La investigación sugiere que casi todos quieren un agente de IA, son lo mejor desde los datos en rodajas. Pero, ¿qué están haciendo exactamente estos agentes dentro de las empresas? En muchos casos, su trabajo puede ser ayudar a construir aún más agentes. En la mayoría de los casos, los agentes ayudan a los departamentos de TI a administrar el rendimiento del sistema, presumiblemente incluyendo los fundamentos técnicos de los agentes de IA. Sin embargo, los casos de uso varían según la industria.
Un alucinante 96% de las organizaciones planean expandir su uso de IA durante los próximos 12 meses, según un reciente encuesta de 1.484 líderes de TI del especialista en tecnología Cloudera. Ese es un gran porcentaje para cualquier tema de la encuesta: un mínimo del 10% de los encuestados suele ser atípicos. La mayoría, el 57%, dijo que ya han implementado agentes de IA en los últimos dos años. Al mismo tiempo, los temores en torno a la privacidad de los datos, la integración y la calidad de los datos pueden estropear potencialmente a la parte, sugiere la encuesta.
También: los 4 tipos de personas interesadas en los agentes de IA, y lo que las empresas pueden aprender de ellos
La mayoría de los agentes de IA (61%) en producción están integrados dentro de las operaciones de TI. Las aplicaciones principales que se asumieron por los agentes incluyen bots de optimización del rendimiento (66%), agentes de monitoreo de seguridad (63%) y asistentes de desarrollo (62%).
Entonces, ¿de dónde vienen estos agentes? Dos tercios de los encuestados (66%) crean agentes en plataformas de infraestructura de IA empresarial, mientras que el 60% aprovecha las capacidades de agente integradas en aplicaciones centrales. “Este enfoque híbrido refleja una clara preferencia por las implementaciones escalables, seguras y cercanas a los datos”, dijeron los autores de la encuesta.
Fuera de la optimización de TI, las implementaciones tempranas de agentes de IA tienden a centrarse en las operaciones orientadas al cliente. Los agentes de IA son más utilizados para la atención al cliente (78%), la automatización de procesos (71%) y el análisis predictivo (57%).
También: por qué descuidar la ética de la IA es un negocio tan arriesgado, y cómo hacer la AI correcta
Cuando se les preguntó qué tecnologías utilizan o planean usar para construir IA de agente, los encuestados identificaron plataformas de infraestructura de IA empresarial (66%), capacidades de agente integradas en aplicaciones (60%) y plataformas y marcos dedicados de agentes de IA empresariales (60%).
Los agentes de IA no son perfectos, por supuesto, y los desplieguadores se encuentran con muchos de los mismos problemas que las generaciones anteriores de tecnología. Las principales preocupaciones con las implementaciones de agentes de IA incluyen preocupaciones de privacidad de datos (53%), integración con sistemas existentes (40%) y altos costos de implementación (39%).
Más de un tercio (37%) de los encuestados informan que la integración de los agentes de IA en los sistemas y flujos de trabajo actuales ha sido un desafío “muy” o “extremadamente”. “En otras palabras, la implementación de agentes de IA no es un esfuerzo plug-and-play”, dijeron los autores. Nuevamente, cuanto más cambian las cosas con la tecnología, más los desafíos siguen siendo los mismos.
Los vendedores y defensores de IA agente que buscan impulsar más cambios tienen su trabajo cortado. Los líderes de tecnología desean ver más características en los agentes de IA que implementan, incluidas las características de seguridad y privacidad de datos más fuertes (65%), capacitación y personalización más rápidas (54%), procesamiento mejorado del lenguaje pure (51%) y una mejor comprensión contextual (50%).
También: cómo un ‘Web de agentes’ podría ayudar a las AIS a conectarse y trabajar juntos
Puede agregar a la lista de desafíos una amplia variedad de casos de uso por parte de la industria, que incluyen:
- En finanzas y seguros, la detección de fraude (56%), la evaluación de riesgos (44%) y el asesoramiento de inversiones (38%) son los principales casos de uso.
- En la fabricación, las aplicaciones principales incluyen automatización de procesos (49%), optimización de la cadena de suministro (48%) y management de calidad (47%).
- En la atención médica, los principales casos de uso incluyen la programación de citas (51%), la asistencia diagnóstica (50%) y el procesamiento de registros médicos (47%).
- En las telecomunicaciones, las principales aplicaciones son bots de atención al cliente (49%), agentes de experiencia del cliente (44%) y agentes de monitoreo de seguridad (49%).
Los autores de Cloudera hicieron recomendaciones para implementar agentes de IA.
También: cómo la IA transformará la ciberseguridad en 2025, y el delito cibernético de sobrealimentación
Una vez más, en su mayor parte, estos enfoques no son novedosos o nuevos para aquellos que han implementado generaciones anteriores de tecnología:
- Fortalecer la base de datos y las capacidades de integración: “Las empresas deben asegurarse de que tengan una arquitectura de datos moderna y plataformas unificadas que puedan manejar de forma segura el volumen y la variedad de datos que requieren los agentes de IA”.
- Comience con proyectos de alto impacto para entregar ROI inmediato y crecer desde allí: “Los encuestados se centraron en la atención al cliente y la automatización de procesos como casos de uso iniciales, lo que sugiere que estas áreas son buenas almohadillas de lanzamiento porque abordan los puntos débiles reales y tienen resultados medibles”.
- Establecer responsabilidad: “Las empresas deben aclarar: ¿Quién es responsable del desempeño de un agente? ¿Es el desarrollador quien lo construyó, el propietario del negocio que lo usa o el equipo de operaciones que lo supervisa?”
- Construir marcos de gobernanza y ética: “Incluya mecanismos para el sesgo de auditoría, garantice la transparencia en la toma de decisiones del agente y revise regularmente el comportamiento del agente contra las políticas empresariales y las expectativas del usuario”.
- Upskill equipos y fomente una cultura de colaboración Human-AI: Vaya “más allá de la capacitación básica para cultivar conjuntos de habilidades híbridas: personas que no solo pueden construir e integrar agentes de IA, sino también comprender su razonamiento, limitaciones y capacidades en evolución. Priorizar el aprendizaje práctico y continuo, alentar la experimentación y el intercambio de conocimientos entre los roles”.
La fuerza del sentimiento en las respuestas de la encuesta sugiere que los agentes de IA son la próxima ola de IA, que proporciona iniciativas enfocadas para funciones específicas frente a los enormes y complicados sistemas de IA que muchos líderes empresariales temían. Será interesante ver si esa tasa de adopción planificada del 96% se mantiene.
