¿Cómo se utiliza realmente el Agentic AI?

Este artículo es la segunda parte de nuestra serie de tres publicaciones especializadas sobre el tema del Agentic AI. El objetivo es proporcionar una comprensión sólida de los sistemas de IA basados en agentes como base para tomar decisiones informadas sobre futuras inversiones y desarrollos organizativos. En lugar de entrar en detalles técnicos, el foco está en preguntas estratégicas claras y relevantes que orientan las decisiones de negocio.

En esta serie se publican los siguientes artículos en sucesión:

1. Qué es el Agentic AI y cómo funciona?

2. ¿Cómo se utiliza realmente el Agentic AI? (este artículo)

3. ¿Cuáles son los casos de uso del Agentic AI?

El primer artículo de esta serie explicó los fundamentos conceptuales del Agentic AI. Este aborda el siguiente paso: el recorrido desde la idea inicial hasta la implementación práctica dentro de una empresa. Se centra en los requisitos previos, los desafíos y las áreas de diseño que las compañías están afrontando al planificar sus primeras iniciativas del Agentic AI. Esto incluye no solo requerimientos tecnológicos, sino también la alineación organizativa, la integración estratégica con plataformas existentes y la creación de nuevos roles y responsabilidades.

El objetivo es ofrecer una base de actuación que permita a los responsables de la toma de decisiones aprovechar el potencial del Agentic AI de manera focalizada, escalable y orientada al negocio.

Antes de introducir al Agentic AI, es esencial aclarar el contexto inicial, los objetivos generales y los mecanismos operativos. Las empresas deben ver al Agentic AI, no solo como un proyecto tecnológico, sino como parte de una iniciativa de transformación más amplia que afecta procesos, roles, sistemas y lógica de toma de decisiones. Definir un punto de partida estratégico constituye la base de una visión futura viable, ya sea para un producto mínimo viable (MVP) inicial o para un despliegue más amplio.

Tres preguntas clave ayudan a estructurar y evaluar realísticamente el proyecto:

• ¿Cuál es el objetivo? ¿Alivio operativo, mejora de calidad, nuevas experiencias de cliente o innovación a largo plazo? El objetivo estratégico marca la dirección y ayuda a priorizar tanto los MVP iniciales como la futura escalabilidad. Los responsables deben poder articular y comunicar claramente el valor empresarial concreto, tanto a los gestores de presupuesto como a los socios de implementación.
• ¿Dónde está la mayor palanca? Los agentes son especialmente efectivos en áreas con procesos repetitivos, intensivos en datos, dependientes de decisiones o no deterministas. Aportan valor en interfaces con alta interacción (p. ej., entre canales de clientes, sistemas logísticos o departamentos especializados). Estos procesos suelen estar estrechamente ligados a KPIs como tiempos de entrega, calidad o satisfacción del cliente.
• ¿Dónde empezamos? Los proyectos exitosos a menudo comienzan “en la sombra”, en áreas que no afectan procesos críticos pero que sí pueden generar impacto visible. Ejemplos: planificación interna, procedimientos de informes o rutinas de comunicación estructurada. Estos puntos de entrada permiten ganar experiencia, establecer bases técnicas e introducir nuevas prácticas de trabajo sin grandes barreras de entrada ni riesgos estratégicos.

El Agentic AI no es un fin en sí mismo. Genera valor donde los sistemas existentes alcanzan sus límites, por ejemplo, en la toma de decisiones bajo incertidumbre o cuando los procesos basados en reglas se quedan cortos. Los agentes pueden estabilizar, controlar y adaptarse, especialmente donde la lógica de decisión afecta a múltiples departamentos o evoluciona constantemente con las condiciones. Actúan como una capa de control adaptativa en procesos demasiado complejos para automatización total o gestión manual, como priorizar tareas, asignar recursos dinámicamente o apoyar decisiones diarias con recomendaciones basadas en datos.

