El camino desde RPA a agentes autónomos

Un investigador de delitos financieros que antes recibía grandes volúmenes de alertas de actividad sospechosa que requerían una tediosa investigación manual, recopilando datos a través de sistemas para eliminar falsos positivos y redactar Informes de Actividad Sospechosa (SAR). Hoy en día, recibe alertas priorizadas con investigación automatizada y contenido sugerido que puede generar SAR en minutos.

Un planificador de categorías de venta al detalle que anteriormente realizaba análisis de horas de informes de semanas anteriores para tratar de descubrir información sobre qué productos tenían un desempeño deficiente y por qué, ahora utiliza la inteligencia artificial para proporcionar información detallada que destaca áreas problemáticas y sugiere acciones correctivas, priorizadas para el máximo impacto empresarial. Un ingeniero de mantenimiento industrial utiliza un copiloto que realiza un monitoreo de salud de activos las 24 horas del día, los 7 días de la semana, y predice problemas y genera advertencias en las primeras etapas de problemas mecánicos o de rendimiento, reduciendo el tiempo de inactividad no planificado.

Estas transformaciones están ocurriendo en empresas de todo el mundo, lo que indica un cambio fundamental: aplicaciones verticales que combinan inteligencia artificial predictiva, generativa y emergente están mejorando y transformando la automatización de flujos de trabajo, brindando capacidades sofisticadas y dirigidas que abordan desafíos más complejos y contextuales que las soluciones anteriores.

El ciclo de hype de tecnologías emergentes de Gartner de 2024 destacó a la inteligencia artificial autónoma como una de las cuatro tendencias de tecnología emergente del año, y con buena razón. Con agentes no de inteligencia artificial, los usuarios tenían que definir qué tenían que automatizar y cómo hacerlo con gran detalle. Pero las aplicaciones que combinan inteligencia artificial predictiva, generativa y pronto agente con conocimientos y flujos de trabajo especializados pueden extraer información de fuentes dispares en toda la empresa, acelerar y automatizar tareas repetitivas, y hacer recomendaciones para acciones de alto impacto. Las empresas que utilizan estas aplicaciones logran una toma de decisiones más rápida y precisa, una identificación y remediación de problemas rápidas, y incluso medidas preventivas para evitar que los problemas ocurran en primer lugar.

Los agentes de inteligencia artificial representan la próxima oleada en la inteligencia artificial empresarial. Se basan en los cimientos de la inteligencia artificial predictiva y generativa, pero dan un gran salto hacia adelante en términos de autonomía y adaptabilidad. Los agentes de inteligencia artificial no son solo herramientas para análisis o generación de contenido, sino sistemas inteligentes capaces de tomar decisiones independientes, resolver problemas y aprender continuamente. Esta progresión marca un cambio de la inteligencia artificial como una herramienta de apoyo a la inteligencia artificial como un participante activo en los procesos empresariales, capaz de iniciar acciones y adaptar estrategias en tiempo real.

La evolución desde RPA a agentes autónomos

Tradicionalmente, la automatización de procesos robóticos (RPA) se utilizaba para procesos y tareas de baja complejidad con entradas de datos estructurados. La RPA utiliza entradas estructuradas y lógica definida para automatizar procesos altamente repetitivos como la entrada de datos, la transferencia de archivos y el llenado de formularios. La amplia disponibilidad de inteligencia artificial predictiva y generativa asequible y altamente efectiva ha abordado el siguiente nivel de problemas empresariales más complejos que requieren experiencia en dominios especializados, seguridad de clase empresarial y la capacidad de integrar diversas fuentes de datos.

En el siguiente nivel, los agentes de inteligencia artificial van más allá de los algoritmos y software de inteligencia artificial predictiva con su capacidad para operar de forma autónoma, adaptarse a entornos cambiantes y tomar decisiones basadas en reglas preprogramadas y comportamientos aprendidos. Mientras que las herramientas de inteligencia artificial tradicionales pueden destacar en tareas específicas o análisis de datos, los agentes de inteligencia artificial pueden integrar múltiples capacidades para navegar entornos complejos y dinámicos, y resolver problemas multifacéticos. Los agentes de inteligencia artificial pueden ayudar a las organizaciones a ser más efectivas, productivas y mejorar la experiencia del cliente y del empleado, todo mientras reducen costos.

Cuando se construyen con los modelos de inteligencia artificial correctos como herramientas y con fuentes de datos verticales y aprendizaje automático para respaldar la actividad contextual especializada, los agentes de inteligencia artificial se convierten en trabajadores de alta productividad en términos de descifrar el problema, tomar los pasos correctos, recuperarse de errores y mejorar con el tiempo en las tareas asignadas.

Navegando la implementación: aspectos clave para que las empresas consideren

Implementar inteligencia artificial predictiva, generativa y eventualmente agente en un entorno empresarial puede ser muy beneficioso, pero dar los pasos correctos antes de la implementación para asegurar el éxito es crucial. A continuación, se presentan algunas de las consideraciones principales para las empresas a medida que consideran y comienzan a implementar agentes de inteligencia artificial.

