La inteligencia artificial (IA) dejó de ser solo una herramienta que responde cuando alguien le escribe una consigna. En las empresas argentinas y en el mercado global ya empezó otra etapa, más enfocada en sistemas capaces de actuar con mayor autonomía.
Hasta hace poco, la novedad pasaba por modelos que redactaban correos electrónicos, resumían contratos extensos o ayudaban a escribir código en segundos. Esos asistentes cambiaron la rutina de muchas áreas, pero tenían una condición básica. Necesitaban que una persona les indicara qué hacer, con instrucciones precisas y paso a paso.
Ahora el foco se mueve hacia la inteligencia artificial agéntica. A diferencia de la IA generativa más conocida, estos sistemas reciben un objetivo amplio y avanzan por su cuenta. Pueden planificar acciones, leer el contexto de una operación, consultar datos, tomar decisiones durante el proceso y completar una tarea de punta a punta. Para las compañías, la promesa no está solo en contestar mejor, sino en resolver gestiones enteras con menos intervención humana.
Iván Morero, director general ejecutivo de la empresa Konecta para el Cono Sur, lo resumió ante iProfesional como un cambio de rol para la tecnología. Según explicó, el primer desafío es asumir que la inteligencia artificial ya no se limita a asistir, sino que empieza a ejecutar procesos por sí misma. Morero detalló que la IA generativa ayuda a crear textos, imágenes o código, pero depende de un usuario que le dé instrucciones. En ese esquema, el comportamiento es reactivo. En cambio, la inteligencia artificial agéntica entiende el entorno, arma un plan y avanza hasta completar el objetivo.
Según el ejecutivo, la persona delega una labor en la herramienta y ésta la ejecuta de forma autónoma, con decisiones en tiempo real, uso de bases de datos y capacidad de adaptación ante situaciones cambiantes, sin intervención humana continua.
Por qué muchos proyectos se frenan cuando salen del laboratorio
El entusiasmo por la inteligencia artificial no siempre coincide con lo que pasa en una operación real. Muchas compañías prueban soluciones en entornos controlados, con bases de datos prolijas, pocas variables y resultados vistosos para una presentación interna. En ese contexto, todo parece funcionar. El problema aparece cuando el proyecto debe operar con clientes reales, reclamos urgentes, información incompleta, sistemas viejos y picos de demanda difíciles de prever.
Para Morero, los tropiezos no suelen explicarse solo por fallas técnicas. El problema aparece cuando la adopción se piensa como la simple instalación de una herramienta, sin mirar cómo trabaja la compañía todos los días.
El ejecutivo advirtió que los fracasos pueden deberse a distintos factores, pero casi siempre están vinculados con errores de enfoque o con la falta de una decisión gerencial para sostener el plan hasta el final. También mencionó un informe reciente del Instituto de Tecnología de Massachussets (MIT) que remarca que el principal inconveniente es creer que todo se reduce a tecnología pura.
Para que una herramienta de este tipo funcione fuera de una prueba piloto, tiene que integrarse con procesos, equipos y canales ya existentes. Konecta impulsa Kolibri, una plataforma creada a partir de su experiencia en la gestión diaria de millones de interacciones. Morero sostuvo que su objetivo es convertir pilotos en herramientas integradas a la operación diaria y en resultados de negocio medibles. La propuesta incluye una biblioteca de casos de uso ya probados, preconstruidos en un ochenta por ciento, y deja el resto para adaptarlos a los sistemas y flujos de cada organización.
Qué sectores argentinos tienen más presión para adoptar agentes de IA
Las empresas que manejan grandes volúmenes de consultas, pagos, reclamos o entregas aparecen entre las primeras interesadas. En la Argentina, la presión se nota especialmente en telecomunicaciones, banca, servicios financieros y comercio electrónico. Son sectores con muchos clientes, operaciones sensibles y poco margen para demoras o errores.
En telecomunicaciones, el volumen diario de consultas es enorme. Cambios de plan, problemas de facturación, reportes de fallas, pedidos de portabilidad y reclamos técnicos conviven en una misma operación. Morero explicó que todos los sectores están urgidos a adoptar esta innovación, aunque cada uno tiene sus particularidades.