Áreas típicas de aplicación

• Atención al cliente: Los agentes gestionan consultas repetitivas de forma completa y preparan casos complejos, agrupando información, analizando sentimientos y sugiriendo rutas de escalamiento. Mejoran la calidad del servicio y reducen costes.
• Compras y logística: Funcionan como sistemas de alerta temprana ante problemas de suministro, recomiendan rutas o proveedores alternativos y pueden realizar pedidos bajo condiciones definidas.
• Ventas y marketing: Identifican clientes potenciales en sistemas CRM, evalúan interacciones y sugieren estrategias de contacto personalizadas.
• Desarrollo de productos: Analizan retroalimentación del mercado, evalúan uso de productos y ayudan a priorizar características de desarrollo.
• Back office y cumplimiento: Apoyan en verificación de facturas, validación de contratos e informes de cumplimiento, liberando a los expertos de tareas repetitivas.
• Gestión de personal: Asisten en la planificación de turnos, previsión de capacidad y asignación de habilidades en entornos dinámicos.

Ejemplo: Iniciativas actuales exploran agentes para planificación de la demanda, analizando tendencias de pedidos, fluctuaciones estacionales o tiempos de entrega. Los hallazgos iniciales muestran procesos de aprovisionamiento adaptativos y basados en datos, desarrollados iterativamente con departamentos especializados.

Requisitos internos: datos, sistemas y gobernanza

Crear estructuras preparadas para agentes requiere infraestructura técnica y también claridad en acceso a datos, lógica de decisión, estándares de seguridad y responsabilidades.

• Datos: Disponibilidad, calidad y actualidad son críticos. Los agentes necesitan acceso en tiempo real a datos estructurados (ej. maestros, de producto) y no estructurados (ej. emails, tickets). También se requiere etiquetado semántico mínimo.
• Paisaje de sistemas: Una arquitectura TI flexible y basada en APIs es clave. Los sistemas heredados con malas interfaces dificultan el rendimiento de los agentes.
• Gobernanza: Definir responsabilidades para desarrollo, supervisión y validación de resultados. Deben existir mecanismos transparentes de control, auditabilidad, control de versiones y trazabilidad de decisiones.
• Accesos y derechos: Los agentes requieren protocolos estrictos de seguridad. Se debe decidir si operan como usuarios técnicos o con gestión dedicada de identidades.
• Monitoreo y checkpoints: Se necesitan puntos de control para aprobación de acciones críticas, escalamiento de incertidumbres o registro de decisiones.

Observación: En paisajes TI heterogéneos, muchas empresas ven potencial estratégico en modelos operativos preparados para agentes, especialmente pensando en escalabilidad y gobernanza futura.

Dinámica de equipo y cambio: interacción entre personas y agentes

La introducción del Agentic AI modifica gradualmente tareas, roles y expectativas. Los empleados asumen nuevas responsabilidades mientras los agentes manejan trabajo rutinario. Esto genera nuevos puntos de interacción entre personas y sistemas inteligentes.

Aspectos claves:

• Fomentar la aceptación: Los empleados necesitan comprender cómo funcionan los agentes, sus limitaciones y cómo están cambiando los roles. Sin comunicación, puede crecer el escepticismo o la resistencia.
• Crear nuevos roles: Además de los roles tradicionales como gestión de proyectos o análisis de datos, están surgiendo nuevas funciones como diseñador de agentes, supervisor de agentes o propietario de producto de agentes. Estas funciones combinan comprensión técnica con visión empresarial.
• Fortalecer la colaboración interfuncional: El desarrollo de agentes requiere una cooperación estrecha entre TI, departamentos especializados y equipos de datos. El pensamiento en silos impide resultados viables.
• Capacitación y habilitación: Para que los agentes se utilicen de manera efectiva en la vida cotidiana, se necesitan medidas de habilitación dirigidas a los usuarios especializados, por ejemplo, en formación, guías e instrucciones interactivas.
• Establecer bucles de retroalimentación: La retroalimentación continua de los usuarios hacia el sistema de agentes y su equipo de soporte aumenta la transparencia, mejora la lógica de los agentes y fomenta la aceptación en toda la organización.
• Moderación de la disposición al cambio: El Agentic AI cambia los perfiles de tareas y los procesos de trabajo. Una gestión activa del cambio respalda la consolidación cultural y reduce la resistencia a las iniciativas de automatización.

El Agentic AI también actúa como catalizador del aprendizaje organizacional y de una cultura de innovación transversal. Al hacer visibles los procesos existentes, registrar sistemáticamente las lógicas de toma de decisiones e integrar de manera dinámica nuevos contextos, los agentes mejoran la capacidad de la empresa para reflexionar, adaptarse e innovar. Esto fomenta la colaboración entre TI, áreas de negocio y gobernanza, al mismo tiempo que impulsa la excelencia operativa y nuevas oportunidades digitales.

