Jim Rowan, responsable de IA de Deloitte en EE. UU. – Serie de entrevistas

Jim Rowan es el responsable de IA de Deloitte en EE. UU. y un principal de Deloitte Consulting LLP; ayuda a las organizaciones a convertir sus ambiciones en materia de IA en resultados empresariales. Su trayectoria abarca la tecnología empresarial, la analítica, los datos y la transformación digital, con experiencia en ciencias de la vida, atención sanitaria y telecomunicaciones. Ha ocupado puestos de liderazgo en las prácticas de Estrategia & Analítica y de IA & Datos de Deloitte, y su trabajo incluye desarrollar el talento y las capacidades que las organizaciones necesitan para adoptar la IA.

Deloitte es una organización de servicios profesionales que ofrece servicios de consultoría, auditoría y aseguramiento, impuestos y asesoría. Su trabajo en IA reúne estrategia, datos, tecnología, talento y gobernanza para ayudar a las empresas a adoptar la IA y ampliar su uso en todas sus operaciones. En el comercio digital, ese trabajo incluye preparar la información de productos y los sistemas empresariales para los agentes de IA, conectar las experiencias de los clientes en distintos canales y establecer los controles de identidad, autorización y confianza necesarios para las interacciones y transacciones automatizadas.

Lleva más de dos décadas trabajando en Deloitte en áreas como tecnología empresarial, analítica, datos y, ahora, IA. Desde esa perspectiva, ¿cuándo tuvo claro que los agentes de IA no solo transformarían la forma en que operan internamente las empresas, sino que también actuarían como intermediarios entre las empresas y sus clientes?

En los últimos años, he presenciado de primera mano los avances de la IA mientras ayudaba a las organizaciones a traducir sus objetivos empresariales en resultados medibles que antes parecían inimaginables. Mi experiencia en datos, procesos y tecnología ha sido fundamental para comprender la IA. Empecé a desarrollar las capacidades de Deloitte centradas en el talento necesario para tener éxito con la IA, como nuestra Academia de IA, que crea planes de estudio tanto para nuestros empleados como para nuestros clientes.

En el panorama actual, las organizaciones utilizan agentes de IA de varias maneras para transformar sus estrategias de comercio digital: aumentar la visibilidad de las marcas, recurrir a motores de personalización para enriquecer las interacciones y coordinar experiencias omnicanal coherentes en los puntos de contacto físicos, digitales y sociales. Este punto de inflexión llega en un momento en que las marcas se enfrentan a un mercado volátil, lo que brinda al comercio agéntico la oportunidad de ayudarlas a responder a sus clientes con mayor rapidez, pertinencia y coherencia.

Ha hablado de la necesidad de que las empresas se preparen para la «optimización de la búsqueda agéntica». ¿Cómo define ese concepto y en qué se diferencia fundamentalmente la optimización para un agente de IA del SEO tradicional o de los enfoques más recientes para optimizar contenido destinado a motores de respuesta de IA?

Tradicionalmente, la competencia en línea por captar la atención de los consumidores se ha definido por Search Engine Optimization (SEO) y parte de la premisa de que, al otro lado de una consulta, hay una persona que lee, evalúa y decide qué comprar. A medida que los consumidores recurren a herramientas basadas en IA para investigar, se ha introducido Generative Engine Optimization (GEO). La optimización de la búsqueda agéntica es una evolución progresiva de GEO que tiene en cuenta que la IA ya no se limita a recomendar productos o servicios, sino que también actúa sobre las decisiones de compra. Este cambio significa que las marcas deben optimizar no solo para la IA generativa, que principalmente ofrece recomendaciones al usuario final, sino también para la IA agéntica, diseñada para ejecutar acciones y capaz de coordinar sistemas, ejecutar flujos de trabajo y activar transacciones.

Cuando se pide a un agente de IA que investigue, compare y preseleccione productos o servicios, ¿qué señales cree que valorará más? ¿Cobrarán más importancia los datos estructurados de los productos, los precios, las reseñas, la cobertura de terceros y la autoridad de marca, o surgirá un conjunto de señales completamente nuevo?

El conjunto de opciones que considera un agente de IA se determina en función de la visibilidad y la pertinencia, y tenderá a favorecer a las marcas cuyos productos, servicios, precios y datos sean accesibles, legibles por máquinas y verificables al instante. La coherencia entre plataformas, las calificaciones y reseñas y la autoridad de marca siguen siendo importantes, pero estas señales también deben traducirse en datos que un agente pueda procesar. El contexto personal también será importante, ya que los agentes que actúen en nombre de los clientes necesitarán acceso fiable a las preferencias, los permisos y las interacciones anteriores de cada persona para generar las recomendaciones más pertinentes. Más allá de las señales en sí, la rapidez con que las organizaciones puedan hacer que sus datos sean legibles, comprensibles, fiables y cuantificables en términos comparables para un agente distinguirá a una marca de las demás.

