ofrece algoritmos estructurados y deterministas, ideales para tareas que requieren precisión, repetibilidad y verificabilidad. Los sistemas de Agentic AI aprovechan la flexibilidad de los LLMs para manejar tareas que se benefician de respuestas dinámicas, mientras confían en la programación tradicional para cumplir reglas estrictas, lógica y rendimiento, lo que permite a la IA ser a la vez intuitiva y precisa.

Un ejemplo destacado es el Agentforce de Salesforce Sales Development Representative (SDR), que puede interactuar autónomamente con prospectos, responder preguntas comunes, manejar objeciones e incluso programar reuniones en función de los datos disponibles en el CRM y fuentes externas. Al aprovechar la generación aumentada por recuperación (RAG, puedes leer nuestra publicación para más información), estos agentes pueden fundamentar sus respuestas en datos en tiempo real, asegurando relevancia y precisión. A través de su conexión con Google Workspace, Agentforce puede crear presentaciones en Google Slides o actualizar registros en el CRM de forma dinámica basándose en conversaciones en Gmail, proporcionando un flujo de trabajo automatizado y sin interrupciones para los equipos de ventas.

Interacciones en tiempo real

Otra ventaja significativa de Agentic AI es su amplio alcance y su capacidad para interactuar con datos en tiempo real y entornos externos. Los LLMs tradicionales suelen estar entrenados en conjuntos de datos estáticos que representan información hasta un momento determinado, por lo que no pueden reunir activamente nueva información de la web ni interactuar con herramientas externas o sistemas de procesamiento de datos. Agentic AI supera estas limitaciones, ya que está diseñada para buscar en la web, llamar a APIs o consultar bases de datos.

Estos agentes pueden obtener información en tiempo real, recibir actualizaciones o extraer datos específicos críticos para la toma de decisiones. Pueden iniciar y gestionar tareas como el registro de datos, la supervisión en tiempo real y el análisis de tendencias, proporcionando a los LLMs entradas actualizadas para decisiones más informadas y respuestas contextuales. Esta capacidad permite que Agentic AI ofrezca soluciones más relevantes y oportunas, convirtiéndola en una herramienta invaluable para aplicaciones que requieren datos actuales y respuestas adaptativas.

Autonomía

La autonomía es otra característica distintiva de los sistemas de Agentic AI. Pueden operar de manera independiente y realizar tareas específicas de forma autónoma sin la necesidad de supervisión humana constante, permitiendo una operación continua en entornos donde la supervisión humana es limitada o innecesaria. Los sistemas autónomos pueden mantener objetivos a largo plazo, gestionar tareas de múltiples pasos y realizar un seguimiento del progreso a lo largo del tiempo. Veamos algunos ejemplos que engloban las bondades de Agentic AI:

1. Gestión autónoma de campañas de marketing

Una Agentic AI encargada de gestionar una campaña de marketing puede manejar de forma autónoma varias etapas de la gestión de campañas, desde la creación de contenido hasta el análisis de rendimiento. Por ejemplo, el agente podría comenzar desarrollando contenido dirigido en función de los datos de la audiencia y las tendencias recientes de interacción. Luego, distribuiría este contenido en múltiples plataformas—redes sociales, correo electrónico o sitios web—y monitorearía el rendimiento de la campaña en tiempo real.

A medida que llegan datos de interacción, la IA podría ajustar su estrategia de forma dinámica, como reasignar presupuesto a canales con mejor rendimiento o modificar el tono del mensaje para resonar con ciertos grupos demográficos. Si un formato de anuncio en particular tiene un bajo rendimiento, la IA podría reemplazarlo por uno más efectivo.

Esta capacidad no solo optimiza los resultados de la campaña, sino que también libera a los equipos de marketing para centrarse en la estrategia creativa y la innovación. El agente puede operar de forma continua, asegurando que la campaña esté siempre alineada con los objetivos del negocio y adaptándose en tiempo real para maximizar el retorno de inversión.

