乌鸦传媒

Impulsar el valor empresarial con agentes de IA

El Dr. Walter Sun es vicepresidente s茅nior y director global de Inteligencia Artificial en SAP.

Dirige una unidad centralizada de IA que dise帽a productos de IA para su implementaci贸n y reutilizaci贸n en las aplicaciones de SAP. Antes de incorporarse a SAP, el Dr. Sun fue vicepresidente de Copilot Applied Artificial Intelligence para aplicaciones empresariales en Microsoft. Anteriormente, trabaj贸 en BlackRock Financial Management como analista cuantitativo de carteras y en Apple Inc. como ingeniero de software s茅nior y cient铆fico.

---

La estrategia de IA de SAP: el marco de las 3R

驴C贸mo est谩 SAP integrando la IA en las operaciones comerciales?

SAP sigue el marco de las 鈥�3R鈥� para garantizar que las soluciones de IA sean impactantes y confiables:

1. Relevante: La IA debe adaptarse a las necesidades del negocio. Incorporamos el contexto espec铆fico de cada sector en nuestros modelos de IA. Por ejemplo, una empresa de cadena de suministro en EE. UU. puede tener requisitos diferentes a los de una en el Reino Unido, y nuestra IA se adapta en consecuencia.
2. Fiable: La IA debe proporcionar resultados precisos y basados 鈥嬧�媏n hechos.
3. Responsable: La transparencia es fundamental en nuestro enfoque, garantizando que los usuarios comprendan la l贸gica detr谩s de las decisiones basadas en IA.

SAP integra IA en tres 谩reas clave:

• Integraci贸n nativa con IA: La IA est谩 integrada en aplicaciones SAP como SuccessFactors para la gesti贸n de RR. HH., lo que permite a los usuarios generar descripciones de puestos con lenguaje natural.
• Joule (copiloto de IA): Joule es el asistente digital de SAP, que permite a los usuarios ejecutar tareas sin problemas en todas las aplicaciones de SAP.
• Base de IA en la Plataforma Tecnol贸gica Empresarial (BTP): Nuestro centro de IA generativa (Gen AI) ofrece acceso a m谩s de 30 grandes modelos de lenguaje (LLM), lo que permite a las empresas crear y personalizar aplicaciones de IA.

---

---

Adopci贸n de IA: impulsores y desaf铆os

驴Cu谩les son los impulsores clave que impulsan a las empresas a adoptar IA y agentes de IA?

La principal motivaci贸n de las empresas para adoptar la IA es impulsar la eficiencia y crear valor. Las organizaciones buscan lograr m谩s en menos tiempo, optimizar su toma de decisiones y automatizar tareas repetitivas. La tecnolog铆a de IA, incluidos los agentes de IA, ofrece herramientas potentes para ayudar a las empresas a alcanzar estos objetivos.

Otro factor importante son las necesidades y demandas de los clientes. Los consumidores finales y las empresas esperan interacciones fluidas e inteligentes. La IA puede optimizar el servicio al cliente, personalizar las experiencias de usuario y mejorar la eficiencia general del negocio.

Hist贸ricamente, cada gran cambio tecnol贸gico ha creado ganadores y rezagados. Las organizaciones que reconocieron las ventajas de las computadoras personales desde el principio obtuvieron una ventaja sobre las que se mantuvieron fieles a las m谩quinas de escribir. De igual manera, con la aparici贸n de internet, las empresas que adoptaron la conectividad en l铆nea se volvieron m谩s eficientes que las que no lo hicieron.

La IA representa otro cambio de paradigma. Las empresas reconocen que deben integrar la IA en sus operaciones para mantenerse competitivas. Quieren explorar su potencial y minimizar los riesgos relacionados con la seguridad y la privacidad.

---

驴Cu谩les son algunos de los mayores desaf铆os a la hora de adoptar IA?

