Rodrigo Cabot, gerente de Desarrollo de Negocios, Alianzas y Estrategia Tecnológica de Ecosistemas Global, expuso, el 6 de agosto en el AI Strategy Summit de Río de Janeiro, sobre la evolución hacia la llamada inteligencia artificial (IA) agéntica: modelos capaces de interpretar objetivos, tomar decisiones y ejecutar procesos con mayor autonomía.
En la conferencia titulada “La era de la empresa agéntica: automatización cognitiva y gobernanza de IA”, el directivo ubicó el principal desafío en el pasaje desde la adopción inicial de herramientas de IA hacia su operación a escala dentro de las organizaciones. Ese salto, planteó, requiere sostener observabilidad, calidad de software, seguridad, trazabilidad y gobernanza para evitar que la autonomía se traduzca en mayor riesgo operativo.
“La autonomía sin control no genera necesariamente más innovación. Para llevar agentes de IA a procesos críticos necesitamos arquitecturas que permitan saber qué decidió el sistema, por qué lo hizo y con qué resultado”, señaló Cabot.
La exposición describió una transición desde la automatización tradicional, basada en reglas fijas y tareas repetitivas, hacia arquitecturas agénticas más dinámicas. En ese esquema, los agentes pueden comprender objetivos de negocio, analizar el entorno, gestionar situaciones ambiguas, tomar decisiones intermedias y ejecutar acciones. “La automatización tradicional generó importantes mejoras de eficiencia, pero muchas organizaciones llegaron a un punto de saturación debido a la rigidez de los flujos, los elevados costos de mantenimiento y las dificultades para escalar. La empresa agéntica representa una evolución: pasamos de sistemas que repiten instrucciones a agentes capaces de interpretar objetivos y adaptarse al contexto”, explicó Cabot.
Otro punto fue la necesidad de superar la incorporación fragmentada de soluciones tecnológicas. El enfoque propuesto se centró en pasar de herramientas aisladas a una arquitectura integrada que articule talento humano, automatización, datos, calidad del software, seguridad y gobernanza dentro de un marco coherente. En esa línea, se mencionaron integraciones como agentes conversacionales en atención al cliente, sistemas capaces de operar aplicaciones mediante visión computacional, modelos especializados y entornos multiagente orientados a resolver procesos complejos.
La agenda también incluyó el crecimiento del Model Context Protocol (MCP) como estándar para conectar agentes de IA con datos, repositorios y herramientas empresariales de manera estructurada, junto con el uso de modelos de lenguaje más pequeños y especializados, con el objetivo de reducir la latencia y mejorar el desempeño en determinados contextos operativos.
En materia de riesgos, Cabot enumeró desafíos vinculados con seguridad de la información, protección de datos, sesgos, respuestas incorrectas de los modelos y falta de trazabilidad sobre decisiones automatizadas. “Gobernar la inteligencia artificial no significa frenar la innovación. Significa construir las condiciones necesarias para que pueda escalar de forma segura, medible y alineada con los objetivos y las políticas de riesgo de la organización”, señaló Cabot.
Por último, propuso un enfoque dual de aseguramiento de la calidad: pruebas automatizadas y continuas para aplicaciones tradicionales y controles específicos para sistemas de IA sobre precisión, consistencia, razonamiento, sesgos y comportamiento en producción.
