El 28 de mayo de 2026 se publicó la segunda parte de una mesa redonda ejecutiva titulada Leading the IA-Ready Enterprise, en la que altos directivos describieron cómo están integrando agentes de IA en procesos internos y orientados al cliente. Entre los participantes estuvieron Dee Fitzgerald (Danone), Prem Natarajan (Capital One), Ratheesh Kamoor (Warner Bros. Discovery), Razal Minhas (Ford Credit), Murali Vridhachalam (Gilead Sciences) y Arsalan Tavakoli (cofundador y SVP de Field Engineering). La discusión recopiló experiencias prácticas sobre despliegue, gobernanza y métricas para escalar sin perder confianza.
Los asistentes coincidieron en que el despliegue inicial de agentes es apenas el comienzo del valor operativo: la puesta en marcha abre una secuencia de actividades posteriores necesarias para capturar beneficios reales. Prem Natarajan lo resumió así: “Ahora creo que el despliegue es el primer escalón en la escalera hacia el cielo de la IA… y todo lo que viene después — monitorización, observabilidad, evaluación de rendimiento y aprendizaje continuo — son los escalones que añaden valor.” Esa mirada sitúa la observabilidad y la mejora continua como prioridades técnicas y organizativas posteriores al lanzamiento.
En el plano competitivo, los ejecutivos describieron una “moment of the possible”: la mejora rápida de la precisión de los modelos y la atención de los CEO están empujando a las empresas a trasladar casos de uso de pruebas piloto a aprobaciones ejecutivas. Según los participantes, las capacidades de los modelos evolucionan mes a mes, lo que amplía lo que puede ponerse en producción; sin embargo, esa velocidad genera presión para actuar con rapidez sin perder control de costos, confianza ni cumplimiento regulatorio.
Un hallazgo central de la discusión fue que la gobernanza actúa como base de la escalabilidad, no como un freno. Sin definiciones únicas de datos y métricas, los agentes tienden a operar sobre versiones contradictorias de la verdad, lo que multiplica riesgos y decisiones inconsistentes. Arsalan Tavakoli advirtió contra la “proliferación” de métricas y defendió anclar agentes en definiciones certificadas y en datos estandarizados para evitar riesgos operativos a escala.
Para operacionalizar esa gobernanza, varias organizaciones han integrado evaluaciones de riesgo y procesos de aprobación formales antes del desarrollo. Murali Vridhachalam explicó que cada agente pasa por una revisión de riesgo previa al desarrollo y que las aprobaciones varían según el nivel de riesgo asociado. Esa segmentación permite aplicar controles proporcionales: más escrutinio cuando el impacto en clientes, finanzas o cumplimiento es mayor, y rutas más ágiles para casos de bajo riesgo.
Algunas empresas han creado consejos de gobernanza transversales que fijan políticas sobre propiedad de datos, calidad, responsabilidad y cumplimiento. Esos órganos buscan alinear decisiones técnicas con criterios legales y ejecutivos, evitando que equipos aislados tomen decisiones que luego choquen con obligaciones regulatorias o con las métricas definidas por la organización. La práctica refuerza la coherencia de datos y la trazabilidad de las decisiones automatizadas.
En cuanto a diseño operacional, los participantes rechazaron la fragmentación de tareas en favor de marcos multagente que persiguen resultados de alto nivel y gestionan flujos multi‑paso. Murali dio el ejemplo de la incorporación de empleados orientada a resultados, en la que un agente coordina la emisión de un equipo y el registro en sistemas como Workday en lugar de ejecutar solo tareas aisladas. Prem Natarajan añadió que los beneficios surgen al automatizar tareas especializadas con modelos capaces de ejecutarlas de forma autónoma, lo que permite componer soluciones más completas.
Para mitigar riesgos antes de activar agentes en flujos críticos, las empresas emplean entornos controlados de experimentación y ‘shadow capabilities’ que funcionan como desafiantes silenciosos en producción. Razal Minhas describió cómo en Ford Credit algunas capacidades corren en segundo plano para comparar rendimiento sin afectar la experiencia real del cliente. Estas pruebas paralelas ayudan a validar precisión y robustez frente a sistemas heredados antes de otorgar luz verde a un despliegue en vivo.
Los ejecutivos subrayaron también la importancia de demostrar victorias tempranas y casos repetibles para acelerar la adopción. Un ejemplo citado fue la priorización por parte de Capital One del Chat Concierge, una herramienta orientada a concesionarios de autos que sirvió como punto de partida customer — facing. Presentar resultados concretos, medibles y escalables facilita conseguir aprobaciones ejecutivas y replicar soluciones en otras áreas de la organización. La mesa redonda identificó, en términos prácticos, varias prácticas que facilitan escalar agentes de IA de forma responsable: gobernanza integrada desde el inicio, orquestación por agentes para casos multi‑paso, entornos de prueba controlados, métricas estandarizadas y énfasis en victorias tempranas que demuestren ROI. Los participantes insistieron en que medir retorno exige combinar el despliegue con observabilidad continua y evaluación de rendimiento sostenida en el tiempo.
Fuentes
Respuestas (0)
Aún no hay respuestas en este tema.
