IA Agente: La Próxima Jugada de Eficiencia de Un Billón de Dólares

De los LLM a los Agentes de IA

El rendimiento de la IA ha cambiado la forma en que percibimos la capacidad de los sistemas artificiales para interactuar con las personas, en gran parte gracias al discurso casi humano de los LLM (Modelos de Lenguaje a Gran Escala) como ChatGPT.

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

Esto les otorga roles prácticos muy diferentes a los de la IA generativa como los LLM o los generadores de imágenes, que son mayormente reactivos a los prompts creados por humanos.

En ese contexto, “entorno” puede referirse tanto a situaciones específicas en el mundo real —como un coche en la carretera para un agente de conducción autónoma— como a un “lugar” totalmente virtual, como una suite de software específica o una interfaz digital.

Este es el paso donde la IA evoluciona de “Conversar” a “Actuar”. 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 desviarse más fácilmente.

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

Agentes de IA Explicados

Desliza para desplazarte →

¿Son los Agentes de IA un Nuevo Avance o una Evolución?

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

Al igual que una verdadera inteligencia, pueden auto‑refinarse: aprenden de la experiencia, ajustan su comportamiento basado en retroalimentación y mejoran continuamente sus capacidades de rendimiento con el tiempo.

Así, aunque 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 diferencian a los agentes de los niveles anteriores de automatización. Esto los hace mucho más parecidos a un trabajador humano real, al menos para la tarea específica para la que están entrenados.

Cómo los Agentes de IA Autónomos Escalarán en Diversas Industrias

La vida moderna está llena de tareas repetitivas que son ligeramente 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 juicio, desde guiar a un cliente a través de un algoritmo de solución de problemas hasta conducir camiones en una autopista.

A diferencia de los humanos, dichos agentes de IA pueden trabajar 24/7 y escalar instantáneamente sin costos adicionales.

Existen muchas formas de clasificar el nivel que hemos alcanzado en las capacidades de la IA. En general, las métricas tienden a comparar la habilidad de la IA con la población humana general. Los agentes de IA más recientes están alcanzando habilidades equivalentes al 50‑90 % de la población en tareas específicas y de dominio estrecho.

Estos agentes de IA de “Nivel 2‑3” suelen considerarse un punto medio en el progreso de la IA, y apenas el comienzo para AGI (Inteligencia Artificial General).

La arquitectura emergente consiste en crear muchos agentes de IA especializados y permitir que cada uno maneje una tarea específica a un nivel comparable al de un trabajador humano. Para flujos de trabajo más complejos, una serie de agentes de IA actuará sucesivamente, colaborando para realizar el trabajo mayor desglosándolo en sub‑tareas más pequeñas.

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

Aumentando la Eficiencia de la IA y los Humanos Simultáneamente

Otra ventaja de los agentes de IA sobre la IA más general es la eficiencia. Mientras sobresalen en una tarea, no están cargados con capacidades superfluas.

Por ejemplo, un agente de IA dedicado podría conducir un coche como un humano sin poseer las demás capacidades humanas de razonamiento. Podría “entender” las carreteras, pero no sería bueno para conversar, no sabría generar una imagen a partir de un prompt, ni manejar grandes bases de datos.

Como tal, el modelo requiere menos memoria y potencia de cálculo para funcionar. A su vez, esto reduce los requisitos de hardware y la energía consumida 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 fiable podría no ser confiado completamente para tomar decisiones que tengan un gran impacto en el mundo real. Es una cosa configurar un chatbot mejorado para atender al servicio al cliente; es otra dejar que maneje la nómina de miles de empleados.

Es probable que el crecimiento paralelo en la calidad de las decisiones de IA y la mayor familiaridad con ellas permita a las autoridades otorgar más margen de maniobra a la toma de decisiones de IA. Sin embargo, esto abre interesantes preguntas legales y éticas respecto a la responsabilidad de las acciones de la IA.

Se necesitará determinar un marco legal claro. Por ejemplo, si un coche autónomo se estrella, ¿es responsable el proveedor del agente de IA? A medida que la autonomía aumenta, las decisiones impactan a personas reales y se convierten en costosas cuestiones de responsabilidad.

Esto también cubre el problema del uso indebido, como el robo de identidad o el fraude automatizado. Estas son preguntas legislativas, pero el progreso tecnológico a menudo supera a la regulación.

El Futuro de los Agentes de IA

¿Pueden los Agentes de IA Convertirse en Generalistas Estrechos?

Como se explicó, los agentes de IA tempranos son estrechos para ser eficientes y confiables. Sin embargo, los agentes de IA de nivel superior requerirán una comprensión del contexto, memoria de decisiones pasadas y continuidad de tareas.

Al principio, esto podría hacerse con la ayuda de un humano, que se convierte más en un “director” de las IAs agente que en ejecutar la tarea él 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 realice un diagnóstico en un hospital necesitará analizar imágenes médicas, comprender texto o voz que describa síntomas, integrar resultados de pruebas médicas y el historial del paciente, y encontrar literatura científica relevante, todo a la vez. Luego debe combinar estos datos de manera inteligente.

Aplicaciones Financieras

Algunos sectores son escépticos respecto a eliminar a los humanos del bucle de decisiones, particularmente la manufactura o la salud donde los errores pueden ser mortales. Sin embargo, un sector está adoptando los agentes de IA con entusiasmo: las finanzas.

La mayor parte del mundo financiero ya utiliza altos niveles de automatización, desde sistemas de negociación hasta detección de fraude. Las fintech son aún más abiertas a la IA agente, ya que su existencia depende de automatizar la eficiencia financiera. Mejorar la eficiencia en una industria que maneja billones puede convertirse rápidamente en una expansión de márgenes rentable.

Por ejemplo, un agente puede abordar la tarea que consume tiempo de la conciliación (coincidir estados de cuenta 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 partes de esto, son frágiles. La IA agente ofrece mayor flexibilidad y capacidades de razonamiento para manejar excepciones y datos no estructurados.

Invertir en IA Agente

ServiceNow

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 establecida de clientes de automatización empresarial, la compañía ha pasado completamente a la IA agente.

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

El principal punto de venta de ServiceNow es que no está “casado” con ninguna tecnología de IA en particular y puede integrarse en las herramientas digitales y flujos de trabajo existentes de las empresas. También ofrece una interfaz fiable para centralizar la gestión de un número creciente de agentes de IA.

La gobernanza de IA se redefine, con un hub central para gestionar, monitorear y optimizar los Agentes de IA — ya sean nativos o de terceros. Y a diferencia de los ecosistemas cerrados, ServiceNow es agnóstico a los LLM y está profundamente integrado con NVIDIA, los hyperscalers y un ecosistema de IA próspero, brindando a las empresas control total para proteger su estrategia de IA a futuro.

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

La empresa, con más de 20 años, sigue creciendo rápidamente, con más del 20 % de crecimiento de ingresos año tras año a finales de 2025. De manera notable, los cohortes de clientes existentes están incrementando consistentemente su uso, lo que lleva a una expansión del ACV (Valor Anual del Contrato). Las tasas de renovación se mantienen consistentemente entre el 95 % y el 97 %, lo que hace que los ingresos sean altamente predecibles.

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

Últimas Noticias y Desarrollos de la Acción ServiceNow (NOW)