Gartner define la inteligencia artificial del agente (AI) como entidades de software impulsadas por objetivos que la organización ha otorgado los derechos de actuar en su nombre para tomar decisiones de forma autónoma. “Se pueden combinar con técnicas de IA que tienen memoria, planificación, detección, herramientas y algunas barandillas para completar la tarea y lograr un objetivo particular”, dice Anushree Verma, analista directora de Gartner.
Ella dice que una pregunta común a Gartner se le hace a Gartner es cómo la IA agente difiere de la automatización de procesos robóticos (RPA) y la automatización inteligente de procesos robóticos. Su opinión es que RPA está escrita y tiene una salida predeterminada. Sin embargo, ella dice: “Cuando hablamos de IA de agente, esto funciona con diferentes niveles de autonomía. También puede tener una planificación proactiva, pero su distinción es que tiene un cierto nivel de agencia de IA, por lo que funciona de manera autónoma en cierto punto, y también funciona hacia un objetivo particular”.
Ella cree que el mayor impacto de los sistemas de IA agente es que cambian el futuro de la toma de decisiones. “Simplemente no analiza conjuntos de datos complejos, pero un sistema de IA agente también puede identificar patrones y actuar sobre ellos”. Para Verma, esto significa que un sistema de IA agente puede ayudar a una empresa a resolver los problemas mejor y reducir el tiempo de acción.
Dado que las compañías de software empresarial están integrando la tecnología de IA Agentic en sus productos, existe el riesgo de que estos terminen operando como sistemas independientes y de manera efectiva. Verma dice que los casos de uso iniciales han sido alrededor de los sistemas CRM, donde se utilizan para mejorar la experiencia del usuario. Dicha IA generalmente se implementa al final de un flujo de trabajo completo para mejorar la experiencia del usuario. Sin embargo, ella dice: “El verdadero poder de la agente es cuando comienza a buscar automatizar u orquestar todo el proceso comercial, tomando decisiones basadas en flujos de trabajo complejos y automatizarlos”.
Una barrera importante que impide el uso de sistemas de IA agente para la orquestación de flujo de trabajo complejo es que la IA es propensa a los errores, lo que lleva a que las decisiones incorrectas se automatizaran. Esta inexactitud mejorará las horas extras, pero hay poca evidencia de que las aplicaciones empresariales se están desarrollando con tolerancia a posibles errores introducidos por los sistemas de IA Agentic.
Verma dice que Gartner ha visto muchos proyectos generativos de IA abandonados porque no han sido bien pensados, después de que se haya probado el proyecto de prueba de concepto. “No se están implementando debido a la mala calidad de los datos o los controles de riesgo inadecuados, los costos aumentados o el valor comercial poco claro”.
Dado que la mayoría de las iniciativas de IA de agente son proyectos de prueba de concepto, Verma cree que la tolerancia a los errores no se ha evaluado lo suficiente. Ella dice que el mercado de AI de Agentic todavía está en una etapa muy temprana de madurez. Potencialmente, a medida que el mercado madura, es probable que se aborden cuestiones de tolerancia a errores.
Gartner está viendo un cambio hacia modelos específicos del dominio y modelos más ligeros que se pueden ajustar. Con el tiempo, es probable que estos modelos de IA funcionen como expertos, para complementar los sistemas de IA agente más generadores, lo que puede ayudar a mejorar la precisión.