La próxima crisis de inteligencia artificial en muchas empresas no será la falta de agentes, sino tener demasiados agentes actuando sin coordinación, memoria compartida, límites de autoridad ni criterios claros para decidir. Una organización puede automatizar ventas, servicio, análisis, administración y operaciones y, aun así, terminar creando una nueva forma de desorden digital. El verdadero desafío empresarial ya no consiste solamente en incorporar inteligencia artificial, sino en conseguir que diferentes agentes especializados colaboren como un sistema organizado, comprendan qué tarea corresponde a cada uno, utilicen información confiable, sepan cuándo deben detenerse y reconozcan qué decisiones continúan perteneciendo a las personas. Allí aparece una pregunta que considero mucho más importante que escoger una plataforma: ¿estamos construyendo agentes inteligentes o estamos diseñando una organización capaz de gobernarlos? La diferencia parece pequeña, pero puede determinar el valor, el riesgo y la sostenibilidad de toda una estrategia de inteligencia artificial. 👉 LEE NUESTRO BLOG...
Durante años hemos visto repetirse una situación parecida con diferentes tecnologías. Primero aparece una herramienta prometedora. Después las áreas de la empresa comienzan a adoptarla individualmente. Cada departamento encuentra aplicaciones interesantes, aparecen proveedores, proyectos piloto y automatizaciones. Al poco tiempo, la organización descubre que tiene varias soluciones resolviendo problemas parciales, pero ninguna arquitectura que las conecte.
Con los agentes de inteligencia artificial ese riesgo puede multiplicarse.
Un agente puede investigar información. Otro puede consultar bases de datos. Otro analizar documentos. Otro preparar una propuesta comercial. Otro revisar determinadas condiciones. Otro interactuar con el CRM. Otro elaborar informes para la gerencia.
Individualmente, todos pueden parecer útiles.
El problema comienza cuando deben trabajar juntos.
El error consiste en pensar que varios agentes forman automáticamente un equipo
Una empresa no se convierte en una organización coordinada simplemente contratando personas competentes. Necesita funciones, responsabilidades, información, procedimientos, niveles de autoridad, mecanismos de supervisión y objetivos comunes.
Con los agentes ocurre algo semejante.
Un sistema multiagente utiliza diferentes agentes especializados que colaboran para ejecutar partes de un problema complejo. Las arquitecturas empresariales actuales ya contemplan agentes coordinadores, agentes especializados, mecanismos de evaluación, herramientas externas y participación humana cuando una situación lo requiere. Google Cloud, por ejemplo, describe arquitecturas donde un agente coordinador distribuye trabajo entre subagentes y donde pueden existir procesos secuenciales o ciclos de evaluación y refinamiento.
Pero trasladar ese concepto a una empresa exige bastante más que conectar agentes técnicamente.
Hay que responder preguntas organizacionales.
¿Quién asigna una tarea?
¿Qué información puede consultar cada agente?
¿Qué información puede modificar?
¿Qué ocurre cuando dos agentes producen recomendaciones diferentes?
¿Cuál resultado tiene prioridad?
¿Quién conserva la memoria de una interacción?
¿Qué decisiones requieren autorización humana?
¿Quién responde cuando un agente comete un error?
Estas preguntas muestran por qué los sistemas multiagente no deberían comenzar como un proyecto exclusivamente informático.
Estamos hablando de diseño organizacional llevado al entorno digital.
La inteligencia distribuida necesita responsabilidad distribuida, pero no autoridad ilimitada
Una de las grandes ventajas de utilizar varios agentes consiste en la especialización.
Un agente encargado de analizar contratos no necesita recibir exactamente las mismas instrucciones, herramientas ni permisos que otro dedicado a estudiar comportamiento comercial.
La especialización puede reducir complejidad, facilitar mantenimiento y permitir que cada componente utilice diferentes herramientas o conocimientos. Microsoft señala precisamente especialización, escalabilidad, mantenibilidad y optimización entre las ventajas que pueden justificar una arquitectura multiagente.
Sin embargo, existe una advertencia importante.
Más agentes no significan necesariamente mejores resultados.
Microsoft recomienda comenzar por el nivel de complejidad realmente necesario: determinadas actividades pueden resolverse con una llamada directa a un modelo; otras necesitan un único agente con herramientas; solamente cuando existen verdaderas necesidades de especialización, coordinación entre dominios o separación de permisos tiene sentido introducir una arquitectura multiagente.
Este criterio empresarial me parece fundamental.
La pregunta correcta no debería ser:
“¿Cuántos agentes podemos implementar?”
Debería ser:
“¿Qué resultado empresarial necesitamos obtener y cuál es la arquitectura mínima capaz de producirlo confiablemente?”
Esa diferencia protege presupuesto, reduce complejidad y evita convertir la inteligencia artificial en otro proyecto tecnológico buscando desesperadamente un problema que justificar.
