Si alguna vez ha interactuado con un chatbot de servicio al cliente, entonces es probable que ya esté familiarizado con una versión rudimentaria de agentes de IA. Si bien existen versiones de agentes de IA desde hace años, las capacidades de procesamiento de lenguaje natural de los modelos de GenAI actuales han dado rienda suelta a una serie de nuevas posibilidades, que permiten a los sistemas de agentes planificar, colaborar y completar tareas, e incluso aprender a mejorar su propio desempeño. A medida que los agentes se vuelven más precisos, las empresas pueden utilizarlos cada vez más para automatizar los procesos organizacionales y ayudar a que el trabajo diario de los empleados sea más eficiente y de cara al futuro, están a punto de mejorar aún más. En los últimos 18 meses, Google, Microsoft, OpenIA y otros han invertido en bibliotecas de software y frameworks para soportar funcionalidad auténtica. Y con aplicaciones como Microsoft Copilot, Amazon Q y el próximo Proyecto Astra de Google, que son impulsados por modelos de LLMs (Large Language Model), los agentes están haciendo un cambio de herramientas basadas en el conocimiento a otras que están más basadas en la acción. En un futuro cercano, los agentes podrían convertirse en algo tan común como lo son las aplicaciones móviles de hoy en día. ¿Cuáles son algunos tipos de agentes de IA? Los agentes de IA pueden organizarse según su capacidad, rol, habilidad y el resultado que estén capacitados para lograrlo. A continuación se presenta una lista no exhaustiva de algunos de los agentes que se están creando hoy: Aumento individual (agentes “copilot”). Estos agentes sirven como copilotos para usuarios individuales, con la intención de aumentar la productividad y las capacidades de esa persona. Los agentes de Copilot, como 365 Copilot de Microsoft y ChatGPT de OpenIA, pueden ayudar a redactar contenido, escribir código o recuperar conocimientos. El impacto de este tipo de agente depende de la motivación e inversión de cada trabajador individual. Plataformas de automatización de flujos de trabajo. Este tipo de agente se centra en automatizar tareas de uno o varios pasos o flujos de trabajo más pequeños, y sirve como orquestador y ejecutor de procesos con tecnología IA para los flujos de trabajo existentes. Algunos ejemplos de este tipo de agente son Copilot Studio de Microsoft y Agentforce de Salesforce (actualmente en desarrollo). Debido a que estos agentes se aplican, en su mayor parte, a los procesos existentes, el éxito dependerá de los grandes esfuerzos de implementación, administración de cambios y de agentes. Agentes nativos de IA para soluciones de dominio. Estos agentes son soluciones especialmente diseñadas para dominios o funciones de negocios específicos. Los ejemplos incluyen sistemas de servicio al cliente basados en IA o pipelines de desarrollo de software basados en IA. Empresas nativas de IA y modelos operativos. Estos agentes se tejen en todo el modelo operativo empresarial, en lugar de aplicarse a flujos de trabajo o funciones individuales. En estos casos, una compañía se somete a un rediseño “IA-first” de punta a punta, donde se reformulan la capa de interacción, los procesos, las estructuras organizacionales e incluso el modelo de negocios. Las organizaciones experimentaron cambios de esta magnitud cuando atravesaron por primera vez transformaciones digitales, y lo mismo es probable que suceda con IA. Trabajadores virtuales de IA. Los trabajadores virtuales de IA son agentes que funcionan como empleados o miembros del equipo y representan la categoría de agentes más potencialmente disruptiva. Estos trabajadores virtuales podrían ayudar a las compañías a evitar una transformación organizacional total al permitir que la IA opere dentro del modelo actual de la compañía, lo que ayudaría a capturar valor más rápidamente. Estos agentes de IA no son mutuamente excluyentes. Muchas organizaciones buscarán una combinación de elementos, como la implementación de copias personales de IA, a la vez que automatizan flujos de trabajo seleccionados y realizan pilotos de algunos trabajadores virtuales. ¿Cómo funcionan los agentes de IA? Los agentes de IA pueden dar soporte a casos de uso complejos y ambiguos en todas las industrias y funciones de negocios. Pueden utilizar herramientas diseñadas para humanos, como un navegador web, así como herramientas diseñadas para computadoras, como una API. La capacidad para hacer ambas cosas les da a los agentes de IA la flexibilidad para operar a lo largo de arquitecturas tecnológicas, dentro y fuera de las organizaciones, sin requerir modificaciones significativas a esas arquitecturas. El proceso por el cual un agente de IA trabaja generalmente sigue cuatro pasos: Cualquier despliegue de agentes de IA debe incluir una serie de controles. Los bucles constructivos de feedback, por ejemplo, permiten a los agentes revisar y refinar su trabajo. Los agentes de IA también pueden ser programados para enseñarse a resolver problemas o escalarlos a un gerente humano. Los agentes también pueden trabajar mejor juntos: un agente de especialistas críticos puede revisar un plan creado por un agente creador y pedir iteraciones, lo que puede resultar en mejores resultados. Algunos agentes de IA pueden incluso hacer preguntas directas. Las organizaciones también pueden desarrollar agentes especializados para probar y corregir automáticamente el resultado de otros agentes en base a inquietudes éticas y sesgadas. También te puede interesar: La Ekos Cumbre de Sostenibilidad ESG 2025 convocó a +20 mil personas ¿Cómo podrían los agentes de IA afectar el crecimiento del negocio? McKinsey estima que en el largo plazo, los casos de uso empresarial de la GenAI podrían crear hasta $4,4 billones de valor al año. Sin embargo, las organizaciones no podrán convertir este potencial en crecimiento del negocio y mayor productividad a menos que implementen rápidamente IA para reimaginar y transformar la manera de trabajar. Pero el valor de la IA genérica va más allá de la automatización de las tareas comunes. McKinsey pronostica que las organizaciones podrían desplegar agentes de IA para ayudar a reimaginar los procesos y modernizar sus infraestructuras de TI. Esto podría incluir, desde el cambio a lenguajes de programación más fáciles de usar y la transición a marcos modernos que proporcionen más funcionalidad, hasta la reestructuración de sistemas para que sean más modulares y migren aplicaciones para ejecutarse en entornos de cloud computing más económicos. Algunas industrias ya están desplegando agentes de IA regularmente. Los bots de servicio al cliente, por ejemplo, se han convertido en “de rigor” en muchos sitios web de clientes. Según una investigación de McKinsey sobre el potencial económico de la GenAI, las organizaciones que emplean agentes de servicio al cliente basados en IA aumentaron la resolución de problemas en un 14 por ciento por hora y redujeron el tiempo dedicado al manejo de problemas en un 9 por ciento. Por: Carlos Buitrago, socio y managing partner de McKinsey & Company y Office Manager de McKinsey en Ecuador