2. Monitoreo en tiempo real de la salud y ajustes de tratamiento

En el sector de la salud, Agentic AI puede ser revolucionaria para el cuidado de los pacientes, ya que permite el monitoreo continuo de signos vitales, adherencia a la medicación y otros indicadores de salud. Por ejemplo, un agente podría supervisar datos de dispositivos portátiles, como la frecuencia cardíaca, presión arterial y niveles de oxígeno, y comparar estos valores con datos históricos y guías clínicas. Si algún indicador cae fuera de los parámetros seguros, el agente podría alertar al personal médico o ajustar los planes de tratamiento de manera automática, como aumentar la dosis de un medicamento o recomendar una prueba de diagnóstico.

En casos de enfermedades crónicas, como la diabetes, el agente podría analizar continuamente los niveles de glucosa en sangre y sugerir ajustes en la dieta al paciente en tiempo real. Al realizar un seguimiento autónomo de los datos del paciente y proporcionar información procesable a los profesionales de la salud, Agentic AI apoya un cuidado proactivo y adaptativo, mejorando potencialmente los resultados del paciente y reduciendo las visitas al hospital. Esto permite a los profesionales de la salud centrarse en cuidados complejos y matizados, mientras que la IA maneja el monitoreo y los ajustes de rutina.

3. Vigilancia autónoma de ciberseguridad y respuesta ante amenazas

En ciberseguridad, Agentic AI puede actuar como un defensor incansable, monitoreando de forma continua el tráfico de red, los registros de sistemas y el comportamiento de los usuarios en busca de amenazas potenciales. Por ejemplo, un agente puede rastrear patrones de acceso en los sistemas de una empresa, identificando cualquier actividad inusual que podría indicar ataques de phishing, intrusiones de malware o intentos de acceso no autorizados.

Si el comportamiento de un usuario específico se desvía significativamente de lo normal—como múltiples intentos fallidos de inicio de sesión o acceso a datos sensibles fuera del horario habitual—la IA podría marcarlo como sospechoso e iniciar protocolos de seguridad de inmediato. Además, la IA puede analizar el tráfico de red entrante en busca de señales de ataques de denegación de servicio distribuido (DDoS), bloqueando direcciones IP potencialmente maliciosas en tiempo real.

Cuando se identifica una amenaza, la IA puede desplegar contramedidas de forma autónoma, como aislar servidores afectados o restringir el acceso a cuentas comprometidas. Este nivel de respuesta autónoma ante amenazas permite a las organizaciones mantener una seguridad sólida, incluso frente a amenazas cibernéticas en rápida evolución, con una intervención humana mínima para el monitoreo de seguridad rutinario.

Experiencia de usuario mejorada

Además, Agentic AI ofrece una experiencia de usuario intuitiva al permitir que las personas menos técnicas interactúen con sistemas complejos mediante lenguaje natural, haciendo que la tecnología sea más accesible y reduciendo la curva de aprendizaje asociada con plataformas de software intrincadas.

Por ejemplo, en lugar de navegar por software complicado para generar informes o presentaciones, un usuario puede simplemente pedirle al agente en lenguaje simple que "genere un informe de desempeño de ventas para el último trimestre," y el agente se encargará de recuperar los datos y formatear la presentación de manera autónoma. Esta interacción intuitiva mejora la productividad y permite a los usuarios concentrarse en la toma de decisiones en lugar de en la gestión de datos.

Las aplicaciones potenciales de Agentic AI son vastas y transformadoras en diversas industrias. En operaciones empresariales, Agentic AI podría revolucionar cómo las empresas gestionan las operaciones diarias, administrando de forma autónoma las cadenas de suministro, optimizando los niveles de inventario, pronosticando la demanda y gestionando la planificación logística compleja. En el desarrollo de software, los agentes de IA podrían no solo generar código, sino también gestionar ciclos de vida completos de desarrollo, diseñando autónomamente la arquitectura del sistema, escribiendo y depurando código y supervisando procesos de aseguramiento de calidad.