En TODO EN UNO.NET sostenemos desde hace años una filosofía que en esta nueva etapa adquiere todavía más relevancia:
“Nunca la tecnología por la tecnología en sí misma; sino la tecnología por la funcionalidad.”
Un sistema multiagente solamente tiene sentido cuando existe una funcionalidad empresarial suficientemente importante para justificarlo.
Si su organización está explorando agentes, automatización o inteligencia artificial y todavía no tiene claridad sobre qué procesos deberían intervenirse primero, una conversación consultiva puede evitar meses de experimentación dispersa:
https://t.mtrbio.com/todo-en-unonet
El verdadero centro del sistema no es el agente: es la coordinación
Imagine un proceso de atención a una oportunidad comercial.
Un agente recibe la solicitud.
Otro consulta antecedentes del cliente.
Otro analiza necesidades.
Otro revisa información financiera.
Otro prepara una propuesta.
Otro valida condiciones comerciales.
Otro registra la oportunidad en el sistema.
Otro prepara seguimiento.
Desde una demostración tecnológica, esto puede resultar impresionante.
Desde una perspectiva empresarial, todavía faltan las preguntas importantes.
¿Quién controla el proceso completo?
¿Quién determina que la información disponible es suficiente?
¿Quién evita que un agente use un dato desactualizado?
¿Quién identifica contradicciones?
¿Quién impide enviar una propuesta antes de determinadas aprobaciones?
Ahí aparece la función de orquestación.
Una arquitectura multiagente necesita algún mecanismo para distribuir responsabilidades, conservar el estado del proceso, controlar secuencias, consolidar resultados y gestionar excepciones.
No todos los procesos necesitan la misma forma de coordinación.
Algunos pueden ejecutarse secuencialmente: termina una actividad y comienza otra.
Otros permiten trabajar en paralelo: varios agentes analizan diferentes perspectivas simultáneamente.
Otros requieren evaluación: un agente produce un resultado y otro determina si cumple las condiciones necesarias.
Otros pueden necesitar ciclos de refinamiento hasta alcanzar determinado nivel de calidad.
Las guías actuales de arquitectura de Microsoft describen precisamente diferentes patrones de orquestación y advierten que elegir una estructura innecesariamente compleja introduce mayor latencia, sobrecarga de coordinación y nuevos modos de falla.
La lección empresarial es sencilla:
No diseñe la red de agentes alrededor de la tecnología disponible. Diseñe la red alrededor de la lógica real del negocio.
La memoria puede convertirse en ventaja competitiva o en un nuevo problema de información
Un agente que comienza cada conversación desde cero tiene utilidad limitada en numerosos procesos empresariales.
Por eso la memoria se ha convertido en uno de los componentes más importantes de los sistemas de agentes.
Pero hablar de “memoria” como una única cosa puede conducir a errores.
Una organización puede necesitar diferentes niveles.
Existe información temporal necesaria únicamente durante una interacción.
Existe información correspondiente al estado de un proceso: quién hizo qué, qué falta, qué decisiones fueron tomadas.
Existe conocimiento corporativo relativamente permanente: políticas, productos, procedimientos, contratos, manuales o documentación.
Existe también información histórica que puede mejorar futuras decisiones.
El problema aparece cuando todo termina mezclado.
Un agente no debería recordar indiscriminadamente todo lo que ha visto.
Debe recordar aquello que necesita para cumplir su función, durante el tiempo apropiado y dentro de los permisos establecidos.
Microsoft ha incorporado administración de estado basada en sesiones y mecanismos para flujos de larga duración dentro de su actual Agent Framework, precisamente porque la coordinación empresarial exige gestionar contexto y estado de manera estructurada.
Desde el punto de vista organizacional, la memoria de los agentes debería diseñarse bajo las mismas preguntas que aplicamos a cualquier activo de información:
¿De dónde proviene?
¿Quién puede consultarla?
¿Quién puede modificarla?
¿Cuánto tiempo debe conservarse?
¿Qué sucede cuando cambia?
¿Qué dato prevalece si existen contradicciones?
¿Podemos reconstruir posteriormente por qué se tomó una decisión?
La última pregunta será cada vez más importante.
Una empresa que delega actividades en agentes necesita capacidad para reconstruir la cadena de decisiones.
Sin trazabilidad, automatizar decisiones puede equivaler a acelerar problemas.
Los agentes no deberían recibir permisos por comodidad
Cuando una persona entra a una organización, no recibe automáticamente acceso a todos los sistemas.
Con un agente debería ocurrir exactamente lo mismo.
Un agente encargado de elaborar informes puede necesitar lectura de determinada información, pero ninguna capacidad para modificarla.
Otro encargado de actualizar inventario puede necesitar permisos específicos para ejecutar una transacción.