El Agentic AI es como otras innovaciones a gran escala, salvo por una característica decisiva: impacta simultáneamente la tecnología, los procesos y la cultura. Por lo tanto, se aplican los principios tradicionales de transformación. En lugar de depender de un cambio disruptivo, se recomienda un enfoque iterativo con carácter piloto, imágenes objetivo realistas y una perspectiva clara de escalado. Definir etapas desde el principio ayuda a limitar riesgos, acumular experiencia y fortalecer la capacidad de cambio organizacional a largo plazo.

Pasos recomendados:

• Pilotaje: Comenzar con un caso de uso que presente un riesgo mínimo, ofrezca alta visibilidad y tenga acceso a datos existentes. El objetivo principal debe ser probar la viabilidad funcional y recopilar comentarios del área especialista. Estos agentes iniciales deben diseñarse para generar oportunidades de aprendizaje específicas para la organización, tanto a nivel técnico como operativo. Se debe recopilar sistemáticamente la opinión de los interesados para identificar posibles barreras a la adopción o debilidades en el diseño desde el inicio.
• Escalado: Ampliar el modelo de agente a procesos similares o a unidades organizativas adyacentes. Es importante que la arquitectura del sistema y las estructuras de gobernanza evolucionen de manera paralela. Considera crear un portafolio interno de agentes desde temprano, completo con criterios de evaluación estandarizados, planificación de recursos y una estructura de responsabilidad central (por ejemplo, un propietario del agente o un gerente de operaciones).
• Consolidación: Establecer un marco estandarizado para la operación de agentes, que incluya un modelo operativo, indicadores de desempeño, gestión de derechos de acceso y ciclos de desarrollo. Esto también implica implementar procesos de monitoreo y auditoría, junto con reglas para actualizaciones de versiones, escalamiento y capacitación. Las organizaciones líderes utilizan esta fase para integrar su estrategia del Agentic AI en el contexto más amplio de la creación de valor digital, alineada con los objetivos corporativos, los requisitos regulatorios y la transformación cultural.

El objetivo: construir capacidades sostenibles a nivel organizacional para desarrollar, gestionar y operacionalizar la automatización basada en agentes. Esto incluye responsabilidades claramente definidas, gobernanza consolidada y flexibilidad para integrar nuevos roles de agentes en la operación diaria. El Agentic AI no debe tratarse como una solución aislada, sino como una competencia estratégica incorporada en toda la organización.

Aprovechando inversiones existentes: IA conversacional como puente

Muchas empresas ya tienen experiencia con interfaces conversacionales como chatbots o Copilot. Estas soluciones ofrecen un punto de partida sólido para el Agentic AI, ya que incorporan componentes esenciales como reconocimiento de contexto, gestión de diálogos y generación automática de respuestas. La transición de un bot reactivo a un agente proactivo orientado a objetivos es tecnológicamente desafiante, pero conceptualmente factible, especialmente si ya existen APIs, datos de uso y estructuras de gestión de acceso.

El valor no reside solo en reutilizar componentes técnicos, sino también en capitalizar el aprendizaje organizacional existente: los equipos ya están familiarizados con trabajar junto a sistemas basados en IA, articular requisitos funcionales y comprender limitaciones. El Agentic AI puede construir sobre esto agregando toma de decisiones autónoma, seguimiento de objetivos y aprendizaje continuo a las capacidades existentes. De este modo, una "interfaz conversacional" evoluciona hacia un agente operativo que mejora y amplía la utilidad estratégica de los sistemas de diálogo.

