Noticias de actualidad

Escapar del ruido habitual en torno a la inteligencia artificial es misión harto complicada, máxime si incluimos en la ecuación al término de moda: agentes.

Esta "tercera ola" de la IA, como la definió Marc Benioff, promete automatizar procesos completos con capacidad de adaptación a entornos reales y cambiantes. Y eso son palabras mayores en comparación con la IA generativa que han popularizado ChatGPT, Gemini y compañía.

Partiendo de ese concepto de IA agéntica, ni los tiempos ni las dificultades son nimias. La IA generativa debe nutrirse de datos bien estructurados y trabajados, de calidad y que proporcionen respuestas útiles, no alucinaciones. A su vez, para poder automatizar procesos completos primero debe abordarse un análisis y reinvención integral de cómo funcionan las compañías.

En ambos escenarios, se necesita establecer guardarraíles de categoría empresarial, controles estrictos, pero que no limiten la flexibilidad de la IA. Y, por encima de todo, encarar un cambio cultural nada desdeñable.

Eso explica los resultados de un informe del MIT que alertaba de que el 95% de los pilotos empresariales de IA generativa fracasan. O que, incluso voces autorizadas del sector, ya comiencen a frenar el entusiasmo en la arena de los agentes, alargando hasta una década el tiempo estimado para que sea algo masivo.

Pero, como en todos los lugares, existen alumnos aventajados que ya están sacando provecho de la inteligencia artificial, haciéndola a escala y con la seguridad del dato que exigen estas aproximaciones. Dos de ellos están en el Viejo Continente, y uno de ellos en España.

L’Oréal: luchar contra la desinformación

La multinacional francesa L’Oréal, bien conocida por todos aquellos interesados en la belleza o el cuidado personal, lleva tiempo buscando respuestas en la IA a muchas de las demandas -internas y externas- que enfrenta. Y está usando una de sus enseñas más disruptivas, Noli (un marketplace multimarca, de origen británico en su caso) para desplegar sus primeros casos de inteligencia artificial a escala.

“La belleza debería empoderarnos, pero cada vez más nos está abrumando. Hay más marcas, más productos, más claims, más influencers. Y además recibimos recomendaciones de algoritmos que no saben nada de nuestra piel”, explica Amos Suskind, cofundador y CEO de Noli. “El 92% dice sentirse abrumado al comprar productos de belleza, el 81% se arrepiente de compras recientes y más de tres de cada cuatro no tiene verdadera confianza al elegir lo que necesita”.

La compañía ha bautizado esta situación como skin anxiety, una sensación de ruido permanente que crea confusión, frustración y decisiones poco informadas. El problema, además, tiene una dimensión económica evidente.

“Sólo en el Reino Unido se malgastan 1.000 millones de libras al año en productos que no funcionan para la persona que los compra”, explicó Suskind.

El planteamiento que han tomado L’Oréal y Noli no consiste en poner un modelo fundacional a responder preguntas, sino en construir una inteligencia vertical experta en belleza basada en ciencia, multimodalidad y aprendizaje continuo.

“No es un chatbot sobre un modelo genérico. Es un sistema profundamente diseñado, desde el backbone científico hasta un grafo de conocimiento propio que valida cada salida y evita alucinaciones”. Ese corazón científico combina más de 100 años de investigación de L’Oréal, con datos de ingredientes, formulaciones, ensayos clínicos y atributos sensoriales.

Encima de esa capa se integran más de un millón de escaneos faciales anonimizados, miles de formulaciones evaluadas en el mundo real, análisis de sentimientos en reseñas y patrones de comportamiento y preferencias. El núcleo tecnológico es un Beauty Knowledge Graph que estructura los datos, valida cada recomendación y conecta necesidades con productos de forma precisa. “Es lo que nos permite hacer coincidir el producto adecuado con la necesidad adecuada, en tiempo real y a escala”, señala su máximo responsable.

