La conversación corporativa sobre Inteligencia Artificial dejó atrás la fase de fascinación e inclinó la balanza hacia la ejecución. La etapa de adopción pasiva —marcada por el uso de "copilotos" y chats conversacionales para redactar correos o resumir documentos— dio paso a la consolidación de la IA agéntica en la operación cotidiana de las compañías.

El verdadero desafío actual para los comités de dirección ya no pasa por explorar el potencial de un algoritmo, sino por administrar sistemas autónomos que interpretan objetivos, ejecutan procesos complejos, interactúan entre sí y resuelven problemas con mínima intervención humana. Con agentes inteligentes integrados en áreas de riesgo, compliance, atención al cliente y desarrollo de software, la discusión ejecutiva se desplazó definitivamente hacia el terreno del management: cómo definir los marcos de gobernanza, cómo garantizar la calidad de los datos y cómo rediseñar el rol de los líderes que deben gestionar estas operaciones híbridas.

Marcos de gobernanza: entre la autonomía operacional y la supervisión del riesgo

Delegar decisiones operativas en un sistema inteligente plantea una pregunta inmediata para los comités de dirección: ¿dónde termina la autonomía de la máquina y dónde empieza la supervisión del líder?

La respuesta de las empresas pioneras dista de ser binaria. La autonomía no se concibe como un interruptor de "encendido o apagado", sino como un espectro dinámico donde la tecnología actúa bajo límites estrictos y niveles de control proporcionales al riesgo. En Supervielle, la autonomía se analiza en función del impacto financiero y reputacional de cada acción. "Para nosotros, autonomía no significa ausencia de control. Significa darle a la tecnología distintos grados de capacidad para actuar, dentro de límites previamente definidos y con responsabilidades claras", explica Leonardo Maglia, CTO de Supervielle. "Hay tareas de bajo riesgo, acotadas, repetitivas, trazables y fácilmente reversibles donde un agente puede tener un nivel alto de autonomía. Pero en decisiones sensibles, regulatorias o con consecuencias financieras relevantes, la intervención humana sigue siendo una instancia fundamental".

Por su parte, en Naranja X el límite se establece en función de la exposición del negocio. "Un proceso repetitivo, de bajo impacto y con reglas claras se puede automatizar casi por completo. Pero cuando está en juego la experiencia del cliente, hay datos sensibles o impacto regulatorio, la revisión humana no es negociable", afirma Cristian Deferrari, Head of Infrastructure de Naranja X. "Definir tres niveles —ejecución autónoma, recomendación para aprobación humana y asistencia pura— es lo que nos permite escalar sin perder el control".

Desde una perspectiva de servicios globales, Pablo Cebro, Global Technology Platforms & Emerging Technologies Lead en EY GDS Argentina, resume la regla de oro: "La pregunta que hacemos siempre es: si esto sale mal, ¿se puede deshacer? Si la acción es reversible y de bajo costo, va sola. Si es irreversible o tiene un impacto en costos, datos del cliente o aspectos regulados, debe haber un humano firmando. Punto". Cebro detalla que utilizan una taxonomía protegida por "anillos de control" (control rings) que limitan el gasto, los accesos a datos y el entorno donde opera el agente para evitar desvíos en los objetivos.

Asimismo, el resguardo del marco normativo y la ética resultan indispensables al aplicar estas soluciones en la gestión de capital humano. Al respecto, aseguran desde Deel que "la adopción de la inteligencia artificial en RR. HH. no está exenta de riesgos. Es fundamental garantizar que su uso no genere sesgos discriminatorios y mantener siempre una supervisión humana sobre las decisiones automatizadas. La confianza de los equipos y de los candidatos sigue siendo el elemento determinante".

"Data Readiness": la condición de entrada antes de automatizar

Antes de desplegar agentes capaces de tomar decisiones, las organizaciones colisionan con una realidad incómoda: la calidad de sus datos. Si un ser humano suele compensar la información fragmentada o desactualizada mediante el sentido común y la consulta informal, un agente de IA propaga el error de forma masiva y con absoluta certeza estadística.

"Un dashboard tolera un dato inconsistente; un agente que toma decisiones con ese dato, no. Si la arquitectura no está resuelta, la IA no ordena el caos: lo escala. Esa fue quizás la lección más cara de aprender". — Cristian Deferrari, Head of Infrastructure de Naranja X.

"Uno de los principales desafíos no está en la tecnología, sino en los datos que la alimentan", advierte Ángel Pérez Puletti, CEO de Baufest. "Muchas organizaciones todavía cuentan con información fragmentada en diferentes sistemas y repositorios. Un agente puede ser muy sofisticado, pero su capacidad para generar resultados confiables siempre va a estar condicionada por la calidad y el contexto de la información a la que tiene acceso".

