Agentic AI: 11 casos de uso de alto valor para empresas e implicaciones para la industria

#### Apertura

La evolución de la IA empresarial está entrando en una nueva fase. Después de que la IA generativa atravesara un ciclo que pasó del revuelo al pragmatismo, la IA agéntica (IA de agentes) comienza a convertirse en la nueva palabra clave de la automatización empresarial. A diferencia de la IA generativa, que se limita a la generación de contenido, la IA agéntica enfatiza la toma de decisiones autónoma, la ejecución de tareas de múltiples pasos y la capacidad de adaptación dinámica. Según informa CIO.com, organizaciones como Aflac, Atlantic Health System, Legendary Entertainment y el Laboratorio de Propulsión a Chorro de la NASA ya han iniciado exploraciones preliminares, y empresas como DeVry University, AT&T, AUM Biotech y Smarsh también han logrado implementaciones en escenarios concretos.

#### Contexto de la industria: de la expectativa inflada a la implementación pragmática

En los últimos dos años, la IA generativa ha demostrado su potencial en áreas como la redacción de documentos y la consulta de conocimiento, pero su ROI en flujos de trabajo reales no ha sido estable. Las empresas necesitan un sistema que pueda ejecutar tareas de forma proactiva. La IA agéntica surge precisamente para llenar este vacío. Rodrigo Madanes, responsable global de IA e innovación en EY, señala que los agentes de IA pueden integrarse sin problemas con sistemas ERP, CRM y de inteligencia empresarial, automatizar flujos de trabajo, gestionar análisis de datos y generar informes. A diferencia de la RPA basada en reglas fijas, los agentes de IA pueden tomar decisiones en tiempo real, manejar entradas inesperadas y no requieren supervisión humana continua. Esto convierte la automatización de procesos en su principal propuesta de valor.

#### Casos de uso principales: cuatro muestras clave entre once direcciones

Entre los once casos de uso potenciales enumerados por CIO.com, el desarrollo de software, la actualización de RPA, la automatización del soporte al cliente y la gestión de relaciones con clientes ya han mostrado trayectorias de valor claras.

##### 1. Desarrollo de software: de la codificación asistida a la ingeniería autónoma

Los asistentes de codificación de IA están evolucionando hacia verdaderos agentes de ingeniería de software. Gartner predice que, en los próximos tres años, los agentes de IA escribirán la mayor parte del código empresarial, lo que exige que los ingenieros redefinan su rol. Sheldon Monteiro, de Publicis Sapient, afirma que los agentes de codificación no solo escriben código; también habrá agentes independientes responsables de la revisión. Mediante la integración con la cadena de herramientas DevOps, los agentes pueden generar casos de prueba a partir de especificaciones y realizar la aceptación automática de los artefactos que cumplen con los estándares.

La práctica de MITRE ofrece una referencia concreta. Su director de tecnología, Charles Clancy, explica que la empresa ha desarrollado agentes de IA especializados para la gestión de repositorios de código. Ante códigos fuente obsoletos, el agente los descarga automáticamente, intenta compilarlos y, en caso de fallo, repara el script de compilación o el código, y luego devuelve el resultado al repositorio, indicando el origen de las modificaciones. Este "administrador digital de repositorios" se está convirtiendo en una necesidad real.

##### 2. Actualización de RPA: de la ejecución de reglas a la toma de decisiones inteligente El RPA ha sido durante mucho tiempo una herramienta fundamental para la automatización empresarial, pero está limitado por rutas basadas en reglas. Los agentes de IA amplían significativamente los límites de las capacidades del RPA. Monteiro señala que los agentes de IA pueden comprender los matices de la lógica de excepciones y manejar problemas complejos que requieren decisiones de alto nivel. Shae Khan, del IBM MIT AI Lab, predice que los agentes de IA mejorarán e incluso reemplazarán parcialmente al RPA tradicional, mientras que el RPA continuará sirviendo en escenarios de reglas repetitivas. La sinergia de ambos permite un salto de la automatización a la autonomía.

##### 3. Automatización del soporte al cliente: de los chatbots a los agentes de intención

El servicio al cliente es uno de los campos más maduros de la IA agéntica. Glenn Nethercutt, CTO de Genesys, define la IA agéntica como la “capacidad de ejecutar tareas de múltiples pasos basada en el razonamiento”. Los chatbots tradicionales solo pueden emparejar palabras clave, mientras que los agentes de IA pueden comprender necesidades complejas. Por ejemplo, un cliente bancario puede decir “transfiere dinero desde la cuenta con mayor saldo a la cuenta corriente”, y el agente debe entender el concepto dinámico de “la cuenta con mayor saldo” y ejecutar la operación entre cuentas.

