Contexto: cómo construir una base de datos fiable para la IA agéntica

El contexto es fundamental para comunicarnos. Unas declaraciones sacadas de contexto pueden parecer que significan exactamente lo contrario de lo que se pretendía. Si conocemos a alguien fuera de contexto, puede que nos cueste reconocerlo. El contexto es el pegamento que une las relaciones humanas y nos permite encontrar sentido a nuestras interacciones sociales.

Lo mismo ocurre con los agentes de IA. El contexto permite a los agentes eliminar ambigüedades y distinguir, por ejemplo, entre Apple (la empresa tecnológica), Apple (la discográfica) y una manzana (la fruta). 

Esta desambiguación es crucial porque la IA empresarial toma decisiones y actúa a una velocidad vertiginosa: señala transacciones, aprueba créditos y activa alertas. Si los agentes no entienden las entidades implicadas en sus flujos de trabajo, seguirán actuando, pero puedes estar seguro de que cometerán errores. 

Algunas estimaciones sugieren que una gran empresa típica utilizará hasta 1.600 agentes a finales de este año, por lo que estos errores se multiplicarán rápidamente.

Las complejidades de resolver las identidades digitales

La IA agéntica está despertando un gran entusiasmo, y con razón, pero mientras los agentes no puedan comprender realmente las entidades de sus conjuntos de datos, corremos el riesgo de construir castillos de arena. 

No es un problema fácil de resolver. Por ejemplo, un mismo cliente puede aparecer en distintas bases de datos empresariales con nombres diferentes (J. Bloggs, Jane Bloggs, Bloggs, etc.). Del mismo modo, una misma entidad corporativa puede figurar por separado en cada una de sus filiales. ¿Cómo pueden saber los agentes que estas entidades aparentemente distintas corresponden, en realidad, a un único perfil? 

Por ahora, a menudo no pueden. Esto se debe a la forma en que se construyen los agentes. En esencia, un agente es un sistema que recibe entradas y devuelve resultados. Pero ¿cuántos datos exactamente deberíamos proporcionar a los agentes? Los estudios demuestran que las ventanas de contexto demasiado largas hacen que los agentes alucinen. En cambio, si se proporcionan muy pocos datos, el agente tomará una decisión con seguridad y actuará basándose en información inexacta. Las empresas deben encontrar el equilibrio adecuado y ofrecer al sistema ni más ni menos contexto del que necesita. 

La integración de datos es clave

El volumen de datos es solo una parte del desafío. Las empresas también deben tener en cuenta la calidad y la integración de los datos. Un contexto deficiente se debe a datos mal conectados. Pueden producirse alucinaciones cuando los datos que necesita un agente para tomar una decisión están fragmentados entre diversas bases de datos aisladas, aplicaciones y unidades de negocio. Aproximadamente entre el 80 y el 90 % del contexto empresarial se encuentra en archivos aislados y no estructurados repartidos por sistemas desconectados. Sin acceso a esta información, las respuestas de la IA se basarán en suposiciones incompletas. 

A pesar de todos estos problemas, la implementación de agentes de IA sigue avanzando a buen ritmo. Si los líderes empresariales no pueden confiar en que sus agentes tomen decisiones acertadas y actúen correctamente, tendrán que invertir en niveles de supervisión humana superiores a los que, de otro modo, serían necesarios. En lugar de los agentes autónomos y muy eficientes que esperaban, las empresas acabarán con herramientas poco fiables que tendrán que vigilar constantemente. La alternativa es aumentar el riesgo empresarial y la carga de trabajo de los equipos de cumplimiento normativo y jurídico. 

Cómo construir una base de datos contextual

Entonces, ¿qué hay que hacer? La clave es proporcionar a los agentes una base de datos precisa y verificada. Esta base unifica los datos fragmentados de fuentes internas y externas y aplica una gobernanza coherente tanto a los datos estructurados como a los no estructurados. A partir de ahí, añade contexto para que los datos que se proporcionan a la IA reflejen las relaciones del mundo real, en lugar de registros aislados. Esto permite a los agentes vincular a una persona con sus alias o a una filial con su empresa matriz. 

Con una base contextual establecida, las operaciones impulsadas por IA se vuelven precisas, explicables y capaces de respaldar decisiones tomadas con confianza. Las empresas pueden confiar en sus agentes, en vez de tener que vigilarlos constantemente, y aprovechar así todas las ventajas de la automatización agéntica sin necesidad de una supervisión excesiva. 

Desde el punto de vista técnico, el contexto se consigue mediante dos capacidades. La primera es la resolución de entidades. Esta permite conectar registros que corresponden a una misma entidad cuando sus referencias están dispersas en distintos sistemas y tipos de datos. Los registros se armonizan en una vista única y fiable de personas, organizaciones y activos. Así se resuelven la duplicación y la ambigüedad, que suelen deteriorar la calidad de los datos y dar lugar a resultados erróneos de la IA. 

La segunda capacidad son los grafos de conocimiento. Estos aportan contexto al modelar las relaciones entre entidades: cómo se vinculan los clientes con las cuentas, cómo se relacionan las transacciones con el comportamiento y cómo se propagan los riesgos por las redes. Combinados con la resolución de entidades, los grafos de conocimiento ofrecen una imagen precisa de los datos tal como existen en el mundo real y proporcionan a los agentes de IA la base que necesitan para operar con éxito a gran escala. 

Beneficios que van más allá de la IA agéntica

Por supuesto, los agentes de IA no son los únicos consumidores de datos en la empresa. Una base de datos con contexto garantiza que el personal operativo, los equipos de cumplimiento normativo, los analistas de negocio, los equipos de RR. HH. y todos los demás usuarios de datos también se beneficien de una visión unificada y precisa del mundo.

A su vez, esto puede contribuir a mejorar la experiencia del cliente. Por ejemplo, si una empresa mantiene varios perfiles de un mismo cliente, puede ocurrir que diferentes equipos se pongan en contacto con él en varias ocasiones. Como mínimo, este tipo de experiencias puede frustrar a los clientes. Los datos enriquecidos con contexto mejoran la experiencia del cliente, ya que permiten a las organizaciones comprenderlo de forma más completa y asegurarse de interactuar con él de manera adecuada. En última instancia, se trata de un enfoque más centrado en las personas, que puede ahorrar tiempo y dinero a las empresas.

Mantener la honestidad de la IA

Gartner predice que el 40 % de las aplicaciones empresariales contará con agentes de IA específicos para cada tarea este año, frente a menos del 5 % en 2025. La era de la IA agéntica ya está aquí.

Sin embargo, no todos los que inviertan en esta tecnología disfrutarán por igual de todos los beneficios de los flujos de trabajo de IA agéntica. Las organizaciones que preparen el terreno garantizando una base de datos unificada y rica en contexto podrán confiar en los resultados de la IA y ampliar su escala con rapidez. Las demás perderán tiempo y esfuerzo supervisando constantemente sus nuevos sistemas. Por tanto, el éxito depende de incorporar una capa de contexto viva a la pila tecnológica de IA agéntica desde el primer día.