Inteligencia artificial agente: la próxima apuesta por la eficiencia que costará un billón de dólares

De LLM a agentes de IA

El rendimiento de la IA ha cambiado el modo en que percibimos la capacidad de los sistemas artificiales para interactuar con las personas, en gran parte gracias al habla casi humana de los LLM (modelos de lenguaje grandes) como ChatGPT.

Con este nivel de capacidad, la IA puede asistir o incluso reemplazar a los humanos en tareas como la traducción, la búsqueda de datos, la programación, etc. Sin embargo, con los agentes de IA se está abriendo un nuevo nivel de capacidad. La idea central de los agentes de IA es crear IA que puedan operar de forma independiente en un entorno determinado. Esto les permite actuar por sí mismos, sin necesidad de confirmación ni supervisión constantes.

Esto les otorga roles prácticos muy diferentes a los de la IA generativa, como los LLM o los generadores de imágenes, que en su mayoría son reactivos a indicaciones creadas por humanos.

En ese contexto, “entorno” puede significar tanto situaciones específicas del mundo real (como un automóvil en la carretera para un agente autónomo) o un “lugar” totalmente virtual, como un paquete de software específico o una interfaz digital.

Este es el paso donde la IA evoluciona de "conversar" a "hacer". A diferencia de los LLM generalistas, los agentes de IA suelen tener un alcance más limitado y estrecho. Esto les ayuda a ser más eficientes y confiables al tomar decisiones autónomas, mientras que una IA generalista podría fácilmente desviarse de su camino.

Los agentes de IA son el siguiente paso para hacer que la IA sea útil para mejorar la eficiencia de innumerables procesos.

Explicación de los agentes de IA

Desliza para desplazarte →

¿Son los agentes de IA un nuevo avance o una evolución?

Estas características colocan a los agentes de IA un paso por encima de las iteraciones anteriores de herramientas de IA, como asistentes y bots, gracias a capacidades más proactivas, autonomía y la capacidad de manejar tareas complejas de varios pasos.

Como una verdadera inteligencia, pueden autorefinarse: aprenden de la experiencia, ajustan su comportamiento en función de la retroalimentación y mejoran continuamente sus capacidades de desempeño con el tiempo.

Así, mientras que los bots y los asistentes de IA pueden cumplir partes De las tareas asignadas a un agente de IA, la autonomía, el enfoque proactivo y el alto nivel de complejidad los distinguen de los niveles anteriores de automatización. Esto los acerca mucho más a un trabajador humano real, al menos para la tarea específica para la que están entrenados.

Cómo los agentes autónomos de IA se adaptarán a diferentes industrias

La vida moderna está llena de tareas repetitivas que resultan demasiado complejas para scripts de automatización simples, pero tediosas para los humanos. Esto hace que los agentes de IA sean especialmente relevantes para flujos de trabajo altamente repetitivos y basados ​​en juicios, desde guiar a un cliente a través de un algoritmo de resolución de problemas hasta conducir camiones en una autopista.

A diferencia de los humanos, estos agentes de IA pueden trabajar las 24 horas del día, los 7 días de la semana y escalar instantáneamente sin gastos generales adicionales.

Hay muchas maneras de clasificar el nivel alcanzado en las capacidades de la IA. En general, las métricas tienden a comparar la capacidad de la IA con la de la población humana en general. Los agentes de IA más recientes están alcanzando las habilidades del 50-90% de la población en tareas específicas de dominio limitado.

Estos agentes de IA de “nivel 2-3” suelen considerarse un punto intermedio en el progreso de la IA y solo el comienzo. AGI (Inteligencia General Artificial).

La arquitectura emergente consiste en construir numerosos agentes de IA especializados y permitir que cada uno gestione una tarea específica a un nivel comparable al de un trabajador humano. Para flujos de trabajo más complejos, varios agentes de IA actuarán sucesivamente, colaborando para realizar la tarea principal, dividiéndola en subtareas más pequeñas.

Es probable que los agentes personalizados, desarrollados internamente con la ayuda de plataformas de IA, también se vuelvan más comunes a medida que los agentes de codificación reducen la complejidad del desarrollo de aplicaciones empresariales.

Aumentar la eficiencia de la IA y los humanos a la vez

Otra ventaja de los agentes de IA sobre la IA general es la eficiencia. Si bien son excelentes en una tarea, no se ven sobrecargados por capacidades ajenas.

Por ejemplo, un agente de IA dedicado podría conducir un coche como un humano sin poseer ninguna de las otras capacidades humanas de razonamiento. Podría "entender" las carreteras, pero no sería capaz de mantener una buena conversación, ni de generar una imagen a partir de una indicación, ni de gestionar grandes bases de datos.

Por lo tanto, el modelo requiere menos memoria y potencia de procesamiento para funcionar. Esto, a su vez, reduce los requisitos de hardware y el consumo de energía para realizar su tarea.

¿Cuánta autonomía?

La mayor autonomía de los agentes de IA es su mayor fortaleza, pero también puede ser una barrera para su adopción.