Muchas organizaciones est谩n ansiosas por explorar la IA, pero a煤n se encuentran en las primeras etapas y proceden con cautela. Una de sus mayores preocupaciones es la seguridad y la privacidad. Las organizaciones desean aprovechar la IA a la vez que protegen sus datos. Tambi茅n buscan transparencia en la toma de decisiones de los modelos de IA, ya que es clave para generar confianza en el sistema. La confianza es un obst谩culo importante. Las empresas necesitan confiar en los sistemas de IA antes de otorgarles cualquier nivel de autonom铆a. Con el tiempo, a medida que la IA ofrece resultados fiables de forma constante, las empresas se sienten m谩s c贸modas automatizando m谩s tareas y pueden permitir que las implementaciones de IA ejecuten autom谩ticamente ciertas tareas, quiz谩s aquellas que est茅n por debajo de un cierto umbral de riesgo o coste.

La calidad de los datos es otro desaf铆o. Los modelos de IA se basan en datos estructurados de alta calidad. Los datos deficientes generan resultados de IA inexactos. Las organizaciones deben invertir en la gesti贸n y gobernanza de datos para maximizar la eficacia de la IA.

El sesgo en los modelos de IA tambi茅n es preocupante. La IA aprende de datos hist贸ricos, que pueden contener sesgos. Las empresas deben seleccionar cuidadosamente los datos de entrenamiento y aplicar t茅cnicas de mitigaci贸n de sesgos para garantizar la imparcialidad y la precisi贸n en la toma de decisiones de IA.

---

La evoluci贸n de la confianza en la IA

驴C贸mo cree que las organizaciones se adaptar谩n a la toma de decisiones mediante IA?

La adopci贸n de la autonom铆a de la IA seguir谩 el patr贸n de los cambios tecnol贸gicos anteriores. Cuando surgi贸 el comercio electr贸nico, muchas personas se resist铆an a introducir la informaci贸n de su tarjeta de cr茅dito en l铆nea. Pero con el tiempo, gracias a la confianza generada por una tecnolog铆a segura y eficaz, las compras en l铆nea se convirtieron en la norma y, hoy en d铆a, rara vez nos lo pensamos dos veces antes de realizar transacciones digitales.

De manera similar, hoy en d铆a las empresas supervisan de cerca la IA.

Por ejemplo, los sistemas de planificaci贸n de viajes basados 鈥嬧�媏n IA ya sugieren itinerarios, reservan vuelos y hoteles. Inicialmente, los usuarios pueden revisar cada detalle antes de confirmar, pero con el tiempo podr铆an permitir que la IA gestione las reservas de forma aut贸noma. Quiz谩s al principio se comprob贸 que la IA ofrec铆a suficiente tiempo durante una conexi贸n de vuelo, pero ahora se asume que estos sistemas saben cu谩l debe ser el intervalo m铆nimo entre vuelos. Esta ser谩 la progresi贸n natural de la adopci贸n de la IA en todos los sectores.

---

驴Qu茅 tan aut贸nomos deber铆an ser los agentes de IA, especialmente en entornos cr铆ticos como la atenci贸n m茅dica y la industria aeroespacial?

La autonom铆a de la IA es un espectro. Con el tiempo, a medida que aumenta la confianza, las organizaciones pueden aumentar gradualmente la autonom铆a de la IA estableciendo umbrales predefinidos. Por ejemplo, si un agente de IA gestiona reembolsos, las aprobaciones inferiores a 100 $ podr铆an procesarse autom谩ticamente, mientras que las cantidades superiores a 10 000 $ podr铆an requerir la aprobaci贸n de la gerencia. Este enfoque estructurado ayuda a generar confianza en la IA y a aumentar su valor asistencial sin comprometer la supervisi贸n.

El mismo principio se aplica a la atenci贸n al cliente. Los agentes de IA pueden gestionar consultas est谩ndar, pero derivar casos complejos a representantes humanos. De igual forma, en finanzas, la IA puede validar facturas y contrastar datos financieros antes de requerir la aprobaci贸n humana para transacciones grandes.

Sin embargo, en entornos cr铆ticos como la atenci贸n m茅dica, la industria aeroespacial o la producci贸n industrial, no es aconsejable avanzar hacia una autonom铆a total de la IA. Estos campos exigen una validaci贸n y rendici贸n de cuentas rigurosas. La IA puede ayudar analizando grandes cantidades de datos, detectando anomal铆as y recomendando acciones, pero los expertos humanos siempre deben tomar decisiones de alto riesgo. A medida que los modelos de IA se vuelven m谩s sofisticados y fiables, el equilibrio entre la automatizaci贸n de la IA y la supervisi贸n humana seguir谩 evolucionando.