Uno de los retos es que, con el tiempo, podría haber miles de agentes de consumo y empresariales basados en distintos modelos y conectados a diferentes fuentes de datos. ¿Cómo puede una empresa mantener una representación precisa y ser fácil de encontrar en ese ecosistema fragmentado sin intentar optimizar su presencia para cada agente por separado?

El enfoque de las organizaciones debería centrarse en crear una base confiable y legible por máquinas a la que cualquier agente pueda acceder e interpretar, en lugar de optimizar para agentes individuales. Esto implica publicar información verificable, fiable y actualizada sobre productos, precios y políticas a través de fuentes autorizadas. Es probable que la facilidad para encontrar información no sea suficiente, ya que los agentes empezarán a actuar en nombre de los consumidores, lo que aumentará la necesidad de contar con sistemas que permitan verificar la identidad, confirmar la elegibilidad y realizar transacciones seguras. En un ecosistema de agentes ahora fragmentado, la marca que facilite más la comprensión y la obtención de su información ocupará los primeros puestos en los resultados de búsqueda. Sin embargo, las empresas deberían evitar construir sus sistemas en torno a un único protocolo, porque estos aún están surgiendo y todavía no está claro cuál se impondrá. Por ello, es importante diseñar para la interoperabilidad y para poder adoptar protocolos nuevos o cambiar de protocolo rápidamente a medida que evolucione el ecosistema.

Si el comercio evoluciona de un modelo entre empresas y consumidores a otro entre empresas, agentes y empresas, ¿qué cambios supondrá esto a nivel técnico? ¿Tendrán las empresas que replantearse sus sitios web, API, catálogos de productos, sistemas de identidad u otra infraestructura para que los agentes puedan interactuar directamente con ellas?

Sí, las organizaciones tendrán que replantearse y rediseñar sus sistemas actuales para crear la arquitectura técnica adecuada que permita el comercio agéntico entre empresas. No ocurrirá de la noche a la mañana: llevará tiempo, dada la cantidad de trabajo y el alcance de los cambios necesarios. Hoy, las capacidades de búsqueda y pago avanzan más rápido que la toma de decisiones, ya que las empresas todavía están adquiriendo la confianza necesaria para permitir que los agentes elijan dentro de unos límites establecidos. La prioridad de cualquier CIO, CTO o CISO debería ser ofrecer plataformas de integración escalables y de baja latencia, respaldadas por sólidas alianzas tecnológicas y con integradores. En lugar de renovar por completo los sistemas, los directivos deberían dedicar tiempo a determinar cuáles pueden conectarse a los agentes, identificar los que están bloqueados y probar tareas sencillas en entornos controlados. También es importante que las personas mantengan el control de las transacciones, por lo que las empresas deberían crear vías flexibles que permitan al cliente pasar fácilmente de las interacciones dirigidas por agentes a las dirigidas por personas, en lugar de menoscabar la experiencia humana en aras de la automatización. Con el tiempo, las organizaciones podrán avanzar hacia la creación de una plataforma que gestione varios agentes, la actualización o conexión de sistemas heredados para permitir el acceso de los agentes y la implementación de seguridad avanzada con supervisión en tiempo real.

El marketing digital tradicional se ha optimizado en gran medida en torno a las posiciones en los resultados, las impresiones, los clics y el tráfico del sitio web. Si cada vez más agentes investigan antes de que una persona visite un sitio web, ¿qué métricas nuevas deberían usar las empresas para saber si realmente tienen visibilidad y son competitivas en el proceso de compra agéntico?

Históricamente, el éxito se medía por la capacidad de captar la atención de los consumidores y, en última instancia, ganarse su confianza. A medida que los agentes asuman una mayor parte del proceso de compra, las organizaciones necesitarán nuevas formas de medir si sus marcas son visibles, relevantes y, finalmente, elegidas. Esto incluye vincular el desarrollo de agentes de marca con la medición del rendimiento y evaluar si un agente muestra la marca, reconoce ofertas para las que se cumplen los requisitos y completa una transacción correctamente. Las marcas deberían centrarse en sus compradores, en lugar de en sus competidores, para determinar las inversiones o los cambios en la experiencia, y hacer un seguimiento de cómo descubren los clientes los productos, dónde abandonan el proceso y dónde permanecen. Estas métricas no solo pueden ayudar a las marcas a diferenciar sus propuestas de valor, sino también demostrar el ROI con resultados cuantificables que refuercen la fidelidad de los clientes y la excelencia operativa.

