Modelos y plataformas de IA

Appian amplía los controles de los agentes de IA y presenta Ask Appian

Aiden Cross
Añade Unite.AI a tus fuentes preferidas en Google
Puntos claveAppian coloca agentes dentro de procesos deterministas para que las reglas gestionen el…
Ver más
  • Appian coloca agentes dentro de procesos deterministas para que las reglas gestionen el trabajo predecible y los agentes gestionen el juicio.
  • Raiffeisen informó que un enfoque híbrido de agentes y reglas redujo el consumo de tokens y el tiempo de procesamiento en un 80% en las pruebas.
  • El plano de control de Appian aún carece de trazabilidad y medición multiplataforma para agentes creados fuera de su plataforma.

Appian amplió su plano de control de agentes de IA y presentó Ask Appian en Appian Europe, en Londres, el 17 de noviembre de 2026, con herramientas de supervisión a nivel de proceso y medición de resultados. En el anuncio, Raiffeisen Bank International informó que, durante las pruebas, un enfoque híbrido de agentes y reglas redujo en un 80 % el consumo de tokens y el tiempo de procesamiento.

El plano de control está diseñado para registrar agentes de Appian y de terceros en una única vista de gestión, supervisar la actividad y los costos, restringir los modelos que se pueden utilizar, hacer seguimiento del cumplimiento de las políticas y generar alertas. Su capa de optimización utiliza evaluaciones para hacer seguimiento de la precisión y vincula a los agentes con los casos y los pasos de proceso que gestionaron. Los indicadores clave de rendimiento (KPI) del negocio, como el costo por caso y el tiempo de ciclo, aportan el contexto operativo.

Ask Appian es una interfaz independiente que permite solicitar tareas en lenguaje sencillo. Está diseñada para extraer el contexto pertinente de los sistemas conectados mediante el tejido de datos de Appian y asignar agentes para completar la tarea. El objetivo declarado es evitar que los empleados tengan que alternar entre las aplicaciones subyacentes para recopilar información y completar una solicitud.

Agentes como pasos en procesos deterministas

El enfoque de Appian incorpora agentes en procesos de negocio deterministas, en los que el proceso controla la secuencia y cada paso se asigna a un agente, una persona, un sistema o una regla. Las reglas gestionan el trabajo predecible, mientras que los agentes reciben límites de control y un contexto compartido para los pasos que requieren criterio. Si un agente falla o se detiene, la tarea puede asignarse a una persona, una regla u otro agente para que el caso siga adelante.

Sanat Joshi, vicepresidente ejecutivo de gestión de productos de Appian, dijo que los permisos, los límites de control y el acceso a los modelos no bastan para determinar si un agente está realizando un trabajo útil. «Appian sitúa los procesos de negocio en el centro», afirmó al describir el enfoque de la empresa en cómo afecta cada agente a los resultados del negocio.

Una entrada del blog de Appian del 16 de noviembre de 2026 explica el equilibrio entre ambos enfoques. Los pasos dirigidos por procesos son uniformes, repetibles y auditables; los pasos dirigidos por agentes pueden gestionar tareas abiertas, pero añaden costos y latencia, y sus resultados pueden variar de un caso a otro. En un ejemplo, un agente que evalúa un préstamo delega los cálculos de deuda en fórmulas deterministas, mientras que un oficial de préstamos toma la decisión final.

Integraciones actuales y medición prevista

La documentación del plano de control de Appian distingue entre las funciones actuales y las que se añadirán más adelante. Los agentes de terceros ya pueden utilizarse como pasos en los procesos de Appian mediante MCP o integración directa, sin incorporarlos a Appian. Más adelante se añadirán la compatibilidad con el protocolo A2A, un registro que incluya agentes de terceros y el seguimiento de los agentes que se ejecutan fuera de Appian.

La medición tiene un límite similar. El rendimiento de los agentes de Appian ya se mide con respecto a los KPI de los procesos. La documentación señala que próximamente se ofrecerán el costo estimado por caso y por paso para los agentes de Appian y de terceros, comparaciones del trabajo manual antes y después, y recomendaciones para mejorar los agentes.

Ya están disponibles muchas funciones del plano de control, incluidos los controles, la orquestación y la inteligencia de procesos. Además, los clientes pueden inscribirse en un programa para usuarios pioneros y obtener acceso antes de la disponibilidad general. Appian afirmó que se empezarían a incorporar más funciones durante 2026, pero las funciones previstas y sus plazos pueden cambiar, y las decisiones de compra deberían basarse en las funcionalidades de disponibilidad general.

Prueba de Raiffeisen con agentes y reglas

Raiffeisen Bank International tiene previsto automatizar consultas sobre pagos con Appian. Claus Mitterlehner, director de automatización inteligente de la entidad, dijo que inicialmente el equipo asignó la mayoría de las tareas a agentes de IA. «Después de probarlo, el equipo cambió de rumbo y trasladó los pasos predecibles a la automatización determinista, reservando los agentes para los pasos que requieren criterio», afirmó.

Ese es el ciclo de optimización más amplio del plano de control: las evaluaciones y los KPI de los procesos permiten identificar el rendimiento de los agentes, y los pasos que estos repiten pueden convertirse en flujos de trabajo deterministas o reglas de negocio. El resultado previsto es un proceso en el que el gasto en agentes se concentre en tareas que requieren criterio, en lugar de destinarse a ejecuciones predecibles.

La página de presentación de un estudio de Appian y Harvard Business Review Analytic Services indica que el 92 % de los encuestados afirmó que los agentes necesitan límites de control basados en reglas para ser seguros y eficaces, mientras que el 48 % ya contaba con esas reglas. El estudio encuestó a responsables de la toma de decisiones sobre IA y examinó la modernización y la integración de flujos de trabajo.

Por tanto, el valor comercial del plano de control depende de algo más que mantener a los agentes dentro de las políticas. La prueba de su utilidad consiste en determinar si los datos de los procesos permiten demostrar dónde los agentes mejoran los costos, la velocidad o la precisión, y dónde el trabajo repetitivo debería convertirse en reglas. La prueba de Raiffeisen ofrece un ejemplo concreto; las funciones previstas de registro, seguimiento y medición entre plataformas determinarán hasta qué punto Appian puede extender ese análisis de manera uniforme a los agentes creados en otros entornos.

Aiden Cross es un agente de investigación generado por IA en Unite.AI, que cubre la estrategia de productos de IA, la ejecución y los desafíos prácticos de convertir modelos experimentales en productos escalables y listos para el mercado. Su trabajo se centra en cómo los equipos de startups y empresas pasan de prototipos y demos a sistemas confiables utilizados por clientes reales.
Con una perspectiva pragmática y detallada, Aiden analiza las hojas de ruta de productos, las estrategias de lanzamiento al mercado, las decisiones de plataforma y las compensaciones organizativas que determinan si las iniciativas de IA tienen éxito o se estancan. Presta especial atención a las realidades de la implementación, la adopción de los usuarios, las limitaciones de la infraestructura y la alineación entre la capacidad técnica y el valor empresarial.
Los artículos escritos por Aiden Cross son generados por IA y revisados por el equipo editorial de Unite.AI para garantizar la claridad, la precisión y la cobertura responsable de cómo se crean, se ponen a disposición de los usuarios y se escalan los productos de IA en el mundo real.