Agentes de IA: la nueva fuerza laboral que aún requiere gestión

El entusiasmo por los agentes de IA como los nuevos "trabajadores digitales" ha ido en aumento, una tendencia que precede a la adopción generalizada de la IA agentica y generativa, particularmente en áreas como la automatización de procesos robóticos. Estos trabajadores digitales están diseñados para la disciplina y la obediencia, pero vienen con sus propias peculiaridades, al igual que sus contrapartes humanas.

Para una exploración más profunda sobre cómo la IA ha transformado mi vida laboral, consulta mi artículo en 15 formas en que la IA me ahorró tiempo en el trabajo en 2024 - y cómo planeo usarla en 2025.

El salto de Salesforce al trabajo digital con Agentforce 2.0

El cambio hacia una fuerza laboral digital ha dado pasos significativos, con Salesforce lanzando recientemente Agentforce 2.0, una plataforma de trabajo digital diseñada para empresas. Esta plataforma busca crear "una fuerza laboral ilimitada a través de agentes de IA para cualquier departamento", utilizando una biblioteca de habilidades predefinidas para operar en cualquier sistema o flujo de trabajo. Según Salesforce, Agentforce 2.0 va más allá de la RPA tradicional al incorporar "razonamiento mejorado y recuperación de datos", lo que le permite ofrecer respuestas precisas y orquestar acciones en respuesta a consultas complejas de varios pasos. Estos agentes incluso pueden interactuar dentro de Slack, integrándose perfectamente en los entornos de trabajo cotidianos.

Potenciando equipos con trabajo digital

Grandes organizaciones están utilizando esta plataforma para reforzar sus equipos con trabajo digital, como destaca Salesforce. Con el talento siendo escaso y costoso de formar, las empresas dependen cada vez más de la IA para gestionar interacciones con clientes y abordar retrasos en los flujos de trabajo. Sin embargo, ya no pueden conformarse con "soluciones inadecuadas que proporcionan respuestas genéricas", como señala Salesforce. Las soluciones tradicionales como los copilotos a menudo no logran ofrecer respuestas precisas y confiables a solicitudes complejas, como orientación personalizada para solicitudes de empleo, y carecen de la capacidad de actuar de forma autónoma, como nutrir leads con recomendaciones de productos.

Líderes de la industria coinciden en que los trabajadores digitales autónomos ahora son capaces de realizar tales tareas en varios niveles. "La convergencia de innovadores capacitados, herramientas en la nube de implementación rápida, conciencia del cliente y apoyo ejecutivo ha creado un entorno ideal para que la IA agentica prospere en 2025", compartió Chris Bennett, director de transparencia y educación en IA de Motorola Solutions, con ZDNET.

Motorola Solutions ya está aprovechando el poder de la IA agentica "para mejorar la seguridad pública y la seguridad empresarial", explica Bennett. Sus aplicaciones de IA analizan y presentan datos en tiempo real, proporcionando soporte crítico e inmediato a los primeros respondedores y al personal de seguridad. "Los agentes de IA nunca se aburren, se cansan ni se distraen", señala, destacando que pueden automatizar tareas repetitivas, liberando a los respondedores para funciones más críticas y compromiso con la comunidad. Por ejemplo, los agentes de IA pueden acelerar tareas como revisar grabaciones de video históricas, ayudando a los investigadores a encontrar personas desaparecidas más rápidamente mediante búsquedas en lenguaje natural.

Viswesh Ananthakrishnan, cofundador y vicepresidente de Aurascape, describe cómo los agentes de IA intuyen procesos para "crear una serie de pasos, o una receta para resolver un problema". Estos agentes pueden ejecutar estos pasos e incluso colaborar con otros agentes, obteniendo una visión integral de cómo funciona la empresa. Ananthakrishnan explica además que los agentes de IA pueden "desarrollar y ejecutar procesos complejos, como ver previsiones de demanda y tomar medidas proactivas para generar y enviar formularios de pedido para más inventario antes de que se agoten los suministros". Esta automatización reduce significativamente el tiempo que los trabajadores dedican a tareas repetitivas.

La necesidad de una gestión cuidadosa de los agentes de IA

Sin embargo, al igual que los trabajadores humanos, los agentes de IA requieren una gestión cuidadosa. Todavía queda trabajo por hacer antes de que una fuerza laboral impulsada por IA agentica pueda asumir completamente una amplia gama de tareas. "Aunque la promesa de la IA agentica es evidente, estamos a varios años de una adopción generalizada de la IA agentica a nivel empresarial", advierte Scott Beechuk, socio de Norwest Venture Partners. Él enfatiza la importancia de la confiabilidad, dado el posible rol de los agentes en la automatización de procesos comerciales críticos.

Uno de los desafíos es la trazabilidad de las acciones de los agentes de IA. "Muchas herramientas tienen dificultades para explicar cómo llegaron a sus respuestas a partir de los datos sensibles de los usuarios, y los modelos luchan por generalizar más allá de lo que han aprendido", señala Ananthakrishnan.

La imprevisibilidad es otro obstáculo, ya que los modelos de lenguaje de gran escala (LLMs) "operan como cajas negras", añade Beechuk. "Es difícil para los usuarios e ingenieros saber si la IA ha completado su tarea con éxito y si lo hizo correctamente". También advierte sobre la falta de fiabilidad de los agentes de IA, señalando que "en sistemas donde la IA crea sus propios pasos para completar tareas, los detalles inventados pueden llevar a más errores a medida que avanza la tarea, haciendo que los resultados sean poco fiables".

Los trabajadores humanos colaboran de manera natural con facilidad y regularidad, pero para los trabajadores de IA, esto es más complejo. "Dado que los agentes interactúan con múltiples sistemas y almacenes de datos, lograr una visibilidad integral no es una tarea fácil", explica Ananthakrishnan. Es crucial tener visibilidad para capturar cada acción que realiza un agente, lo que requiere un conocimiento profundo de la actividad en los dispositivos finales y la capacidad de procesar datos en diversos formatos. Además, es importante "combinar rápidamente este contexto de los puntos finales con el tráfico a nivel de red para determinar los datos que informan las acciones del agente", así como "reconocer el tipo de agente de IA que interactúa con tus datos, ya sea una entidad confiable o un agente completamente nuevo".

El auge del ingeniero de sistemas de IA

Esta complejidad puede dar lugar a un nuevo rol centrado en los humanos: el ingeniero de sistemas de IA. "Este nuevo rol de aseguramiento de calidad y supervisión será esencial para las empresas a medida que gestionen y optimicen continuamente los agentes de IA", afirma Beechuk.

En entornos multi-agentes, "los agentes de IA estarán interactuando y evolucionando constantemente, consumiendo un flujo constante de nuevos datos para realizar sus trabajos individuales", explica. "Cuando uno de ellos recibe datos incorrectos, intencionadamente o no, y cambia su comportamiento, puede empezar a realizar su trabajo de manera incorrecta o con menos precisión, incluso si lo hacía perfectamente bien el día anterior. Un error en un agente puede tener un efecto en cascada que degrade todo el sistema. Las empresas contratarán tantos ingenieros de sistemas de IA como sea necesario para evitar que esto ocurra".

Aunque las empresas y los equipos tecnológicos puedan estar "bien posicionados para respaldar la IA agentica, aún necesitamos tiempo y experiencia para encontrar el equilibrio adecuado entre los flujos de trabajo agenticos y humanos", aconseja Bennett. "Nuestro consejo es ver la IA como un complemento para los expertos humanos, no como un reemplazo".