Incluso un agente de IA altamente competente y confiable podría no ser completamente confiable para tomar decisiones con un gran impacto en el mundo real. Una cosa es configurar un chatbot mejorado para gestionar la atención al cliente; otra muy distinta es dejar que gestione la nómina de miles de empleados.

Es probable que el crecimiento paralelo en la calidad de las decisiones de IA y la creciente familiaridad con ellas permitan a las autoridades otorgar mayor margen de maniobra a la toma de decisiones sobre IA. Sin embargo, esto plantea interesantes cuestiones legales y éticas respecto a la responsabilidad de las acciones de IA.

Será necesario definir un marco legal claro. Por ejemplo, si un coche autónomo sufre un accidente, ¿es responsable el proveedor del agente de IA? A medida que aumenta la autonomía, las decisiones afectan a personas reales y se convierten en costosas cuestiones de responsabilidad.

Esto también abarca el problema del uso indebido, como el robo de identidad o el fraude automatizado. Se trata de cuestiones legislativas, pero el progreso tecnológico suele superar a la regulación.

El futuro de los agentes de IA

¿Pueden los agentes de IA convertirse en generalistas estrechos?

Como se explicó, los primeros agentes de IA tienen un enfoque limitado para ser eficientes y confiables. Sin embargo, los agentes de IA de nivel superior requerirán comprensión del contexto, memoria de decisiones pasadas y continuidad de tareas.

Inicialmente, esto podría hacerse con la ayuda de un humano, quien se convierte en un "director" de las IAs agénticas en lugar de realizar la tarea por sí mismo. Por supuesto, eliminar la mano de obra humana de la ecuación es el objetivo final para mejorar la eficiencia.

Por ejemplo, una IA que realiza un diagnóstico en un hospital necesitará analizar imágenes médicas, comprender textos o voces que describen síntomas, integrar resultados de pruebas médicas e historial del paciente, y encontrar literatura científica relevante, todo a la vez. Posteriormente, debe combinar estos datos de forma inteligente.

Aplicaciones financieras

Algunos sectores se muestran escépticos ante la posibilidad de eliminar a los humanos del ciclo de decisiones, en particular en la manufactura o la sanidad, donde los errores pueden ser fatales. Sin embargo, un sector está adoptando con entusiasmo los agentes de IA: el financiero.

La mayor parte del mundo financiero ya utiliza altos niveles de automatización, desde los sistemas de negociación hasta la detección de fraudes. Las fintechs están aún más abiertas a la IA agente, ya que su existencia depende de la automatización de la eficiencia financiera. Una mayor eficiencia en una industria que maneja billones de dólares puede traducirse rápidamente en una expansión rentable de los márgenes.

Por ejemplo, un agente puede centrarse en la laboriosa tarea de conciliación (comparar extractos bancarios, hojas de cálculo y libros contables). Las empresas medianas pueden dedicar más de 300 horas al año solo a la conciliación bancaria. Si bien las hojas de cálculo pueden automatizar parte de esta tarea, son frágiles. La IA de Agentic ofrece mayor flexibilidad y capacidad de razonamiento para gestionar excepciones y datos no estructurados.

Invertir en IA Agentic

Service Now,

ServiceNow es una plataforma de computación en la nube fundada en 2003, dedicada a la creación y gestión de flujos de trabajo empresariales automatizados. Partiendo de una base consolidada de clientes de automatización empresarial, la empresa ha adoptado por completo la IA agentic.

Permite a las empresas utilizar sus agentes de IA, así como personalizarlos o crear otros nuevos desde cero utilizando low-code y “vibe coding” (permitiendo que una IA escriba el código siguiendo las indicaciones de un humano).

La principal ventaja de ServiceNow es que no está vinculado a ninguna tecnología de IA en particular y puede integrarse con las herramientas y flujos de trabajo digitales existentes de las empresas. Además, proporciona una interfaz fiable para centralizar la gestión de un número creciente de agentes de IA.

La gobernanza de la IA se redefine con un centro central para gestionar, supervisar y optimizar los agentes de IA, ya sean nativos o de terceros. A diferencia de los ecosistemas cerrados, ServiceNow es independiente de LLM y está profundamente integrado con NVIDIA, hiperescaladores y un ecosistema de IA próspero, lo que brinda a las empresas control total para asegurar el futuro de su estrategia de IA.

El objetivo de estos agentes es mejorar los márgenes de las empresas haciéndolas más eficientes: automatizando tareas de TI, simplificando RR.HH., gestionando solicitudes rutinarias de clientes y acelerando el desarrollo de aplicaciones.

La empresa, con más de 20 años de experiencia, sigue creciendo rápidamente, con un crecimiento interanual de ingresos superior al 20 % para finales de 2025. Cabe destacar que sus clientes actuales aumentan constantemente su uso, lo que se traduce en un aumento del Valor Anual del Contrato (ACV). Las tasas de renovación se mantienen constantemente entre el 95 % y el 97 %, lo que permite una alta previsibilidad de los ingresos.

La compañía ha logrado crear márgenes operativos sólidos y flujo de caja libre, lo que refleja su base de costos relativamente baja en comparación con sus ingresos recurrentes.

Últimas noticias y novedades sobre las acciones de ServiceNow (NOW)