Para quienes trabajamos en sistemas y vimos nacer los modelos de lenguaje, desde las primeras versiones de ChatGPT, costó dejar de ver a la IA como un autocompletado glorificado. Porque, internamente, son eso: Un sistema predictivo con vastos volúmenes de datos. Pero hoy, gracias a los sistemas que los rodean, denominados harness, los sistemas de IA se han vuelto realmente inteligentes.
Los agentes de IA ya van mucho más allá que asistentes de programadores. Ya pueden recibir tareas y ejecutarlas dentro de los sistemas de una empresa.
En muchas empresas, cada tarea empieza como una anotación en un sistema de gestión. Puede ser un reclamo, una mejora pendiente o un problema que alguien debe resolver. Hasta ahora, ese sistema servía para organizar el trabajo: Registraba el pedido, lo asignaba a una persona y esperaba.
Los agentes de inteligencia artificial están empezando a cambiar esa lógica. Ya no solo leen la tarea. También pueden ponerse a trabajar sobre ella, interpretar el pedido, realizar el trabajo, informar su avance y entregar una propuesta para que una persona la revise. La herramienta que antes solo clasificaba ahora también participa de la ejecución.
Los sistemas de gestión, atención al cliente, administración y operaciones siguen una estructura parecida y por lo tanto representan candidatos ideales para integrar con IA. Lo interesante es que, a veces, ni siquiera es necesario cambiar de sistema de gestión, los agentes pueden nutrirse de, e interactuar con, los sistemas existentes, como si fueran usuarios humanos.
Sin embargo, cabe reiterar que el cambio no consiste en sacar a las personas de la escena. La toma de decisiones estratégicas, como decidir qué puede hacer y no puede hacer un agente, sigue siendo una responsabilidad humana. Pensar, diseñar y desarrollar los sistemas e integraciones, sigue siendo responsabilidad de un ingeniero. Esta es la clave de una implementación exitosa y controlada, tanto en seguridad como en costos.
Es cierto que los modelos de IA seguirán evolucionando y en el futuro seguiremos delegando estas responsabilidades, pero nunca debemos delegar el criterio. Una automatización mal diseñada puede producir un resultado equivocado con la misma rapidez que uno correcto.
La oportunidad no está en activar más agentes y más bots, sino en reconocer dónde aportan valor estratégico, qué trabajos son claros para la IA y verificables, incluso dónde no hace falta un modelo y debe automatizarse sin IA.