Nicolás Ramos, Socio del área de Consultoría en Tecnología de EY Argentina, experto en IA y ciberseguridad, analiza la evolución que viene teniendo la inteligencia artificial. "Hemos pasado de una IA generativa, donde la persona está en el loop y está todo el tiempo mejorando, pidiéndole cosas a través de los prompts, a una IA con agentes, caracterizada por su autonomía, su capacidad de percibir, tomar decisiones y ejecutar acciones para generar productividad".

Esta evolución, sostiene, "ha traído consigo un apuro para poder estar dentro de ese hype, llevando a muchas compañías a implementar soluciones sin una clara visión, sin planificar para qué se utiliza. Esto genera desilusión entre la gente de la compañía. Los empleados se sienten frustrados porque, tras invertir tiempo y conocimiento, la IA no les alivia el trabajo diario ni mejora sus tareas", expone.

La situación se agrava por la falta de gobierno en la implementación de la IA. Muchas compañías, tanto en Argentina como a nivel mundial, invierten en soluciones sin una estrategia centralizada lo que conduce al "gasto de un montón de tiempo y de recursos en tratar de encontrar dónde aplicarlo".

Además, desde su punto de vista, surgen iniciativas desconectadas entre áreas de la compañía o se genera el preocupante fenómeno de la "shadow AI", es decir, el uso de herramientas y aplicaciones de inteligencia artificial por parte de los empleados sin la aprobación o supervisión de los departamentos de TI de una empresa. 

Frente a este panorama, Ramos enfatiza que la IA no es solo un tema de tecnología o sistemas; es fundamentalmente un tema de negocio que debe ser dirigido por las áreas de negocio.

Datos de calidad y paciencia, combustibles de la IA

Uno de los mayores obstáculos para una implementación exitosa es la calidad y el orden de los datos. "Todo algoritmo cognitivo tiene que aprender a partir de datos y esos datos tienen que estar ordenados y ser de calidad", subraya el ejecutivo. 

Otro problema, sigue, "es que el 80% del tiempo se dedica a organizar y dar calidad a la información, mientras que solo el 20% se destina a la construcción del modelo".  Finalmente, la falta de paciencia es otro factor crítico. "No hay paciencia para entender que en la primera iteración no va a salir lo que necesitamos. Y en la segunda tampoco. Hay que seguir iterando hasta que llegas al modelo que precisas", remarca Ramos.

Agentes de IA: la nueva frontera de la autonomía empresarial

"Este es el año de los agentes", destaca el ejecutivo de EY. "Los agentes se definen por su capacidad de percibir, tomar una decisión y ejecutar una acción".  

En la actualidad, los agentes implican una gran oportunidad para el uso profesional. Por ejemplo, en el back office y administración, permitiendo la automatización de tareas repetitivas como análisis de compras, impuestos, contabilidad y gestión de proveedores, potenciando a las personas para "tomen mejores decisiones.

También son un gran aliado en la generación de contenidos y en marketing, al habilitar la investigación de información, creación de contenido y su distribución a través de diversos canales.

En el área de operaciones y fábrica, es posible la detección de problemas y la toma de decisiones en tiempo real para logística, mantenimiento, e incluso el control de maquinaria en refinerías. También ayudan en la curación, desarrollo y generación de funcionalidades de software, acelerando soluciones para clientes.

Finalmente, en lo que a experiencia del cliente refiere, es posible la interpretación de información no digitalizada, atención al cliente, recopilación de feedback y análisis de sentimiento para priorizar casos y mitigar problemas de reputación.

Desafíos humanos y éticos: dando las órdenes correctas

Según Ramos, a pesar de la autonomía, los desafíos clave siguen siendo humanos. Para que un agente maximice su resultado, debe tener un "objetivo claro y metas bien definidas", enfatiza. "Los desafíos siguen siendo humanos en el sentido de darle las órdenes correctas, el prompt indicado, alimentar bien la base de conocimientos, que son los datos. Hay que proporcionar un buen contexto y metas bien claras que no sean totalmente contradictorias".

Además, la implementación de agentes implica riesgos éticos, sesgos y usos inapropiados. En línea con ello, Nicolas menciona una nueva disciplina: el ethical hacking de modelos IA, "que se enfoca en buscar vulnerabilidades en cómo los modelos responden a ciertos estímulos, evitando abusos y protegiendo a la compañía de responsabilidades legales". 

En este sentido, plantea que la clave está en incluir medidas de protección, como filtros de ingreso y salida de información, desde el diseño y entrenamiento del agente.

Buscando el equilibrio entre protección y desarrollo

En cuanto al marco regulatorio, existe una brecha notable. Mientras Europa posee una regulación muy fuerte que, según el experto, muchas veces atenta contra el desarrollo de la inteligencia artificial al limitar inversiones en áreas como los autos autónomos, América Latina carece de regulaciones específicas. 

La visión de EY es la de encontrar un equilibrio. "Necesitamos algo intermedio, que proteja a las personas de abusos, sesgos y usos inadecuados, pero que no frene la investigación y el desarrollo de soluciones", sentencia Ramos.

Para que las organizaciones aprovechen la evolución de los agentes de IA, el ejecutivo destaca tres pilares fundamentales. Por un lado, sostiene que "es vital focalizarse en tener los datos ordenados y aplicar una disciplina de gobierno de datos para identificar la información más importante, resguardarla y asegurar su calidad".

Luego, las compañías deben desarrollar una estrategia de IA o un journey como un todo, evitando iniciativas aisladas por departamento. "Las empresas que han implementado este gobierno han visto el valor y han logrado avanzar donde antes estaban estancadas", asegura.

Por otro lado, la tendencia apunta a las redes multiagente autónomas, donde un agente coordina a otros para desarrollar tareas complejas. Esto requiere, según Ramos, diseñar una pirámide de agentes que puedan colaborar, tomar decisiones de manera más compleja y automática, y trabajar de forma autónoma en varios procesos de la organización. "Este enfoque estratégico es mucho más eficaz que desarrollar agentes estancos para problemas puntuales", opina.

Finalmente, el ejecutivo advierte contra el "AI washing", la práctica de etiquetar todo con IA solo por estar en el "hype". "La clave es pensar lo que vamos a hacer de manera ordenada y alineada con los objetivos de negocio. Los equipos deben ser siempre multidisciplinarios, integrando expertos en negocio, tecnología, ciberseguridad y cumplimiento para asegurar que el resultado final cumpla el objetivo de negocio".