Un agente de atención puede consultar determinados datos de clientes sin necesariamente recibir acceso a información financiera completa.
El principio debería ser sencillo:
cada agente debe disponer únicamente de la información, herramientas y capacidad de acción necesarias para ejecutar su responsabilidad.
Google recomienda controles de identidad y acceso, privilegio mínimo, supervisión humana y observabilidad para sistemas de agentes empresariales. También contempla intervención humana para aprobar, rechazar, corregir o detener acciones cuando el contexto lo exige.
Aquí aparece uno de los cambios conceptuales más importantes.
La IA empresarial ya no puede administrarse solamente como software.
Empieza a necesitar elementos de gobierno semejantes a los utilizados para personas, procesos y sistemas críticos.
Eso significa definir responsabilidades, controles, autorizaciones, supervisión y mecanismos de excepción antes de otorgar autonomía.
La organización necesita saber qué decisiones puede delegar y cuáles no
Este punto merece especial atención.
Muchas empresas están concentradas en descubrir qué puede hacer técnicamente un agente.
Considero más importante identificar qué debería permitírsele hacer.
No son preguntas equivalentes.
Un agente puede tener capacidad técnica para emitir una orden de compra. Eso no significa que deba disponer de autoridad ilimitada para hacerlo.
Puede recomendar un descuento comercial. No significa necesariamente que pueda aprobarlo.
Puede detectar una anomalía en un contrato. No significa que deba tomar unilateralmente una decisión jurídica.
Puede identificar una transacción sospechosa. No significa que deba bloquear automáticamente a un cliente sin considerar reglas, contexto y mecanismos de revisión.
Por ello conviene diseñar niveles de autonomía.
Hay actividades donde el agente observa.
Otras donde recomienda.
Otras donde prepara una acción.
Otras donde ejecuta dentro de límites previamente establecidos.
Y otras donde siempre debe intervenir una persona.
Una organización madura no mide su avance por la cantidad de decisiones que logra eliminar de las personas.
Lo mide por la calidad con la que consigue asignar cada decisión al actor —humano o digital— que puede tomarla con mejores condiciones de información, velocidad, criterio y responsabilidad.
Ese enfoque forma parte de lo que denominamos una Arquitectura de Adopción Inteligente (AAI): introducir inteligencia artificial dentro de la empresa de forma funcional, progresiva, controlada y alineada con procesos y responsabilidades reales.
Si hoy su empresa tiene varios proyectos de IA funcionando independientemente, este puede ser un buen momento para evaluar si esos proyectos están creando capacidades empresariales o simplemente acumulando herramientas:
https://t.mtrbio.com/todo-en-unonet
El primer sistema multiagente debería ser pequeño
Existe una tentación comprensible: comenzar diseñando un “equipo digital” completo.
Agente financiero.
Agente de ventas.
Agente jurídico.
Agente de recursos humanos.
Agente operativo.
Agente de dirección.
Puede sonar atractivo, pero normalmente comenzaría de otra manera.
Escogería un solo proceso suficientemente importante, repetitivo y medible.
Después identificaría dónde comienza y dónde termina.
Determinaría qué decisiones existen dentro del proceso.
Separaría las tareas que requieren diferentes capacidades.
Definiría la información necesaria.
Establecería permisos.
Identificaría los puntos donde una persona debe intervenir.
Definiría qué resultado demuestra que la iniciativa funcionó.
Solamente después decidiría cuántos agentes hacen falta.
Esta forma de pensar evita uno de los errores más frecuentes en transformación empresarial: digitalizar desorden.
Un proceso deficiente no se vuelve excelente porque diferentes agentes lo ejecuten más rápidamente.
Puede convertirse simplemente en un proceso deficiente automatizado.
Antes de construir agentes, dibuje las decisiones
Cuando asesoro procesos empresariales, una de las cosas que más me interesan no son solamente las actividades visibles, sino los puntos de decisión.
¿Quién decide?
¿Con qué información?
¿Basado en qué criterio?
¿Qué ocurre después?
¿Qué excepción puede aparecer?
Ese ejercicio resulta especialmente útil para diseñar agentes.
Cada decisión importante debería tener al menos cinco elementos claros:
Un responsable.
Una fuente de información.
Un criterio.
Un nivel de autoridad.
Un registro del resultado.
Cuando estos elementos no existen para las personas, difícilmente podrán existir para los agentes.
Por eso la adopción de IA termina revelando problemas organizacionales que estaban ocultos.
Documentación contradictoria.
Procesos que dependen de conocimiento informal.
Bases de datos diferentes para una misma realidad.
Responsabilidades ambiguas.
Autorizaciones que nunca fueron formalizadas.
Información duplicada.
Reglas comerciales que cambian según quién las interpreta.
La inteligencia artificial no crea necesariamente esos problemas.