Para Sebastián Rosenbolt, CTO de MODO, la preparación de los datos saca a la luz inconsistencias históricas de la gestión. "Desplegar agentes te obliga a explicitar criterios que antes vivían en la cabeza de las personas. En un caso donde las respuestas del agente no daban bien contra nuestras evaluaciones, descubrimos que los criterios con los que se resolvían esos procesos históricamente no estaban estandarizados en la fuente. Curamos los datos y el agente mejoró. Esa es la verdadera tarea de data readiness, y es previa a cualquier despliegue".

Esa misma necesidad de integración se observa en el sector industrial. Según explica Damián Lopez Gentile, Transactional Portfolio Sr. Manager en Schneider Electric, el obstáculo inicial suele ser la dispersión de métricas entre áreas operativas y financieras: "En proyectos de energía y edificios es frecuente encontrar datos dispersos en sistemas que no se comunican entre sí. Por eso, mediante plataformas IoT y gemelos digitales, buscamos conectar distintas capas para fortalecer la digitalización antes de desplegar análisis avanzados".

Rediseño de flujos punta a punta: la reingeniería de la operación

Cuando la tecnología pasa de asistir a ejecutar, la ingeniería de procesos sufre una transformación radical. Ya no se trata de lograr que un empleado realice una tarea un 10% más rápido, sino de cuestionar por qué la tarea existe en primer lugar y cómo se conectan los pasos del flujo operativo. "El riesgo más común es terminar pidiendo caballos más rápidos en vez de autos", grafica Rosenbolt, de MODO. "Cuando el objetivo es acelerar lo que ya hacías, la IA entra como un optimizador y el techo de mejora es bajo. Rediseñar implica arquitectura: en atención al cliente pasamos flujos enteros a lógica agéntica donde el agente interpreta la consulta, busca la información, ejecuta la acción y resuelve el caso de forma autónoma en un porcentaje muy alto".

Para Pérez Puletti, de Baufest, la clave está en el resultado final: "El punto de partida pasa a ser el resultado de negocio que se quiere mejorar, repensando tareas, decisiones y puntos de interacción. Esto permite eliminar pasos innecesarios, reducir tiempos de espera y ejecutar actividades en paralelo". Cebro, de EY GDS, lo sintetiza en la eliminación de los tiempos muertos organizacionales. "En la mayoría de los procesos el tiempo no se va en hacer, se va en esperar: esperar la aprobación, esperar el archivo, esperar la reunión semanal. Cuando rediseñás punta a punta, borrás las coordinaciones intermedias. Los comités y revisiones se convierten en controles automáticos embebidos en el flujo".

Casos de uso reales: donde la IA agéntica ya toma decisiones cotidianas

Lejos de los laboratorios de prueba y las demostraciones teóricas, las compañías en la Argentina ya cuentan con agentes autónomos operando en entornos de producción con alto impacto en el negocio. En Naranja X, Deferrari detalla que cuentan con más de 70 iniciativas en producción dentro de áreas clave como fraude, legal, tecnología y atención al cliente. "En legal, la respuesta automática de oficios procesa pedidos de juzgados y del Banco Central, define la acción y la ejecuta sobre las cuentas, reduciendo los tiempos de cerca de 20 días hábiles a menos de 24 horas. En fraude, los agentes realizan el screening diario de noticias, cruzan la información con la base de clientes y emiten dictámenes de forma autónoma dentro de un circuito auditable", explica.

Por el lado de MODO, el impacto se refleja directamente en la capacidad de entrega de sus equipos técnicos. "Entre enero y julio de este año, el área de Ingeniería cerró un 44% más de trabajo y aumentó un 65% los pull requests aprobados, manteniendo la tasa de cambios fallidos por debajo del 5%", detalla Rosenbolt. "Son agentes que ejecutan y que tienen la capacidad programada de saber cuándo solicitar criterio humano".

En Supervielle, la operación cotidiana incluye el canal de atención a través de WhatsApp, donde agentes especializados interpretan lenguaje natural y ejecutan gestiones como la consulta y modificación de entregas de tarjetas o transferencias conversacionales. Por su parte, desde Deel señalan cómo la automatización transforma la gestión de equipos globales a través de su suite agéntica: "Ofrecemos agentes preconfigurados que toman decisiones operativas cotidianas, como The Payroll Detective, que audita variables de nómina para detectar inconsistencias antes del pago, o The Border Buddy, que verifica geolocalizaciones e impuestos para garantizar que los esquemas de trabajo remoto cumplan con la legislación local de cada país".