En telcos, los agentes virtuales son fundamentales para manejar con eficiencia y escala un caudal masivo de consultas, reducir costos operativos y competir en un mercado muy exigente. Un agente bien configurado puede detectar una caída de servicio, cruzar reportes de usuarios, aplicar una bonificación y enviar una notificación sin esperar la intervención de un operador.
En bancos y tecno financieras (“fintech”), el foco está puesto en automatizar sin perder control. Morero señala que las entidades financieras necesitan herramientas avanzadas para cobranzas, detección de fraude y gestión de reclamos. Un error en una operación bancaria puede afectar a un cliente, generar sanciones o abrir investigaciones. En retail y comercio electrónico, el atractivo pasa por ordenar grandes cantidades de datos dispersos y unificar procesos que suelen estar repartidos entre ventas, atención, logística y posventa.
Cómo se conectan los agentes de IA con sistemas viejos
Una de las mayores dificultades para las áreas de sistemas es la convivencia entre nuevas plataformas de IA y tecnologías heredadas. Muchas empresas todavía operan con bases de datos antiguas, software de administración de relaciones con los clientes (CRM, sigla en inglés) de distintas generaciones, servidores propios y servicios en la computación en nube. Para resolver una gestión completa, un agente autónomo necesita consultar información, actualizar registros, procesar pedidos y dialogar con aplicaciones que no siempre fueron diseñadas para integrarse entre sí.
Morero reconoció que el reto es considerable. Según explicó, la clave está en conectar datos de clientes, sistemas empresariales y canales de comunicación en una misma arquitectura. El directivo sostuvo que buena parte del éxito depende de implementar herramientas que se adapten a los sistemas existentes con la menor interrupción posible. Por eso, describió una arquitectura abierta, capaz de integrarse con bases de datos, plataformas de seguimiento de incidencias y canales de contacto.
En ese punto aparecen herramientas complementarias. Morero mencionó Epiron, una que reúne canales digitales de comunicación, clasifica contactos, identifica señales del estado emocional del usuario y revisa interacciones previas para recomendar respuestas. También destacó Loope, un asistente operativo que lee fuentes de información en tiempo real, analiza el comportamiento del consumidor, audita el desempeño de equipos y sugiere mejoras. La idea es que el agente cuente con contexto suficiente antes de actuar.
Qué controles piden los sectores regulados antes de delegar tareas
Delegar decisiones operativas en un sistema autónomo genera dudas lógicas en sectores regulados. Finanzas, seguros, energía y salud necesitan controles sólidos, trazabilidad y auditorías verificables. Un error de un agente automatizado puede derivar en reclamos, sanciones o riesgos legales. Por eso, no alcanza con que la herramienta responda rápido. También debe explicar qué hizo, cuándo lo hizo y con qué información tomó cada decisión.
Morero indicó que Kolibri cuenta con la certificación ISO 42001, un estándar internacional para diseñar, desplegar y monitorear inteligencia artificial de forma responsable y auditable. Para las empresas argentinas sometidas a controles internos, auditorías externas o regulaciones sectoriales, este tipo de respaldo permite ordenar la gestión de riesgos y documentar el funcionamiento de los modelos.
El ejecutivo agregó que esta certificación valida la gestión de riesgos como sesgos algorítmicos, fallas técnicas o brechas de seguridad, con procesos para identificar, evaluar y mitigar problemas. También subrayó la necesidad de transparencia y rendición de cuentas. En esa línea, la trazabilidad se apoya en un registro auditable de cada decisión y en alertas automáticas ante anomalías.
Qué pasa con los empleos cuando la IA resuelve más tareas
La pregunta que aparece en centros de contacto, áreas de atención y equipos de administración de empleados es inevitable. Si los agentes de inteligencia artificial pueden resolver gestiones completas, qué lugar queda para las personas. El debate gira alrededor de la eficiencia y también del impacto laboral. En la mirada de Konecta, el modelo que gana lugar es mixto. La tecnología absorbe tareas repetitivas y los equipos humanos intervienen cuando la situación requiere criterio, negociación o empatía.