---

El auge de los sistemas de IA multiagente

驴C贸mo funcionan los sistemas de IA multiagente y c贸mo est谩n transformando los procesos de negocio?

Los sistemas de IA multiagente permiten que diferentes agentes de IA colaboren y ejecuten flujos de trabajo complejos. Un buen ejemplo es la gesti贸n de disputas. Cuando un cliente presenta una queja por una entrega incompleta, varios departamentos (finanzas, cadena de suministro y atenci贸n al cliente) deben coordinarse. Tradicionalmente, este proceso pod铆a tardar d铆as o incluso semanas, con gran parte del tiempo de inactividad esperando a que los humanos interpretaran el contexto de la solicitud y respondieran.

Con sistemas multiagente impulsados 鈥嬧�媝or IA, el flujo de trabajo se agiliza:

1. Un agente de IA conversacional interact煤a con el cliente y registra la disputa.
2. El agente de IA de la cadena de suministro recupera los registros de entrega para verificar los detalles del env铆o.
3. El agente de IA de finanzas verifica las facturas para confirmar la elegibilidad del pago y el reembolso.
4. El agente de IA de CRM redacta un correo electr贸nico de resoluci贸n seg煤n las pol铆ticas de la empresa.

Lo que antes requer铆a una extensa coordinaci贸n humana ahora se realiza en cuesti贸n de minutos. Con la aprobaci贸n final de un supervisor humano. Esto mejora dr谩sticamente la eficiencia y la satisfacci贸n del cliente.

---

驴En qu茅 etapa se encuentran las empresas en la implementaci贸n de sistemas de IA multiagente?

En SAP, colaboramos con nuestros clientes a trav茅s de programas de adopci贸n temprana para integrar soluciones de IA de m煤ltiples agentes en sus flujos de trabajo.

Algunas empresas est谩n probando sistemas de compras basados 鈥嬧�媏n IA, donde diferentes agentes de IA gestionan las negociaciones con proveedores, la validaci贸n de contratos y la aprobaci贸n de compras. Otras est谩n implementando sistemas de RR. HH. basados 鈥嬧�媏n IA que automatizan la selecci贸n de candidatos, la programaci贸n de entrevistas y los procesos de incorporaci贸n. El objetivo es generar confianza en la IA antes de implementar la automatizaci贸n a gran escala.

A medida que las empresas adquieren experiencia con la automatizaci贸n impulsada por IA, esperamos una adopci贸n m谩s amplia de sistemas de IA de m煤ltiples agentes en industrias como finanzas, gesti贸n de la cadena de suministro y atenci贸n al cliente.

---

Inversi贸n en IA y expectativas de retorno de la inversi贸n

驴Qu茅 nivel de inversi贸n se requiere para implementar agentes de IA?

La inversi贸n en IA depende del tama帽o de la organizaci贸n y de la infraestructura existente. Las grandes organizaciones con necesidades de IA muy espec铆ficas pueden contratar equipos de ciencia de datos dedicados a desarrollar soluciones de IA personalizadas, mientras que las organizaciones medianas o grandes con necesidades empresariales est谩ndar de IA suelen utilizar plataformas de IA basadas en SaaS (software como servicio), como Joule AI de SAP, para una implementaci贸n m谩s r谩pida.

Para la mayor铆a de las empresas, la inversi贸n incluye:

• Suscripciones a software y plataformas de IA
• Integraci贸n con sistemas empresariales existentes
• Capacitaci贸n de empleados sobre flujos de trabajo basados 鈥嬧�媏n IA.

El ROI var铆a seg煤n los casos de uso. Las organizaciones que implementan IA para tareas de gran volumen, como la resoluci贸n de disputas o la conciliaci贸n financiera, suelen obtener un r谩pido ROI. Por ejemplo, si la automatizaci贸n basada en IA permite a una organizaci贸n duplicar su capacidad de atenci贸n al cliente sin personal adicional, las mejoras en la eficiencia compensan r谩pidamente la inversi贸n inicial.

