Aumente la eficiencia con la automatización agente

Desde sus inicios, la historia de la automatización ha sido una historia de progreso lineal. Desde la automatización robótica de procesos (RPA) hasta el procesamiento inteligente de documentos (IDP), cada nueva innovación ha hecho que las empresas sean más productivas, rentables y ágiles.

Pero ahora está sucediendo algo más grande. Una nueva tecnología, la automatización agentes, está interrumpiendo este ciclo de mejora incremental, desbloqueando una reinvención del flujo de trabajo como nunca antes habíamos visto.

En lugar de centrarse en tareas individuales, la automatización agente aprovecha los robots, la inteligencia artificial y la orquestación para abordar flujos de trabajo completos de principio a fin. En el corazón de la automatización de agentes se encuentran los agentes de IA:entidades de software autónomas que pueden percibir su entorno, navegar por territorios desconocidos y tomar decisiones sobre la marcha.

El plan para capturar el valor de la automatización agente fue el tema de nuestro reciente webcast trimestral, UiPath Live :El camino hacia la automatización agente. Tuvimos el privilegio de elegir los cerebros de un panel de estrellas (científicos en inteligencia artificial, expertos en automatización y un líder empresarial) sobre lo que esta transformación significa para las empresas ahora y en el futuro.

La mayoría de los líderes aún no han comprendido la magnitud del potencial de la automatización agente. Pero los pocos elegidos que lo tienen están preparados y listos para cosechar los mayores beneficios de esta tecnología innovadora.

Tres áreas donde la automatización agente está redefiniendo la forma de realizar el trabajo

Si bien la automatización tradicional sigue siendo vital para tareas estructuradas y basadas en reglas, la automatización agente prospera donde reina la imprevisibilidad. Así es como está salvando brechas que antes parecían insalvables.

1. De las reglas al razonamiento

¿Cuántos de sus procesos comerciales dependen de entradas en distintos formatos? ¿Qué pasa con los datos que no son perfectos?

Para la mayoría de las organizaciones, la respuesta es demasiada.

Históricamente, la automatización tuvo problemas con las inconsistencias de los datos. Si la información no llegaba en un paquete estructurado y estandarizado, los empleados tenían que intervenir traduciendo datos entre sistemas, limpiando discrepancias y reformateando archivos manualmente. Si bien sería mejor invertir su tiempo en otra parte, estas irregularidades no les dejaron otra opción. Es decir, hasta que los agentes de IA entraron en escena.

Los agentes de IA prosperan en la ambigüedad. No necesitan datos perfectos para funcionar. El Dr. Edward Challis, jefe de estrategia de IA en UiPath, explicó a los presentadores de UiPath Live, Mary Tetlow y Geoff Anderson, que "los agentes ofrecen una forma realmente poderosa de abordar tareas en las que los datos cambian constantemente". En lugar de exigir a los empleados que estructuren manualmente cada entrada, los agentes de IA pueden tomar un objetivo de alto nivel y determinar la mejor manera de procesar datos desordenados, incompletos o inconsistentes.

Esta habilidad es particularmente valiosa en industrias donde los formatos de datos varían ampliamente. Tomemos como ejemplo a WEX, un proveedor global de tecnología financiera que procesa un volumen masivo de reclamaciones de atención médica todos los días. Las reclamaciones estructuradas (presentaciones digitales limpias con campos estandarizados) se manejan fácilmente mediante RPA. Pero muchos otros llegan en formatos más desordenados, como notas médicas escritas a mano o formularios borrosos. En el pasado, los empleados tenían que darle sentido manualmente a este caos antes de que se pudieran procesar los reclamos, lo que generaba retrasos frustrantes para los clientes y mayores costos para WEX.

Ahora, los agentes de IA manejan esta variabilidad automáticamente. Extraen detalles clave, los comparan con los requisitos de cumplimiento y derivan solo los casos más complejos a equipos humanos.