Los agentes de IA pueden resumir información sobre una empresa, compararla con sus competidores y recomendar opciones, posiblemente sin que la empresa controle directamente cómo se la representa. ¿Cómo deberían las marcas detectar información inexacta o desactualizada y establecer una fuente de información autorizada que los agentes puedan utilizar de forma fiable?

Como en cualquier otro sector, auditar los datos de los productos es fundamental para mantener la visibilidad agéntica en todos los canales. Las marcas también deberían considerar Model Context Protocol (MCP) como un facilitador clave, ya que crea un entorno controlado en el que los datos, las herramientas y el contexto se comparten de forma segura con agentes de compra y plataformas externos. La combinación de datos estructurados y MCP puede facilitar las interacciones entre agentes, mejorar la interoperabilidad y ayudar a representar con precisión la información de las marcas y garantizar que reciba la prioridad adecuada. Una vez más, dado que los protocolos aún están surgiendo y todavía no está claro cuál será el más popular, las empresas deberían diseñar sus sistemas para que sean flexibles y puedan conectarse a nuevos estándares, cambiar entre ellos y adoptarlos rápidamente a medida que evolucione el ecosistema.

A medida que los agentes pasen de limitarse a recomendar productos a realizar acciones como solicitar presupuestos, negociar condiciones o efectuar compras, ¿qué importancia adquirirán la infraestructura de identidad, autorización y confianza? ¿Cómo puede una empresa distinguir a un agente de un cliente legítimo de un sistema automatizado en el que no debería confiar?

El comercio entre agentes presenta nuevos riesgos porque las transacciones pueden realizarse rápidamente sin intervención humana; por ello, es fundamental que haya intervención humana y posibilidades de migración durante todo el proceso. Las transacciones de comercio agéntico requieren nuevas medidas de prevención del fraude, controles financieros estratégicos y marcos de informes específicos para la actividad iniciada por máquinas.

A corto plazo, las organizaciones deberían tratar a sus agentes de IA como empleados, con responsabilidades definidas, acceso controlado y rendición de cuentas clara. También necesitarán protocolos para verificar que los agentes sean legítimos, autorizar pagos y hacer cumplir los límites de las transacciones, los permisos de las API y otras medidas de control operativo.

También existe la posibilidad de que la publicidad y las ubicaciones pagadas sigan a los consumidores hasta el ecosistema agéntico. ¿Cómo cree que evolucionarán los incentivos comerciales cuando un agente de IA recomiende productos en nombre de una persona, y qué transparencia será necesaria para que la gente confíe en esas recomendaciones?

Ya vemos cómo se reasigna capital hacia el comercio agéntico: se prevé que los anunciantes de EE. UU. gasten unos 26.000 millones de dólares en anuncios de búsqueda con IA para 2029. Es inevitable que los incentivos comerciales deban evolucionar a medida que las empresas decidan si las promociones y los precios ofrecidos a través de sus canales propios se respetarán en entornos agénticos. Parte de esta evolución exige reglas explícitas sobre cómo interactúan los agentes con los precios y las promociones. Sin medidas de control, los agentes podrían realizar compras según los precios disponibles en el momento de la transacción, lo que podría activar niveles de promoción y precios no previstos y provocar una fuga de márgenes. Las empresas deberían implementar políticas que se ajusten a las normas globales de privacidad y datos, así como a parámetros preaprobados y controlados por personas para cada cliente.

A pesar de la creciente automatización, ha recalcado que el criterio humano seguirá siendo fundamental en las decisiones de compra. ¿Dónde cree que se establecerá el límite entre las decisiones que los consumidores delegarán cómodamente en los agentes y aquellas para las que seguirán queriendo investigar, comparar y tomar la decisión final por sí mismos?

El límite dependerá de lo que esté en juego y de la confianza que el consumidor tenga en el agente. Es posible que la gente se sienta cómoda delegando compras rutinarias y de bajo costo cuando sus preferencias estén claras y las consecuencias de una mala elección sean menores. En decisiones que impliquen un gasto considerable, información confidencial o compromisos contractuales, probablemente esperarán mayor visibilidad y se reservarán la aprobación final. Los consumidores se sentirán cada vez más cómodos con una marca cuando se reduzcan las fricciones; por eso, es importante que les resulte fácil entender qué está ocurriendo y confiar en que la transacción se completará según lo previsto y de forma segura. Por tanto, las marcas deberían ofrecer a los consumidores un control claro sobre lo que un agente puede hacer por su cuenta, cuándo debe pedir permiso y con qué facilidad pueden revisarse o revertirse sus acciones.

Gracias por esta excelente entrevista. Los lectores que deseen explorar el comercio agéntico, la visibilidad impulsada por IA y la infraestructura de confianza que sustenta las compras automatizadas pueden visitar Deloitte.