Estamos prácticamente en el comienzo de la nueva era que suponen los agentes de IA en las empresas, pero ya hay muchas compañías ya están adoptando esta tecnología. Una tecnología que sin lugar a dudas acabará integrada en todo tipo de negocios.
La pregunta ya no es si los agentes pueden ser útiles, sino cuáles son los más adecuados para cada empresa y dónde pueden aportar más valor. Porque el mercado ofrece ya soluciones capaces de mejorar procesos muy distintos, independientemente del tamaño de la compañía o del sector al que pertenezca.
¿Cómo están incorporando esta tecnología las empresas que han decidido dar el paso? Hay quienes optan por desarrollar sus propios agentes, quienes recurren a plataformas que pueden desplegarse en toda la organización y quienes prefieren empezar por áreas concretas con herramientas altamente especializadas.
Tres caminos diferentes para una misma transformación: dejar que los agentes empiecen a trabajar dentro de la empresa.
Hoy, se puede incluso crear una empresa desde cero con IA. Esta es la propuesta de Venture City, una startup que ha desarrollado agentes de IA para convertir una idea de negocio en una empresa operativa. El fundador aporta la idea y el resto del trabajo se reparte entre agentes especializados capaces de desarrollar el software, montar la pasarela de pagos, vender o gestionar determinadas operaciones.
En el centro del sistema está James, “un agente de IA que actúa como CEO y que coordina todo un equipo de programadores, de ventas, de ingenieros, etc. Todos agentes de IA capaces de crear el producto que tú tienes en mente”, explican Sergi Fayos y Matías Szarfer, fundadores del proyecto.
La tecnología puede encargarse de buena parte de la ejecución, pero no elimina la figura del emprendedor. Al contrario, desplaza su función hacia aquello que sigue siendo más difícil de automatizar, como detectar una necesidad, entender al cliente, construir una marca y generar confianza.
La plataforma también puede ayudar a estudiar el mercado y analizar competidores antes de lanzarse al mercado. Con el apoyo de James, ya se han creado negocios relacionados con la gestión de gimnasios, proyectos europeos, oportunidades de financiación pública o servicios para ayudar a personas que deciden trasladarse a vivir a Barcelona. Su modelo se dirige especialmente a profesionales que conocen muy bien un problema, pero no tienen tiempo o conocimientos para convertir esa experiencia en una empresa.
Plataformas generalistas: agentes a medida de cada empresa
En el otro extremo del mercado, tenemos las soluciones enfocadas a las grandes empresas, las más avanzadas en la adopción de este tipo de inteligencia. Las grandes compañías están apostando por plataformas capaces de desplegar y coordinar agentes en departamentos como atención al cliente, finanzas, recursos humanos u operaciones. En España, empresas como Maisa, HappyRobot o Capably trabajan con distintos perfiles de compañías, pero comparten una característica: los agentes no vienen necesariamente empaquetados para una tarea concreta, sino que se adaptan a los procesos de cada organización.
La propuesta de HappyRobot, por ejemplo, es construir agentes capaces de realizar procesos completos, conectándose con los sistemas de la compañía y comunicándose con empleados, clientes o proveedores. “No tenemos agentes predefinidos para una tarea concreta. Lo que hacemos es adaptar nuestros agentes y sus capacidades a las necesidades específicas de cada empresa. Por ejemplo, podemos trabajar con JobandTalent y desarrollar un agente para su proceso de reclutamiento, pero ese mismo proceso será diferente al que necesita DHL para sus almacenes. Lo mismo ocurre con otros departamentos. El proceso de gestión y recuperación de deuda puede ser diferente en Deutsche Telekom y Orange”, explica Pablo Palafox, CEO de HappyRobot.
La transformación, por tanto, no consiste simplemente en instalar un software. “Cuando entramos en un cliente es porque nos dejan entrar ‘hasta la cocina’. Les ayudamos a transformar la compañía, a rediseñar sus procesos y a construir los agentes que necesitan. Y, una vez que esos agentes están montados, se quedan ahí trabajando, prácticamente ad infinitum”, añade Palafox.
La IA que diseñan los propios empleados
Un ejemplo bien distinto de cómo puede ser la adopción de esta tecnología lo vemos en la propuesta de Capably, que propone que sean los propios empleados de una organización quienes diseñen la tecnología que necesitan para que sirvan de apoyo a su trabajo. Al tratarse de tecnología que funciona por voz, configurar estos agentes resulta relativamente sencillo sin necesidad de saber programar. Y cada profesional conoce mejor cuáles pueden ser sus necesidades. Pero todo se hace de forma jerarquizada. El profesional expone a sus superiores el agente que le gustaría crear y estos dan o no el visto bueno.