2. De la automatización de tareas a la reinvención del flujo de trabajo

La variación de los insumos no es la única barrera para la automatización empresarial generalizada. También existe una complejidad abrumadora del proceso. Demasiadas declaraciones condicionales "si", demasiadas variaciones, demasiadas excepciones... en cierto punto, intentar automatizar flujos de trabajo como estos con métodos tradicionales se vuelve difícil de manejar. "Lleva demasiado tiempo definir el proceso que la automatización tendría que ejecutar para cada escenario", señaló el Dr. Challis.

La automatización agente adopta un enfoque fundamentalmente diferente. En lugar de seguir un guión, los agentes razonan los problemas y determinan qué importa, qué necesita atención y qué se puede procesar de forma autónoma.

Pero no funcionan de forma aislada. Los agentes de IA funcionan mejor cuando forman parte de un ecosistema que combina la intuición humana, la precisión robótica y la adaptabilidad de los agentes. Por ejemplo, un agente podría dividir un flujo de trabajo complejo en subtareas:los robots de RPA manejan la entrada de datos, las API obtienen los precios de mercado en tiempo real y los humanos resuelven los casos extremos.

El Dr. Challis comparó este proceso con hornear un pastel. "Cuando ejecutas esa receta, tienes muchas opciones sobre qué mantequilla vas a usar, cómo obtenerla y qué tazón vas a usar", dijo. "Entonces, existe esa flexibilidad entre la agencia y una rutina definida de cómo se llevará a cabo ese proceso".

Este equilibrio entre estructura y adaptabilidad se adapta bien a una serie de desafíos empresariales persistentes. Los sistemas contra el lavado de dinero (AML), por ejemplo, son una parte esencial de los marcos de seguridad de las instituciones financieras. Pero están lejos de ser perfectas:las herramientas tradicionales tienden a ahogar a los equipos de cumplimiento en alertas falsas. En algunos casos, estos pueden llegar al 90%, lo que obliga a los equipos a analizar mucho ruido para identificar los riesgos reales.

Los agentes de IA se destacan en filtrar falsos positivos para identificar amenazas reales. Lo hacen analizando datos tanto estructurados como no estructurados, detectando patrones como transferencias pequeñas y repetidas que indican riesgos reales. Como señaló el invitado de Live Craig Le Clair, vicepresidente y analista principal de Forrester, se ha demostrado que los agentes reducen los falsos positivos en este proceso en un 60 %. Esto ha liberado a los equipos de cumplimiento para centrarse en investigaciones de alta prioridad en lugar de estancarse en revisiones innecesarias.

2. De codificar a colaborar

Para aprovechar todo su valor como socios colaborativos, los empleados deben poder comunicarse con los agentes de IA en lenguaje natural. Se suponía que los modelos de lenguajes grandes (LLM) como ChatGPT desbloquearían este tipo de asociación, pero para los no programadores, la realidad ha sido más complicada.

Aunque los LLM responden a indicaciones en lenguaje sencillo, lograr que entreguen los resultados correctos requiere algunos conocimientos de programación, es decir, una comprensión profunda de la descomposición de problemas y la validación de códigos. En pocas palabras, saber qué pedir es sólo la mitad de la batalla. También necesita saber si lo que recibe es correcto.

Soy programador, por lo que si un LLM me devuelve 100 líneas de código, puedo leerlo y determinar si realmente está haciendo lo que quiero que haga. Por otro lado, si mi amiga no programadora intenta hacer lo mismo, es muy difícil determinar si el resultado es realmente lo que ella quería. Necesitas mucha experiencia para siquiera comprobarlo.

Dra. Sarah E. Chasins, científica aplicada principal de UiPath

La automatización agente disuelve esta barrera. Los empleados pueden describir sus objetivos, incluso si son vagos, y dejar que los agentes traduzcan esas directivas en acción. Esto ha sido transformador para WEX, ya que los equipos ya no necesitan traducir los requisitos comerciales en una lógica rígida.

En lugar de tener que pasar semanas analizando cada escenario determinista, puedo comunicar a mis desarrolladores el objetivo que quiero. ¿Cuál es el resultado empresarial que estoy buscando? Y luego puedo ver estas cosas trabajando juntas. Así que se creó esta apertura entre el producto y los equipos técnicos que no habíamos tenido en la codificación tradicional en el pasado.