• Alineación con los objetivos empresariales: Para que la adopción de inteligencia artificial sea exitosa, debe abordar casos de uso específicos en industrias específicas y brindar mayor productividad y precisión. Involucre regularmente a los interesados empresariales en el proceso de evaluación/selección de inteligencia artificial para asegurar la alineación y brindar un ROI claro. Los productos deben adaptarse a procesos y flujos de trabajo que mejoren los resultados para los casos de uso y dominios verticales definidos.
• Calidad, cantidad y integración de datos: Dado que los modelos de inteligencia artificial requieren grandes cantidades de datos de alta calidad para funcionar de manera efectiva, las empresas deben implementar tuberías de recolección y procesamiento de datos robustas para asegurarse de que la inteligencia artificial reciba datos actuales, precisos y relevantes. La curación de fuentes de datos reduce en gran medida el riesgo de alucinaciones y permite que la inteligencia artificial realice el análisis, recomendaciones y decisiones óptimas.
• Seguridad y privacidad: El manejo de datos sensibles en modelos de inteligencia artificial plantea riesgos de privacidad y posibles vulnerabilidades de seguridad. La consideración cuidadosa de qué datos son necesarios para que la inteligencia artificial realice su trabajo, y no proporcionar datos que no sean directamente relevantes, puede ayudar a minimizar la exposición. Las aplicaciones también deben proporcionar control de acceso basado en roles y usuarios con protecciones de autenticación integradas en las capas de datos y API, y confirmar que los datos no llegan a los SLM ni a los LLM sin verificación y protección.
• Infraestructura y escalabilidad: Ejecutar modelos de inteligencia artificial grandes requiere recursos computacionales significativos, y la escalabilidad también puede ser un problema. Un buen diseño evitará el consumo excesivo de recursos, por ejemplo, un SLM especializado puede ser tan efectivo como un LLM más generalizado y reducir significativamente los requisitos computacionales y las latencias.
• Interpretación y explicabilidad del modelo: Muchos modelos de inteligencia artificial, especialmente los de aprendizaje profundo, a menudo se consideran “cajas negras”. Los productos de inteligencia artificial empresarial deben proporcionar transparencia total, incluyendo qué fuentes los modelos accedieron y cuándo, y por qué se hizo cada recomendación. Tener este contexto es fundamental para crear confianza del usuario y impulsar la adopción.

Posibles desventajas de los agentes de inteligencia artificial

Al igual que con cualquier nueva tecnología, los agentes de inteligencia artificial tienen algunas posibles desventajas. Las mejores aplicaciones de agentes de inteligencia artificial confían en procesos de inteligencia artificial con humanos en el bucle, incluidas todas las aplicaciones y capacidades de inteligencia artificial agente de SymphonyAI. Este enfoque permite la supervisión, intervención y colaboración humanas, asegurando que las acciones del agente se alineen con los objetivos empresariales y las consideraciones éticas. Los sistemas con humanos en el bucle pueden proporcionar retroalimentación en tiempo real, aprobar decisiones críticas o intervenir cuando la inteligencia artificial se encuentra con situaciones desconocidas, creando una poderosa colaboración entre la inteligencia artificial y la humana.

La inteligencia artificial responsable también ofrece una interfaz de usuario sólida, trazabilidad y la capacidad de auditar los pasos de por qué el agente eligió una ruta de ejecución. Nosotros nos adherimos a los principios de inteligencia artificial responsable de rendición de cuentas, transparencia, seguridad, confiabilidad/seguridad y privacidad.

El camino hacia agentes autónomos completamente

Es difícil predecir cuán realista es el escenario de agentes completamente autónomos porque no hemos establecido una medida de la industria para el nivel de autonomía. Por ejemplo, el área de conducción autónoma ha establecido niveles 1-5 de capacidad de conducción autónoma, desde el nivel cero, donde el conductor realiza todas las tareas de conducción, hasta el nivel cinco, donde el vehículo realiza todas las tareas de conducción.

Estamos avanzados en lo que considero la tercera fase del camino hacia el valor empresarial con la inteligencia artificial, donde las aplicaciones de inteligencia artificial predictiva y generativa combinadas hacen recomendaciones sofisticadas y respaldan el análisis de “¿y si?”. En SymphonyAI, vemos que la siguiente fase evoluciona hacia agentes de inteligencia artificial autónomos, que trabajan con la inteligencia artificial predictiva y generativa para acelerar las investigaciones de fraude financiero, impulsar la gestión de categorías de venta al detalle y la previsión de la demanda, y permitir que los fabricantes predigan y eviten fallos de máquinas.\

Estamos mejorando actualmente la complejidad y la autonomía de los agentes de inteligencia artificial dentro de nuestras aplicaciones, y la retroalimentación de los clientes es muy positiva. La inteligencia artificial predictiva y generativa han avanzado a un nivel en el que pueden automatizar flujos de trabajo que antes se consideraban demasiado complejos para el software tradicional. La inteligencia artificial autónoma o agente sobresale en el manejo de estas tareas sin supervisión, lo que conduce a ganancias de productividad transformadoras y permite que los recursos humanos se centren en actividades más estratégicas.

Por ejemplo, un banco europeo multinacional que utiliza SymphonyAI Sensa Investigation Hub con agentes de inteligencia artificial y un copiloto ha ayudado a los investigadores de delitos financieros a ahorrar tiempo en sus investigaciones, al mismo tiempo que mejora la calidad de las investigaciones. Dentro de semanas, el banco vio un ahorro promedio del esfuerzo del 20% en las investigaciones de nivel 1 y 2. El banco también proyecta ahorros de costos con SymphonyAI en Microsoft Azure de 3,5 millones de euros al año, incluyendo una disminución del 80% en el gasto con un proveedor de tecnología líder de 1,5 millones de euros al año a 300.000 euros al año.

Con un diseño reflexivo y de clase empresarial que utiliza principios de inteligencia artificial responsable, los agentes de inteligencia artificial entregan productividad, precisión y excelencia transformadoras para una variedad creciente de casos de uso comprobados. En SymphonyAI, nuestra misión es brindar a las empresas agentes de inteligencia artificial que entregan excelencia operativa. Al combinar una respuesta rápida con un pensamiento estratégico a largo plazo, la inteligencia artificial agente está a punto de revolucionar procesos críticos en múltiples industrias.