La metamorfosis del liderazgo: de administrar personas a orquestar sistemas

La transición hacia flujos de trabajo donde conviven personas y sistemas inteligentes exige un cambio de mindset en la línea de mandos medios y directivos. El manager tradicional, entrenado para asignar tareas diarias y controlar horarios, debe convertirse en un diseñador de sistemas y gestor de excepciones.

"El rol del líder está evolucionando. En equipos donde conviven personas y agentes, ya no alcanza con gestionar capacidades humanas; es necesario aprender a orquestar el trabajo entre ambos", enfatiza Pérez Puletti. "Cobran todavía más relevancia el pensamiento crítico, la toma de decisiones, la gestión del cambio y la capacidad de evaluar los resultados que generan los agentes".

Maglia, desde Supervielle, coincide en la necesidad de acompañar esta transformación: "Buscamos que nuestros líderes entiendan las capacidades y los límites de la IA, formular buenos casos de uso y desarrollar criterio. El rol del líder va a ir desplazándose de supervisar la ejecución hacia definir mejor los objetivos, evaluar resultados y gestionar excepciones".

Para Lopez Gentile, de Schneider Electric, la función principal de la gerencia pasa por saber integrar las capacidades: "El objetivo no es que cada manager se convierta en un especialista técnico, sino que pueda traducir necesidades operativas, interpretar datos y colaborar eficazmente con las áreas expertas para orientar la tecnología hacia el negocio".

Delegar tareas en seres humanos requiere construir relaciones de confianza; delegar en agentes de IA exige garantizar predictibilidad y transparencia. La resistencia de los equipos operativos no se resuelve con discursos motivacionales, sino permitiendo que los colaboradores verifiquen la consistencia de la herramienta en su trabajo diario.

"La confianza en la IA no se construye pidiéndoles a las personas que crean en la tecnología, sino permitiéndoles comprenderla, probarla y verificar su utilidad. La confianza termina siendo consecuencia de la transparencia y la predictibilidad, no una condición que se pueda imponer".— Leonardo Maglia, CTO de Supervielle.

En Supervielle abordan el escepticismo a través del programa Colonos, donde los empleados experimentan con soluciones a problemas reales de su rutina diaria. "Cuando los equipos conocen qué hace el agente, qué información utiliza y cómo se corrige una desviación, la IA deja de percibirse como una caja negra", añade Maglia. Cebro, por su parte, aboga por la claridad conceptual desde el primer día: "Lo primero es sacar el miedo de la mesa. Nuestra posición es explícita: aumento, no reemplazo. El agente se lleva lo repetitivo y la persona se queda con el juicio. Además, darle al profesional el control de las restricciones cambia por completo la relación: la herramienta deja de ser algo que le pasa y pasa a ser algo que maneja".

Esta redistribución del tiempo operativo apunta a potenciar la capacidad estratégica de las organizaciones. Tal como aseguran desde Deel, "el objetivo es que las empresas puedan hacer que sus equipos sean más productivos manteniendo el mismo nivel de nómina, pero desplazando su tiempo hacia tareas cada vez más estratégicas. Dedicar horas a aprobar licencias manualmente no aporta valor; utilizar ese tiempo para desarrollar estrategias de atracción y retención de talento, sí".

El nuevo aporte humano: la evolución hacia el juicio profesional

A medida que la Inteligencia Artificial agéntica absorbe la ejecución operativa, el valor de las personas no desaparece: se desplaza hacia la cima de la cadena de valor. El juicio profesional, la empatía, el conocimiento contextual y la responsabilidad legal se consolidan como activos insustituibles.

En palabras de Rosenbolt, la dinámica se sintetiza en un esquema donde el humano lidera los extremos del proceso: "Hablamos de middle to middle: el humano define qué problema resolver, el agente ejecuta el tramo medio, y el humano revisa, valida y conecta el resultado. La ejecución intermedia se delega; la definición estratégica y la validación siguen siendo 100% humanas".

Para Cebro, la transformación implica pasar de human-in-the-loop a human-as-a-judge: "La persona deja de estar dentro del proceso ejecutando un paso para ubicarse por encima, evaluando si el criterio aplicado fue el correcto y firmando la decisión. Esto permite que los profesionales suban en la cadena de valor mucho más rápido que antes, planteando el desafío de cómo formar juicio crítico sin pasar por años de repetición mecánica".

Finalmente, Lopez Gentile concluye que la diferenciación competitiva seguirá siendo humana: "La IA suma velocidad y capacidad de análisis; las personas aportan empatía, conocimiento del negocio y la lectura fina de contextos complejos. La tecnología iguala la eficiencia entre competidores; la diferencia real se logra en las experiencias, y las experiencias las construyen las personas".