Emily Krohne, directora de automatización empresarial en WEX

Estas capacidades son impresionantes... pero ¿cómo puedo estar seguro de que los agentes de IA no se volverán deshonestos?

Abordemos el elefante en la habitación:con la capacidad de funcionar en todos los sistemas y procesos, ¿cómo puedo estar seguro de que los agentes hacen lo que yo quiero que hagan?

Es una preocupación válida. Los agentes no son deterministas y su inherente imprevisibilidad es parte de lo que los hace tan poderosos. La implementación segura de la automatización de agentes requiere las barreras de seguridad adecuadas para garantizar que los agentes operen de manera confiable, segura y transparente.

Mantener a los humanos informados

Los agentes operan con cierto nivel de autonomía, pero eso no significa que deban funcionar sin control. En la mayoría de los casos de uso empresarial, servirán como herramientas de apoyo a la toma de decisiones en lugar de actores totalmente autónomos. El Dr. Challis dejó esto claro:"Durante los próximos años, los agentes investigarán un poco y harán propuestas, pero será necesario que un humano las revise. Antes de que se realicen cambios importantes, tendremos un punto de control humano".

Monitoreo continuo

La visibilidad lo es todo. Para garantizar que los agentes de IA funcionen según lo previsto, las organizaciones necesitan monitoreo en tiempo real tanto durante el diseño como durante el tiempo de ejecución.

Zach Eslami, director sénior de gestión de productos de UiPath, reforzó este punto:"[la transparencia es] un aspecto clave para garantizar que su agente funcione bien en un entorno aislado, así como en el mundo exterior". Las organizaciones necesitan visibilidad sobre cómo los agentes toman decisiones para poder perfeccionar su desempeño a lo largo del tiempo y garantizar que se mantengan alineados con los objetivos comerciales.

Emparejar agentes de IA con robots RPA deterministas es una de las mejores formas de mantener el control. Mientras los agentes se adaptan y toman decisiones basadas en el contexto, los robots de RPA siguen una lógica estricta basada en reglas, creando un equilibrio entre flexibilidad y previsibilidad. "Creemos que nuestros agentes demuestran un nuevo nivel de agencia controlada porque no solo interactúan con herramientas y aplicaciones", explicó Eslami. "No idean planes por sí solos. Pueden aprovechar a los humanos y los robots para crear un nuevo nivel de determinismo en su producción y asegurarse de que estén operando de la manera que nuestros usuarios y clientes esperan".

Asociación con proveedores de confianza

La confianza es la base de una automatización empresarial eficaz. No sólo confiar en la tecnología, sino también en las asociaciones que le dan vida. Krohne mencionó que el "historial de WEX con las herramientas UiPath RPA nos permite escalar agentes más rápido".

Cuando los agentes de IA se introducen sobre una infraestructura de automatización existente, no resultan disruptivos. Más bien, se convierten en una extensión natural de lo que las empresas ya están haciendo:mejorar los flujos de trabajo sin revisarlos. Eslami reforzó este punto:"en última instancia, vemos que los agentes pueden construir sobre la UiPath Platform™ existente. Eso significa que pueden aprovechar todas las increíbles herramientas de automatización que tenemos disponibles".

Pero sentar las bases es sólo el primer paso. Para desbloquear todo el potencial de la automatización de agentes, las empresas necesitan una forma de crear, implementar y gestionar agentes de IA a escala.

UiPath Agent Builder brinda a los equipos las herramientas para diseñar agentes que satisfagan sus necesidades comerciales. Con monitoreo y gobernanza integrados, las empresas pueden implementar agentes de IA con confianza, sabiendo que funcionarán según lo previsto desde el primer día. Únase hoy a la lista de espera de Agent Builder para estar entre los primeros en explorar la próxima era de la automatización.

Y, para profundizar aún más en el presente y el futuro de la automatización agente, consulte el episodio completo de UiPath Live:The Path to Agentic Automation, ahora disponible bajo demanda.