Con frecuencia los hace visibles.
Y esa puede ser una de sus contribuciones más importantes.
La observabilidad será tan importante como la inteligencia
Cuando varias personas participan en un proceso empresarial, normalmente existen supervisores, indicadores, auditorías o mecanismos de control.
Los agentes también necesitan observabilidad.
Una organización debería poder saber qué agente intervino, qué herramienta utilizó, qué información recibió, qué resultado produjo, cuánto costó la ejecución, cuánto tardó y qué ocurrió cuando apareció un error.
Sin esa capacidad, optimizar el sistema se convierte en adivinación.
La observabilidad permite identificar, por ejemplo, que un agente determinado está generando demasiadas consultas, que un flujo produce retrasos innecesarios o que dos agentes intercambian información sin aportar valor suficiente.
Las arquitecturas actuales consideran registro, manejo de errores, mecanismos de reintento y simulación de fallas como componentes importantes de confiabilidad. Google recomienda probar situaciones de falla antes de llevar un sistema multiagente a producción y diseñar mecanismos para gestionar errores de coordinación entre agentes.
No deberíamos olvidar una realidad empresarial básica:
un sistema funciona bien no solamente cuando todo sale correctamente, sino cuando sabemos qué hacer cuando algo sale mal.
También existe una economía de los agentes
Cada agente adicional puede incorporar llamadas a modelos, consultas de información, conexiones con herramientas, tiempo de procesamiento y mecanismos de validación.
El costo no depende solamente del precio individual de una interacción.
Depende de la arquitectura completa.
Si cuatro agentes analizan sucesivamente una información que podía resolver uno, posiblemente hemos creado sofisticación sin productividad.
Si diez agentes deben comunicarse para completar una tarea sencilla, probablemente tenemos un problema de diseño.
Si un sistema paralelo reduce veinte minutos de espera a dos minutos dentro de un proceso crítico, en cambio, puede existir una justificación excelente.
Por eso recomiendo medir antes y después.
Tiempo.
Costo.
Errores.
Reprocesos.
Calidad.
Intervenciones humanas.
Experiencia del cliente.
Riesgo.
Resultado económico.
Una arquitectura de agentes debería poder defenderse frente a esos indicadores, no frente a una demostración tecnológica.
El futuro no será una empresa gobernada por agentes, sino una empresa aumentada por ellos
Existe una narrativa que presenta los agentes como sustitutos digitales de áreas completas.
Prefiero otra interpretación.
Los agentes pueden convertirse en una capa operativa capaz de investigar, preparar, verificar, coordinar, ejecutar actividades repetitivas y mantener continuidad entre diferentes sistemas.
Las personas continúan aportando algo esencial: contexto, responsabilidad, negociación, criterio ético, sensibilidad, visión empresarial y capacidad para comprender situaciones que todavía no pueden reducirse correctamente a instrucciones.
El verdadero salto no consiste en sustituir equipos humanos por equipos artificiales.
Consiste en rediseñar la organización para que personas, procesos, datos, automatización y agentes trabajen dentro de una misma lógica funcional.
Eso exige dirección.
Exige gobierno.
Exige arquitectura.
Y exige resistir la fascinación natural por incorporar tecnología simplemente porque está disponible.
Los sistemas multiagente representan una evolución importante de la inteligencia artificial empresarial. Google ya dispone de arquitecturas de referencia específicas para procesos complejos distribuidos entre agentes especializados, mientras Microsoft plantea patrones explícitos para coordinar sistemas de múltiples agentes y advierte contra introducir esta complejidad cuando un enfoque más sencillo puede resolver el problema.
Esa última advertencia merece convertirse en criterio gerencial.
La mejor arquitectura no es la que tiene más agentes.
Es la que consigue que cada componente tenga una responsabilidad clara, utilice información confiable, actúe dentro de límites definidos y contribuya a un resultado empresarial medible.
En otras palabras: antes de construir una empresa llena de agentes inteligentes, construya una empresa suficientemente inteligente para gobernarlos.
Ese es el verdadero punto de partida.
Porque cuando tareas, memoria, información, decisiones, permisos y supervisión se diseñan como un sistema, los agentes dejan de ser experimentos aislados y comienzan a convertirse en una capacidad organizacional.
Y allí es donde la inteligencia artificial puede producir una transformación sostenible.
Si desea analizar qué procesos de su empresa podrían beneficiarse de agentes de IA, cuáles deberían permanecer bajo control humano y qué arquitectura funcional permitiría integrarlos sin aumentar innecesariamente el riesgo y la complejidad, puede iniciar una conversación con TODO EN UNO.NET:
https://t.mtrbio.com/todo-en-unonet
La empresa del futuro no será necesariamente la que utilice más inteligencia artificial. Será la que haya aprendido a organizarla mejor.