• Aprovechando la infraestructura existente: APIs, modelos de intención y sistemas de registro de soluciones de chatbot a menudo pueden adaptarse a arquitecturas basadas en agentes. Los motores de flujo de trabajo y los pipelines de datos ya en uso pueden servir como base técnica para los agentes.
• La aceptación del usuario ya existe: Clientes y usuarios internos están acostumbrados a interfaces conversacionales, lo que facilita la introducción de nuevas funciones basadas en agentes. Esta familiarización no solo reduce el esfuerzo de capacitación, sino que también disminuye la barrera para adoptar funciones más avanzadas impulsadas por agentes.
• Uso de datos para desarrollo posterior: Los datos de interacción de los chatbots ofrecen materiales valiosos para entrenar agentes, por ejemplo, para mejorar la priorización de tareas, la clasificación o los comportamientos de escalamiento. Estos datos también apoyan la optimización del desempeño mediante bucles de retroalimentación.
• Expansión paso a paso posible: Las empresas pueden transformar iterativamente las configuraciones de bots existentes en sistemas similares a agentes, comenzando con lógica de decisión simple y posteriormente introduciendo autonomía orientada a objetivos y comportamientos adaptativos.
• El front-end permanece estable: La interfaz de usuario sigue siendo familiar para los usuarios finales, incluso cuando se agrega funcionalidad de agente más compleja en segundo plano. Esto simplifica la adopción y aumenta la aceptación.
• Haciendo útil el aprendizaje organizacional: Las iniciativas existentes de chatbot ya han establecido con frecuencia roles, estructuras de soporte y estándares tecnológicos internamente, proporcionando una base lista para expandirse hacia sistemas basados en agentes.

Las organizaciones que no trataron la IA conversacional como una herramienta de comunicación independiente, sino que la integraron dentro de una arquitectura más amplia y un modelo de gobernanza, estuvieron mejor posicionadas para adoptar el Agentic AI con éxito. Este trabajo de base facilitó posteriormente el despliegue de roles de agentes más sofisticados de manera segura y basada en datos. En estos casos, la IA conversacional se replanteó no solo como una interfaz, sino como un punto de entrada adaptativo hacia sistemas empresariales impulsados por agentes. Los equipos que incorporaron de manera temprana retroalimentación estructurada de usuarios, mecanismos de monitoreo e integración con sistemas, experimentaron transiciones más rápidas y exitosas hacia la IA Agéntica, tanto técnica, organizativa como estratégicamente.

Consejos prácticos

Una matriz de evaluación simple (basada en disponibilidad de datos, madurez de procesos, presión regulatoria e impacto empresarial) puede ayudar a identificar procesos piloto adecuados. También permite priorizar proyectos estratégicamente viables, gestionar expectativas de los interesados y preparar la coordinación con arquitectos o responsables de presupuesto de manera más focalizada. Especialmente en la fase de planificación inicial, facilita una discusión estructurada sobre qué caso de uso es tanto técnicamente factible como compatible con la organización, un paso clave para evitar pérdidas por fricciones más adelante.

Para tomadores de decisiones estratégicas: Evalúa desde temprano cómo se alinea el Agentic AI con tu arquitectura de plataforma existente y políticas de gobernanza de TI. Las implicaciones financieras, como ganancias de eficiencia mediante automatización o reducción de costos de procesos, son especialmente importantes para los CFOs. También deben considerarse métricas relacionadas con escalabilidad, control e impacto en KPIs como tiempo de comercialización (time-to-market), OPEX o satisfacción del cliente. Para CEOs y CDOs, es importante entender cómo el Agent AI contribuye a objetivos estratégicos más amplios, como la velocidad de innovación, la diferenciación en el mercado o la optimización de recursos.

Para áreas especializadas: Evalúa qué decisiones pueden apoyar los agentes y cuánta supervisión o transparencia se requiere. Define claramente qué tareas pueden delegarse, cómo deben funcionar los mecanismos de retroalimentación y dónde la autoridad de decisión final permanece con los usuarios humanos. Los responsables de negocio también deben analizar cómo los procesos basados en agentes pueden afectar la experiencia del cliente, la calidad del servicio o el tiempo de comercialización. Además, se debe considerar cómo el Agentic AI modificará o potenciará los perfiles de rol existentes y qué capacitación, gestión del cambio o soporte operativo será necesario como resultado.

El Agentic AI está evolucionando rápidamente, pasando de ser una tecnología de vanguardia a convertirse en una capacidad crítica para los negocios. Las organizaciones que construyan proactivamente la infraestructura adecuada —tanto técnica como organizativa— estarán mejor posicionadas para capitalizar esta transformación, mejorando el desempeño y fortaleciendo la competitividad a largo plazo.

Tres recomendaciones finales:

• Aclara la madurez de su organización en términos del Agentic AI : tecnológica, organizativa y cultural.
• Comienza con un proyecto piloto viable que demuestre un valor agregado visible y genere confianza interna.
• Piense en términos de estructuras: la gobernanza, la reutilización y la escalabilidad deben considerarse desde el principio.