La experiencia del usuario completa el ciclo: diagnóstico facial o cuestionario, recomendaciones explicadas, posibilidad de compra directa y aprendizaje de cada interacción. “Una buena experiencia tecnológica debe cerrar el bucle: del consejo a la recomendación, de ahí a la compra, al feedback y al aprendizaje del sistema”, añade Suskind.

Las métricas respaldan ese planteamiento. Más de 140.000 usuarios registrados, un 86% satisfecho con el skin match, un 93% de reseñas de cinco estrellas y un patrón de repetición que se ha duplicado en cinco meses.

Además, los usuarios que interactúan con Noli AI convierten 3,6 veces más y con cestas significativamente mayores.

Repsol: sacar oro de los agentes

Si la belleza muestra la capacidad de la IA vertical para resolver problemas de consumo masivo, el caso de Repsol constata la ambición de utilizar sistemas multiagente para rediseñar procesos críticos de una gran energética.

Juan Manuel García, CIO y CDO de la compañía, y reciente ganador de los DISRUPTORES Innovation Awards, explica que esta multinacional inició su transformación digital en 2018 y que la llegada de la IA generativa les llevó, en 2023, a crear un Centro de Competencia específico.

“Esta tecnología transformará profundamente la compañía, y por eso necesitábamos un centro dedicado. Un año después actualizamos su estructura para convertirlo en la base de nuestra estrategia”, señala García.

Esa estrategia se articula en tres bloques: productividad personal, mejora sistemática de procesos y un tercer pilar bautizado como Gold Mine, enfocado en la reinvención completa de flujos de trabajo complejos mediante sistemas multiagente. Esa es la verdadera apuesta de Repsol.

“Cuando hablamos de sistemas multiagente, hablamos de resolver procesos complejos que requieren colaboración entre áreas. Necesitamos agentes que tengan conocimiento, planificación, razonamiento, coordinación, ejecución y una memoria compartida a corto y largo plazo”.

Dicho y hecho. Su plataforma funciona como un ecosistema vivo: un orquestador que recibe la petición del usuario, un planificador que diseña la estrategia, agentes especializados que ejecutan cada fase y un sistema de memoria que registra y estructura todo el trabajo.

Hasta el momento, la plataforma ya resuelve casos como la generación de código ABAP y análisis a partir de un documento cargado por el usuario. El sistema analiza los requisitos, propone un plan, incorpora las mejores prácticas internas de la enseña y genera automáticamente el código y los tests necesarios.

Asimismo, Repsol ya está usando los agentes para gestionar incidencias técnicas, por ejemplo, detectando problemas con la VPN y corrigiéndolo automáticamente. Si no es capaz de solucionarlo por sí mismo, es capaz de redirigir el caso a ServiceNow cambiando de planificador sin intervención humana. La interfaz, similar a un chat, permite agrupar conversaciones por proyectos, gestionar archivos y consultar cada agente, su versión y el modelo utilizado, desde los más recientes hasta funciones específicas ya operativas.

Hoy funciona con 34 agentes y más de 100 personas lo usan en su trabajo diario.

Del potencial a la explotación

Tanto L’Oréal como Repsol cuentan con Accenture como partner tecnológico, encargado de unir a ambos ejecutivos en un encuentro virtual al que acudió este medio. En él, Mauro Macchi, CEO de la consultora en Europa, quiso desmarcarse de la narrativa triunfalista que acompaña a la IA. Recordó, de hecho, que su impacto es evidente, pero también mucho más difícil de escalar de lo que parecen sugerir los titulares.

“La promesa de la IA es real, pero sólo entrega valor material cuando se escala de verdad. Es fácil pilotar, pero es realmente difícil industrializar. Requiere datos limpios, integración de sistemas, regulación, formación y un rediseño profundo del trabajo”, explicó.

“Además, si todos tienen acceso a los mismos modelos, ¿dónde está la ventaja competitiva? Está en los datos propios, en los procesos y en las capacidades humanas para integrarlos. Sin eso, la IA es sólo potencial sin explotar”.

Fuente: Invertia