El escenario de voz también está cambiando. El AI Receptionist de RingCentral puede contestar llamadas automáticamente, agendar citas, enrutar llamadas y capturar información. Tras usar esta solución, Integral Recruiting Services logró que el 93% de las llamadas entrantes fueran manejadas automáticamente por IA, reduciendo en gran medida las interrupciones del equipo de reclutamiento.

##### 4. Gestión de relaciones con clientes: motores de crecimiento impulsados por agentes

En el ámbito del éxito del cliente han surgido casos de colaboración multiagente. El sistema multiagente construido por la empresa de datos Monte Carlo gestiona decenas de cuentas sin un equipo de clientes dedicado. El sistema analiza continuamente información como el uso del producto, datos de CRM, conversaciones con clientes y plazos de renovación, y decide automáticamente si debe iniciar asistencia de incorporación, oportunidades de expansión, contactos de renovación o escalamiento.

En el comercio electrónico, Bloomreach ha fusionado la generación de contenido y el análisis de datos en un agente de marketing. La marca minorista 260 Sample Sale utiliza el agente de marketing Loomi para identificar con precisión a clientes de alta intención, generar automáticamente comunicaciones personalizadas, optimizar la ejecución de campañas y, en última instancia, lograr un aumento de 2,4 veces en la tasa de conversión, con una precisión del 82% en la segmentación del público objetivo.

#### Impacto en el mercado: un cambio de paradigma en la lógica de la automatización

El punto en común de estos casos de uso es que los agentes de IA comienzan a asumir el papel de “sujeto responsable”. Para las empresas, esto implica menores costos operativos, mayor velocidad de respuesta y la reasignación de recursos humanos hacia trabajos creativos de alto valor. Para los clientes, mejorarán tanto la disponibilidad del servicio como el grado de personalización. Para los inversores, la IA agéntica está cambiando el ancla de valor del software empresarial, pasando de los “sistemas de registro” a los “sistemas de acción”.

Esta transformación también se transmitirá a la capa de infraestructura: las necesidades de la IA agéntica en cuanto a razonamiento en tiempo real, invocación de herramientas y memoria a largo plazo impulsarán el crecimiento de la capacidad de cómputo, los servicios en la nube y las API de modelos.#### Panorama competitivo: quién se beneficia y quién está bajo presión

Los beneficiarios incluyen tres categorías: primero, los proveedores de software de aplicación que poseen puntos de acceso a datos, como CRM, ERP y SaaS verticales; segundo, los proveedores de infraestructura de IA, incluidos los proveedores de nube, fabricantes de GPU y proveedores de servicios de modelos; tercero, las consultoras e integradores de sistemas, como EY y Publicis Sapient, que obtendrán numerosos contratos en la reingeniería de procesos y la orquestación de agentes.

Los que están bajo presión son principalmente los proveedores tradicionales de RPA. Si no logran rápidamente la transición de reglas a inteligencia, podrían ser reemplazados por soluciones nativas de IA. Además, los puestos que dependen de una gran cantidad de mano de obra para la clasificación de tickets, la verificación de datos y la atención al cliente básica también enfrentarán ajustes.

Cabe destacar que en industrias como la aeroespacial y la defensa ya han aparecido aplicaciones de agentes de IA, lo que podría convertirse en el origen de la próxima ola de difusión de innovación.

#### Implicaciones para las empresas: tres acciones prioritarias

Las empresas deberían priorizar tres acciones:

1. Comenzar con escenarios de alto valor y bajo riesgo, como la corrección de código, la derivación de atención al cliente y la identificación de leads de marketing, centrándose en un ROI cuantificable. 2. Integrar y gobernar los datos, garantizando que los agentes puedan acceder a datos unificados de clientes, procesos y negocio, y establecer normas de uso de datos. 3. Establecer mecanismos de revisión humana y límites de permisos, validando la fiabilidad mientras se mantiene una válvula de seguridad para situaciones excepcionales.

#### Perspectivas futuras: de los próximos 12 meses a 3 años

En los próximos 12 meses, la IA agéntica alcanzará escala en áreas como la ingeniería de software, el soporte al cliente y las operaciones de TI, pero en general seguirá siendo una fase de mejora de la eficiencia.

En los próximos 24 meses, los agentes pasarán de procesos puntuales a la colaboración interdepartamental, y escenarios complejos como la cadena de suministro y las finanzas verán aplicaciones maduras. Al mismo tiempo, mecanismos regulatorios como la Ley de IA de la UE reforzarán los requisitos de explicabilidad para los agentes autónomos.

En los próximos 3 años, se espera que la IA agéntica se convierta en la capa estándar de los sistemas operativos empresariales, y el código, los procesos y las interacciones con los clientes podrían estar impulsados por agentes. La competitividad de las empresas dependerá cada vez más de la calidad de sus activos de datos y de su capacidad de orquestación de agentes.