Especialmente cuando la automatizaci贸n impulsada por IA conduce a mejoras mensurables en la productividad y la calidad del servicio.

---

Sostenibilidad e IA: gesti贸n de la huella de carbono

驴C贸mo pueden las organizaciones mitigar el impacto ambiental de la IA?

La sostenibilidad es un factor clave en la adopci贸n de la IA. En SAP, ofrecemos una Torre de Control de Sostenibilidad que ayuda a las organizaciones a visualizar su huella de carbono y a tomar medidas correctivas. La IA puede ayudar a identificar ineficiencias, como oficinas que dejan las luces encendidas durante la noche o usan el aire acondicionado en exceso, analizando los datos de consumo energ茅tico y proporcionando informaci贸n que permite a la gerencia actuar.

Adem谩s, Generative AI Hub de SAP admite m煤ltiples LLM con una capa de abstracci贸n que optimiza tanto los costes como el consumo energ茅tico. No todas las tareas de IA requieren los modelos m谩s potentes. Para consultas sencillas de clientes, se puede utilizar un modelo de IA ligero en lugar de un modelo de alto rendimiento como GPT-4, lo que mejora la rentabilidad manteniendo el rendimiento de la IA.

---

Pensando en el futuro

驴C贸mo ve la colaboraci贸n de los agentes de IA con los equipos humanos?

A medida que la tecnolog铆a de IA avanza, es posible que veamos equipos h铆bridos donde los agentes de IA asuman m谩s responsabilidades operativas, mientras que los humanos se centran en la toma de decisiones estrat茅gicas. Estos agentes de IA pueden desempe帽ar las mismas funciones que un aprendiz o asistente junior para un puesto s茅nior, gestionando tareas repetitivas pero f谩ciles de ejecutar. Los asistentes de IA se convertir谩n en parte integral de los flujos de trabajo diarios, coordinando horarios, elaborando informes y optimizando los procesos de negocio.

---

驴Se transformar谩n los departamentos de TI en departamentos de RR.HH. para agentes de IA, como sugiri贸 recientemente Jensen Huang [CEO de NVIDIA]?

Si bien los agentes de IA desempe帽ar谩n un papel m谩s importante en las operaciones comerciales, los departamentos de TI y RR. HH. no desaparecer谩n. Al contrario, los equipos de TI evolucionar谩n para gestionar flujos de trabajo impulsados 鈥嬧�媝or IA, garantizando que los modelos de IA est茅n correctamente integrados y alineados con las necesidades del negocio. De igual manera.

Una comparaci贸n hist贸rica es el desarrollo del rol de los bibliotecarios. Antes de los motores de b煤squeda, los bibliotecarios ayudaban a las personas a encontrar informaci贸n manualmente. Con el auge de internet, su funci贸n se centr贸 en ense帽ar a los usuarios a navegar eficazmente por los recursos en l铆nea. De igual manera, los profesionales de TI y RR. HH. se capacitar谩n para gestionar procesos basados 鈥嬧�媏n IA y tambi茅n har谩n mucho m谩s aprovechando la IA disponible, garantizando un uso eficaz y 茅tico de la IA.

---

驴C贸mo evolucionar谩n los agentes de IA en los pr贸ximos tres a cinco a帽os?

Inicialmente, los modelos de IA se entrenaban con amplios conjuntos de datos, lo que los convert铆a en asistentes de prop贸sito general. Ahora, avanzamos hacia modelos de IA espec铆ficos para cada sector, adaptados a campos como las finanzas, la cadena de suministro y la salud.

La pr贸xima evoluci贸n son los agentes de IA personales que comprenden las preferencias y los flujos de trabajo individuales. Imagine un asistente de IA que conozca sus aerol铆neas preferidas para viajes de negocios, priorice sus correos electr贸nicos seg煤n la urgencia y resuma las actualizaciones clave de los mercados globales antes de sus reuniones matutinas. Este nivel de personalizaci贸n transformar谩 la productividad, haciendo que la IA sea indispensable.