Agents for Business Applications y el Integrador por capas.

La innovación en Inteligencia Artificial por parte de las grandes tecnológicas creadoras de modelos de Agentes avanza más rápido de lo que cualquier empresa, sin importar su músculo económico, pueda absorber. No obstante, el aumento de ingresos a nivel mundial por uso de la IA es del 60%.

Según el estudio reciente publicado por Penteo, solo un 35% de las empresas están en fase de exploración de uso de la IA con sus primeras pruebas piloto y en lo que se refiere a su implementación, son un 43% las empresas españolas que estarían en esta fase. 

La falta de confianza en la IA sigue siendo un obstáculo crítico en España para la adopción. Por su parte, la Ley de IA de la UE busca categorizar las Aplicaciones de IA por nivel de peligro, limitando su uso en escenarios de alto riesgo, como el de la vigilancia biométrica.

La IA aplicada a la Ciberseguridad está demostrando avances muy importantes en la autonomía de la Inteligencia Artificial para la Eficiencia Operativa, llevándonos al tema que hoy analizamos de la IA autónoma y su integración e implicación en la gestión empresarial desde una integración basada en capas tecnológicas.

Las empresas no implementarán la IA a gran escala si no confían en la seguridad, la mitigación de sesgos, la explicabilidad y el cumplimiento normativo.

Gartner proyecta que los Centros de Operaciones de Seguridad (SOC), impulsados por IA, reducirán las cargas de trabajo manuales de Ciberseguridad en un 40 % para 2027, gracias a la capacidad de la IA para detectar y responder a las amenazas más rápido que los analistas humanos.

Sin un modelo de confianza en IA ampliamente aceptado, las empresas seguirán siendo reticentes y la ambigüedad regulatoria seguirá frenando su adopción.

Es necesario un enfoque estructurado para abordar su integración. Y ese enfoque debe ser explicado, analizado y trasladado al cliente de forma que pueda entender cada estructura de capas para que obtenga las garantías de que implementa la IA de forma responsable.

Para ello, es importante entender el contexto de las principales tendencias que definirán el panorama de los Agentes de IA analizadas, recientemente por CB Insights, en el informe What’s next for AI agents? 4 trends to watch in 2025.

• Partimos de la premisa que, el dominio de los gigantes tecnológicos y los principales desarrolladores de LLM en los casos de uso de Agentes de propósito general está impulsando un cambio en su evolución en el mercado.Se espera que los desarrollos de IA de las grandes tecnológicas hagan que los Agentes sean mejores, más baratos y omnipresentes en 2025, ejerciendo presión sobre los actores privados. 
   
• Estas empresas tienen ventajas significativas debido a sus enormes canales de distribución. Por ejemplo, OpenAI tiene 400 millones de usuarios activos semanales y a que muchas empresas prefieren proveedores establecidos por su menor riesgo. Las empresas más reacias al riesgo probablemente recurrirán a las grandes tecnológicas y a los proveedores de la nube, especialmente a aquellos con los que ya trabajan.

Las Tecnológicas querrán diferenciarse en la creación de Agentes de IA de sus plataformas aprovechando extensamente los datos para construir Soluciones de IA, mediante una creciente especialización industrial.

El mercado privado de Agentes de IA se mueve hacia una mayor especialización. 
En un mercado cada vez más saturado de Agentes de IA horizontales, las empresas exitosas se están diferenciando en áreas como la atención al cliente y la codificación, aprovechando una integración más profunda del flujo de trabajo y los datos de los clientes.
De lo que deducimos que habrá un mayor despliegue de Soluciones de modelos de IA específicos para cada industria y necesidad. 

Cristalización de la pila de Infraestructura de Agentes de IA. 
El panorama fragmentado se está estructurando, con Soluciones especializadas que emergen para diferentes aspectos del desarrollo de Agentes. Las categorías clave incluyen la curación de datos para asegurar la integridad de los datos, estructurados y documentados desde las fuentes propias plataformas, aplicaciones, dispositivos, web y el uso ético de herramientas, la evaluación y la observabilidad, incluyendo las plataformas de desarrollo de Agentes de IA de pila completa. Estas plataformas sirven como ventanillas únicas para las empresas que desean desarrollar y lanzar Agentes.

Experimentación con modelos y paso a la implementación de Agentes.
Las organizaciones están explorando activamente la adopción de Agentes de IA, con un 63% de las encuestadas por CB Insights otorgándoles una gran importancia para los próximos 12 meses.

• Se esperan más implementaciones en el próximo año. 
• Persisten las controversias en torno a la confiabilidad y la seguridad, la implementación y el talento.
• La supervisión humana en el bucle y una sólida gestión de la infraestructura de datos pueden ayudar a abordar estas preocupaciones.

La implementación de Agentes de IA representa un nuevo ciclo de la IA, no exento de barreras.

