El debate sobre IA tiene muchas aristas y el foco cambia todas las semanas. Para las empresas, sus operaciones y sus accionistas, sin embargo, hay una pregunta que sigue sin una respuesta clara: ¿qué tan agénticos podemos hacer nuestros procesos?

Esa pregunta tiene un componente técnico muy claro. Es una invitación a maximizar la productividad. Otra manera más completa de enunciarla podría ser así: ¿cuánto podemos preparar nuestros procesos y sistemas para que queden automatizados y se realicen de forma más acelerada, eficaz y eficiente?

Ahora bien, podríamos hacernos otra pregunta que es relativamente compleja, muy similar a la anterior, pero con una diferencia importantísima. La pregunta sería: ¿qué tan auténticos deben ser nuestros procesos? Y no nos referimos a las consecuencias éticas o políticas de integrar la IA a nuestra vida diaria, sino a cuál es el mejor diseño posible para que nuestra organización siga profundizando su transformación y creando valor para todos.

Hace poco, el Stanford Digital Economy Lab publicó The Enterprise AI Playbook, basado en 51 casos reales estudiados durante cinco meses. Y es una hoja de ruta para la transformación agéntica muy contundente.

El estudio presenta varios aprendizajes diversos, pero uno de los más interesantes es este: los modelos híbridos de agentes+humanos lograron una mejora mediana de productividad del 71%, incluso más altos que algunos sistemas completamente autónomos. A estos sistemas híbridos se los llama “Human-In-The-Loop”.

El informe está lleno de ejemplos que van ilustrando cada aprendizaje. Uno particularmente interesante es el de una compañía de servicios financieros que utilizaba datos de clientes para personalizar campañas, pero sus procesos tradicionales podían tardar siete semanas.

Frente a ese desafío, se implementó una plataforma de IA para generar contenido multicanal y eligió un modelo 80/20: 80% de generación automatizada y 20% de refinamiento y control humano. El resultado informado fue una reducción del time-to-market de siete semanas a seis horas y una mejora de 2X en la tasa de conversión.

Ahora bien, ¿por qué diseñar un proceso 80/20 en vez de que sea 100% agéntico? En este caso, la capa humana cumplía tres funciones: proteger la marca frente a errores, resolver casos atípicos que exigían criterio y generar feedback para mejorar los resultados futuros del sistema.

Esa última función suele quedar subestimada. Un buen esquema human-in-the-loop no solamente detecta errores, sino que además está constantemente produciendo datos nuevos. Cada corrección, reclasificación o excepción es un input para que el modelo ajuste sus reglas de acción y sus decisiones.

En definitiva, el valor real del human-in-the-loop es aportar criterio en los casos grises. La IA es excepcional para escalar y resolver millones de casos en poco tiempo, si los casos son claros, binarios, blanco-negro. Pero si hay ambigüedades, casos sensibles, o cambios en las reglas de negocio, puede cometer errores involuntarios.

Volviendo a la pregunta que planteamos inicialmente sobre el grado de automatización óptima, la respuesta parece indicar que los modelos Human-In-The-Loop, donde las personas supervisan a los agentes y solo los ayudan a ejecutar los casos más complejos, son el diseño más eficiente para la automatización.

(*) Tobías de Marcos: Head of Growth & Partnerships en Arbusta