¿Quieres entregar un proyecto de IA agentiva exitoso? Deja de tratarlo como software tradicional
Un estudio del MIT del año pasado encontró que el 95% de los pilotos de IA generativa no llegan ni siquiera a la etapa de producción, y con la IA agentiva la situación no es mucho mejor. Sin embargo, mientras los titulares y críticos se centraron en gran medida en el 95%, algunos líderes de TI creen que se debe prestar atención a lo que hace el club del cinco por ciento, que está realizando ajustes notables en los procesos de software tradicionales.
El cambio en el enfoque del desarrollo de IA
Se observa que las empresas que están luchando, es decir, el 95%, tienden a tratar la IA como si aún fuera software tradicional. En el desarrollo de software tradicional, el 80% del tiempo se pasaba diseñando y construyendo. Sin embargo, en el desarrollo de IA agentiva, la situación se ha invertido casi por completo. Si se sigue dedicando el 80% del tiempo a diseñar y construir, no se está probando lo suficiente, y es aquí donde ocurre la fricción.
Los sistemas de IA son mucho más probabilísticos, lo que significa que es necesario probar más. Las empresas que se encuentran en el 5% están construyendo evaluaciones y considerando la seguridad, así como limitando el contexto de lo que un agente puede hacer. Las evaluaciones son críticas en el proceso de adopción, ayudando a perfeccionar y ajustar los agentes y asegurando que produzcan resultados de alta calidad.
Enfoque en el contexto y tareas específicas
El enfoque en limitar exactamente dónde operan los agentes dentro de los entornos de TI y qué tareas específicas se les asignan es fundamental. Muchas empresas ven a los agentes como herramientas generales. Sin embargo, la curación basada en casos de uso individuales específicos es crucial. Las investigaciones han encontrado que el 40% de los principales casos de uso de IA se centran en abordar preocupaciones prácticas, como la incorporación de nuevos empleados y funciones comerciales como el soporte al cliente.
El auge de los sistemas multi-agente
El tipo de agentes y su papel dentro del ecosistema más amplio es igualmente importante. Las empresas están cambiando cada vez más hacia «flujos de trabajo multi-agente». Se ha registrado un aumento del 327% en este ámbito, con empresas que pasan de utilizar chatbots individuales a configuraciones multi-agente. Esto implica que múltiples agentes especializados trabajan en conjunto y contribuyen a flujos de trabajo individuales.
Se observa que los agentes de extracción de información, los agentes asistentes de conocimiento y los agentes supervisores son tres especialidades clave en el uso de agentes. Los agentes de extracción de información representan el 31% de todo el uso de agentes, reflejando la necesidad de las empresas de aprovechar tanto datos estructurados como no estructurados.
Agentes supervisores y gobernanza
Los agentes supervisores son esenciales en los flujos de trabajo de IA agentiva, ya que supervisan y orquestan otras actividades, validando y optimizando procesos. Los agentes que realizan el trabajo son seguidos por un agente que inspecciona ese trabajo, y el supervisor asegura que todo se realice de acuerdo con los resultados esperados. Esto es fundamental para mejorar la gobernanza y la seguridad en la adopción de IA.
El uso de agentes supervisores aborda preocupaciones persistentes asociadas con la IA generativa y la IA agentiva, como las alucinaciones y los riesgos de actividades de bots incontrolados. La implementación de políticas de gobernanza más estrictas permite que las empresas pongan en producción más de 12 veces más proyectos.
Conclusiones
Las empresas que han registrado éxito en la adopción de IA agentiva suelen ser empresas tecnológicas y nativas digitales, que cuentan con una fuerza laboral más adaptada a la ingeniería de software. La gobernanza es un aspecto complicado que muchas empresas deben considerar al adoptar esta tecnología, especialmente aquellas con diferentes departamentos y funciones.