• El 47% de los encuestados ven como principal barrera de la implementación en la confiabilidad y seguridad. Las empresas deben abordar las integraciones desde la privacidad de los datos y la precisión constante de los resultados de los Agentes, especialmente en los casos de uso orientados al cliente.
• Un 41% de las organizaciones enfrenta obstáculos técnicos para integrar los Agentes con los sistemas heredados y las fuentes de datos existentes.
• El 35% de las empresas señala la necesidad de experiencia técnica para la implementación y capacidades de gestión del cambio para impulsar la adopción de AI Agents.

La implementación exitosa de Agentes de IA en Business Applications requiere una visión holística que abarque todas estas capas tecnológicas, con una infraestructura de datos sólida como el cimiento fundamental. Sin esta base, los esfuerzos en las capas superiores corren el riesgo de ser ineficientes e incluso fallidos.

De la fase de experimentación a la de implementación en marcha.

Microsoft trabaja sobre los ejes fundamentales para el despliegue de Infraestructura de IA y Cloud que ayude a la implementación confiable de la Inteligencia Artificial en las Empresas.

Mientras que los Copilots suelen asistir a los usuarios dentro de una Aplicación específica, los Agentes de IA llevan a cabo tareas complejas en nombre de un usuario con una intervención mínima. 

Una vez que se les asigna una tarea, pueden utilizar sus capacidades basadas en modelos de lenguaje grande (LLM) para explorar por diferentes herramientas y datos la consecución de un objetivo. Para que ese objetivo alcance su logro la integración de las capas tecnológicas es la parte más importante de la integración tecnológica de IA.

La IA responsable, IA segura, el desarrollo de la Industria con IA, la IA en la nube y la IA para el talento digital. 

Sin una infraestructura de datos robusta, escalable, segura y bien gobernada, cualquier intento de implementar agentes de IA será frágil y propenso a errores.

Una Infraestructura de datos sólida es necesaria para una implementación correcta ya que las organizaciones que pueden gestionar eficazmente sus bases de conocimiento para obtener valor de los Agentes de IA, que además contemple todos los aspectos para mitigar los riesgos relacionados con la confiabilidad y la seguridad, a supervisión humana y la autonomía de Agentes de IA para la cocreación conjunta.

Sin datos de calidad, accesibles y bien gestionados, los modelos de IA no podrán aprender de manera efectiva y, por lo tanto, los Agentes de IA no podrán ofrecer resultados precisos y útiles.

1. La calidad y cantidad de datos de entrenamiento son cruciales para el rendimiento de los modelos. 
2. Un buen gobierno de datos asegura la trazabilidad y la comprensión de cómo se utilizan los datos por los Agentes de IA.
3. Una infraestructura escalable puede manejar grandes volúmenes de datos y soportar el crecimiento de las IAs.
4. Una infraestructura segura protege los datos sensibles y garantiza el cumplimiento normativo para el uso de la IA.

Microsoft Security AI, entiende perfectamente esta problemática dando respuesta a las necesidades del mercado de la seguridad para la Inteligencia Artificial.

En relación con el marco de IA responsable de Microsoft, que integra transparencia y evaluación de riesgos en las implementaciones de IA tenemos ejemplos claros con los avances en Microsoft Sentinel, como ejemplo.

•    Detección de amenazas y capacidades de IA con herramientas avanzadas.
•    Automatización de respuestas de seguridad con conocimientos de IA.
•    Optimización de las operaciones de seguridad demostradas para estrategias holísticas.

Los Agentes de IA marcan un nuevo ciclo de la Inteligencia Artificial en Dynamics 365 AI, pero también una nueva evolución de las integraciones, más allá de Copilots en Business Applications.

Los Agentes de IA ya se están aplicando en una gama más amplia de casos de uso como son áreas de investigación concretas en diversos sectores empresariales, análisis y servicios financieros, prospección de ventas, clientes, fallos en equipos, en fabricación o suministro y toma decisiones diversas en el campo de la integración y analítica de datos como soportes fundamentales a las tareas, entre otras.  Como también para cuestiones relacionadas con el cumplimiento normativo la documentación y desarrollo de proyectos específicos. Áreas de atención al cliente, soporte a la codificación de Aplicaciones, flujos de trabajo empresariales y de negocio, destacando algunas de estas aplicaciones prácticas.

El impulso de la cultura digital, con el talento a la cabeza, potenciado por el ciclo agéntico, necesita, para su expansión, una base sólida de datos, una integración por capas, un conocimiento avanzado en áreas y negocio para la cocreación  de la IA y su aplicación con cierta autonomía, una seguridad reforzada, una confiabilidad que llega en estructuras que se complementan, además, desde una formación ágil, actualizada, focalizada, despierta, moderna, ampliada, retroalimentada y generada para la IA de las Empresas.

Todo está en las capas y en saber integrarlas.