Desafíos

Consideraciones éticas

Sin embargo, aunque el futuro de Agentic AI parezca prometedor, no está exento de desafíos. Las consideraciones éticas, como asegurar que estos sistemas tomen decisiones alineadas con los valores humanos, son fundamentales. La naturaleza compleja de los modelos de IA puede dificultar la comprensión o interpretación de sus procesos de toma de decisiones, lo que plantea desafíos en cuanto a la responsabilidad y la confianza, especialmente en aplicaciones de alto riesgo.

También surge la pregunta de la responsabilidad: ¿quién es responsable cuando una Agentic AI comete un error? La privacidad y la seguridad de los datos son otras preocupaciones críticas, ya que estos sistemas se vuelven más autónomos y manejan información cada vez más sensible. Será esencial contar con salvaguardas sólidas para proteger contra el mal uso o las violaciones de seguridad.

Veracidad

Aunque Agentic AI promete aplicaciones transformadoras en diversos sectores, también presenta desafíos relacionados con la veracidad. La precisión y fiabilidad de la información proporcionada por agentes de IA idealmente requieren supervisión humana, pero con Agentic AI, esta supervisión puede verse reducida. Este problema surge de la naturaleza probabilística de los grandes modelos de lenguaje, que no son intrínsecamente deterministas y, en ocasiones, pueden producir "alucinaciones": respuestas que parecen plausibles, pero que son incorrectas en cuanto a los hechos.

Si las fuentes de datos son limitadas o si ocurre un paso de procesamiento incorrecto, Agentic AI podría generar suposiciones infundadas o respuestas engañosas. Estas inexactitudes son especialmente problemáticas en sectores de alto riesgo, como la salud o el asesoramiento legal, donde la precisión y verificación de la información son esenciales para la seguridad, el cumplimiento y la confianza general.

Impacto en el mercado laboral

Es seguro que la posible adopción masiva de Agentic AI tendrá un alto impacto en el mercado laboral. Aunque Agentic AI genera nuevas oportunidades y aumenta la productividad, también implica el riesgo de desplazar ciertos roles, especialmente aquellos que implican tareas repetitivas o decisiones simples. Este cambio subraya la necesidad de recualificación laboral, particularmente en sectores como atención al cliente, administración y manufactura, donde Agentic AI podría automatizar una gran parte del trabajo tradicional.

Preparar a buena parte del tejido laboral mediante educación y desarrollo de habilidades específicas en áreas como supervisión de IA, resolución de problemas complejos y análisis creativo será crucial. Este enfoque proactivo ayudará a mitigar los riesgos de desplazamiento laboral y permite que la sociedad aproveche al máximo los beneficios de Agentic AI sin comprometer la estabilidad laboral. Además, fomentar trayectorias profesionales adaptables y sistemas de apoyo será clave para asegurar que los avances tecnológicos promuevan el crecimiento económico y el bienestar social.

Cómo las empresas líderes están adoptando Agentic AI

Las principales empresas tecnológicas están logrando avances significativos en Agentic AI. Salesforce (junto con Google), Microsoft y ServiceNow lideran esta transformación al implementar agentes avanzados de IA que se integran sin problemas en sus ecosistemas, permitiendo una gestión de tareas más autónoma e inteligente en diversas industrias.

La plataforma Agentforce de Salesforce, desarrollada en colaboración con Google Workspace, destaca como una solución integral para desplegar agentes autónomos dentro de la suite Salesforce Customer 360. Como adelantamos más arriba, los agentes de Agentforce pueden actuar en múltiples canales—como Gmail, Google Docs y aplicaciones de Salesforce—para automatizar tareas de ventas, servicio y atención al cliente.