Morero afirmó que es necesario orquestar de manera eficiente la interacción humana con los sistemas autónomos. Según detalló, la tecnología puede resolver entre el 80% y el 90% de las operaciones rutinarias, mientras que la escala real se logra cuando la intervención humana aparece en el momento exacto en que el cliente la necesita. Al reducir la carga de tareas mecánicas, los colaboradores pueden enfocarse en casos más sensibles.
El directivo sostuvo que esta tecnología no elimina roles laborales, sino que los modifica para mejor. De acuerdo con su visión, cuando las personas intervienen en casos excepcionales y conflictivos, que suelen representar entre el 5% y el 10% de la operación diaria, ganan tiempo para mejorar la calidad de la gestión y retener clientes mediante empatía y negociación. También señala que el impacto se nota en el clima laboral, con menos repetición de tareas y más uso del criterio profesional.
Morero agregó que este cambio exige capacitación y escucha permanente de las necesidades de los empleados. El objetivo es crear espacios de trabajo donde las personas crezcan profesionalmente y aporten ideas para mejorar procesos. En implementaciones vinculadas con cadenas de reparto de comida, como Food Delivery Brands, los asistentes de voz resuelven la mayoría de los pedidos habituales y dejan para los empleados los casos que requieren una corrección, una negociación o una queja compleja.
Cómo evitar que el costo de la IA se dispare en la computación en la nube
El costo es una de las mayores preocupaciones para las empresas que evalúan agentes de inteligencia artificial. Estos sistemas consumen recursos de cómputo de forma variable, según la cantidad y complejidad de las tareas que ejecutan. A diferencia de otras plataformas más previsibles, los gastos pueden cambiar de un mes a otro y aparecer en dólares, algo que en la Argentina pesa mucho en cualquier presupuesto.
Para Morero, una de las funciones más valoradas por los directores financieros es el monitoreo y la gestión de costos. Estas herramientas permiten ver el consumo de recursos en tiempo real y seguir la evolución económica de cada proyecto. Así, la empresa puede controlar rendimiento, gasto y gobierno de la operación sin depender de estimaciones tardías.
El ejecutivo también señaló que Konecta organiza su modelo comercial alrededor de casos de uso empresariales, en lugar de cobrar licencias fijas por agente humano o precios difíciles de prever basados en tokens. Con paneles de control financiero orientados a la computación en la nube, las compañías pueden identificar qué modelos operativos resultan más convenientes y dirigir allí el presupuesto.
Iván Morero
Qué tan preparadas están las empresas argentinas para este cambio
La Argentina muestra una mezcla particular. Tiene talento técnico reconocido, universidades con buen nivel y profesionales de software buscados por empresas de distintos países. Al mismo tiempo, la adopción de herramientas autónomas avanza con más cautela que en otros mercados de la región. Las razones pasan por la capacidad técnica y por el contexto económico y la dificultad para planificar inversiones de largo plazo.
Morero describió una paradoja argentina. Por un lado, hay sofisticación técnica en ciertos polos de actividad. Por otro, la adopción de herramientas innovadoras aparece demorada frente a mercados como Brasil, Chile o México. Según el directivo, el país cuenta con talento intelectual de exportación, pero su entorno de negocios sigue condicionado por variables políticas y económicas que generan incertidumbre para pensar a futuro.
El ejecutivo sostuvo que los directivos argentinos están acostumbrados a navegar contextos difíciles, pero que hoy deben concentrar mucha energía en manejar volatilidad macroeconómica, caídas de consumo y modificaciones cambiarias. Ese escenario demora decisiones de inversión en tecnología. Para avanzar, las empresas necesitan dejar atrás áreas aisladas y adaptar su cultura de trabajo a procesos más conectados.
Para convencer a un directorio local, la propuesta debe mostrar resultados en poco tiempo. Morero afirmó que el principal atractivo de estas plataformas es acelerar el retorno financiero. Si una herramienta permite pasar de varios meses a ventanas de entre 30 y 90 días para alcanzar el punto de equilibrio, la ecuación de riesgo cambia. En ese punto, la IA agéntica deja de ser una prueba llamativa y empieza a discutirse como una herramienta concreta para mejorar la operación.