Por ejemplo, un agente de ventas puede generar presentaciones de forma autónoma, coordinar horarios de reuniones o compilar información de clientes desde BigQuery de Google sin duplicar datos. Además, a través de un generador de agentes de bajo código, las empresas pueden crear agentes de IA personalizados, definir flujos de trabajo y hasta incorporar funcionalidades de socios de plataformas como Workday e IBM. Esta flexibilidad permite a organizaciones como Royal Bank of Canada y OpenTable alcanzar mejoras de eficiencia con resoluciones de casos cercanas al 90%, demostrando el potencial de Agentforce para simplificar operaciones complejas en múltiples sectores.

Mientras tanto, Microsoft ha lanzado sus agentes Copilot dentro de los ecosistemas Dynamics 365 y Microsoft 365. Los agentes de Copilot automatizan tareas en herramientas como SharePoint, Teams y aplicaciones de Microsoft Office, permitiendo gestionar flujos de documentos, responder consultas y generar informes de forma autónoma. Copilot Studio de Microsoft permite a los usuarios crear agentes personalizados para tareas como la creación de tickets de soporte, respuesta a correos electrónicos o actualización de registros.

Estos agentes están diseñados para priorizar la seguridad de los datos, aprovechando la infraestructura de Azure para proteger la información, lo cual brinda confianza a las organizaciones al expandir aplicaciones de agentes dentro de sus flujos de trabajo. Lumen Technologies, por ejemplo, anticipa importantes mejoras en productividad y ahorros sustanciales al integrar agentes Copilot en sus operaciones.

ServiceNow también capitaliza Agentic AI a través de su plataforma Now, que enfatiza agentes que operan en funciones de IT, recursos humanos y atención al cliente. Los agentes de ServiceNow emplean capacidades avanzadas de razonamiento para interpretar las solicitudes de usuarios en un amplio contexto, creando respuestas altamente personalizadas mientras gestionan múltiples flujos de trabajo de forma autónoma.

Estos agentes pueden interactuar directamente con una amplia gama de sistemas empresariales y fuentes de datos, brindando soporte integral y adaptativo a través de las plataformas de ServiceNow. La compañía vislumbra agentes que podrían mejorar aún más la experiencia del usuario al incorporar entradas de diversas fuentes, como voz o video, y así ir más allá de los comandos basados en texto para soportar interacciones más ricas y matizadas.

Oracle también ha incorporado Agentic AI a través de los agentes de Fusion Cloud AI, que ofrecen más de cincuenta agentes específicos para roles diseñados para optimizar tareas en finanzas, adquisiciones y recursos humanos. Estos agentes ayudan a los empleados y empleadas a ejecutar tareas repetitivas de forma autónoma, como procesar facturas o gestionar solicitudes de compras, y están integrados en el entorno seguro de la nube de Oracle, lo que asegura el cumplimiento de normativas y la confiabilidad de los datos.

Conclusión

A pesar de estos desafíos, los beneficios potenciales de Agentic AI son demasiado significativos para ignorarlos. A medida que avanza la investigación en este campo, podemos esperar agentes de IA cada vez más sofisticados, capaces de colaborar con los humanos de formas que antes solo veíamos en la ciencia ficción. La clave para aprovechar todo el potencial de Agentic AI radica en encontrar el equilibrio adecuado entre la autonomía y la supervisión humana. Desarrollando estos sistemas de manera cuidadosa y con un enfoque atento en las implicaciones éticas, podemos crear agentes de IA que aumenten las capacidades humanas en lugar de reemplazarlas.

Agentic AI representa un avance importante hacia aplicaciones de IA más interactivas y prácticas en la vida diaria. Al combinar las fortalezas de los grandes modelos de lenguaje con la programación tradicional, estos agentes pueden realizar tareas que antes se pensaba eran exclusivas de los humanos. Al estar al borde de esta nueva era, aceptar las posibilidades al tiempo que abordamos los desafíos será fundamental para desbloquear todo el potencial de Agentic AI. El futuro de la IA no se trata solo de máquinas que pueden pensar, sino de máquinas que pueden actuar, aprender y colaborar con nosotros para resolver problemas complejos y mejorar nuestra calidad laboral y vital.