En este proceso, “hay una parte de adopción de tecnología nueva y hay una parte de change management, de cambiar cómo la compañía trabaja alrededor de la IA”, explica Rafa Pulido, cofundador y CEO de Capably.
La plataforma funciona como una capa sobre los sistemas que ya utiliza la empresa —CRM, bases de datos, data lakes o herramientas legacy— y permite integrar distintos modelos de IA. El empleado puede pedir en lenguaje natural que se automatice una determinada tarea y Capably puede convertir esa petición en un agente, un flujo de trabajo, un dashboard o incluso una pequeña aplicación.
Los usos pueden afectar a departamentos muy distintos. En una agencia de medios, por ejemplo, un agente puede encargarse de la verificación de facturas en finanzas, generar el reporting de campañas en marketing o crear un dashboard para operaciones que permita controlar la productividad. La idea es que cada equipo pueda delegar trabajo en software creado específicamente para sus necesidades, sin tener que desarrollar una herramienta diferente para cada caso.
Esta flexibilidad es también la base de su apuesta por un modelo horizontal. En lugar de multiplicar las aplicaciones especializadas por departamento, Capably busca crear una capa de inteligencia capaz de trabajar sobre los distintos sistemas y procesos de la compañía. “Esto no es una herramienta, es una inteligencia que hace el trabajo por ti, que es el gran cambio de paradigma”, asegura Pulido.
Pero dar libertad a los agentes no significa dejar de controlarlos. La empresa establece una capa centralizada, gestionada por IT, operaciones u otro equipo responsable, que determina qué puede hacer cada agente y quién debe aprobarlo. Así, la organización puede saber quién ha creado cada agente, qué tareas realiza, quién las ha aprobado y qué retorno está generando.
Con una herramienta capaz de crear software a medida en tiempo real y adaptado a las necesidades concretas de cada equipo, el reto consiste en decidir qué trabajo delegar en la IA, con qué nivel de autonomía y bajo qué reglas.
Las especialistas por departamentos
Otra alternativa es adoptar herramientas muy especializadas para áreas concretas. La decisión aquí, depende de qué quiere construir cada empresa internamente y dónde necesita apoyarse en partners especializados. ¿Cómo cambia la IA agéntica cada departamento y qué herramientas se han especializado en cada área de negocio?
Desarrollo de software: de programar a definir qué construir
El desarrollo de software es uno de los campos donde el impacto de la IA resulta más evidente. “El software es un lenguaje, un código, que sigue unos patrones muy específicos y es muy fácil comprobar si algo funciona o no. Al principio se ha utilizado para asistir a un programador: ¿cómo resuelvo este algoritmo? ¿Cuáles son las funciones que tendría que utilizar para hacer este trozo de código? Al entrar en la era agéntica, con agentes más complejos que pueden interactuar con otro agente, estamos ya en un ciclo donde la propia IA ya no es que asista al desarrollador, sino que hace el código del desarrollador y es el desarrollador el que le dice qué es lo que tiene que hacer”, comenta Ramón García Soto, director de Estrategia para Google Cloud en Sngular.
“Con Ferrovial, por ejemplo, estamos trabajando en los que llamamos desarrollo guiado por especificaciones. ¿Qué significa? Antes tú a un equipo de programadores les decías lo que tenían que hacer y ellos, a su criterio y siguiendo metodologías ágiles, te construían el software. Dedicaban mucho tiempo a ir construyendo, ir validando. Ahora, tú estás dedicando muchísimo tiempo al principio a validar qué es lo que tienes que construir, a un nivel enfermizo porque le das a la IA el mayor detalle posible de lo que quieres construir y en vez de tirarse tres o cuatro meses construyendo y validando si lo que estás construyendo está bien, te lo vas a construir en minutos. Y luego compruebas si eso coincide o no con lo que le has dicho que tenía que construir”, continúa Ramón García.
En la nueva configuración basada en agentes, el programador no desaparece, pero cambia su función. Se necesitan profesionales que entiendan la tecnología para asegurarse de que todo está correctamente, tanto en lo que se refiere a que no cometa errores en la organización como a lo que concierne a la legalidad y otros temas de seguridad, como que no se produzca fuga de información y datos personales.
Atención al cliente: de responder preguntas a resolver gestiones
En atención al cliente, la IA agéntica propone un salto enorme respecto a los chatbots tradicionales. “Ya no se limita a responder preguntas: puede consultar sistemas, tomar información de distintas fuentes y completar una gestión durante la propia conversación. Por ejemplo, un cliente puede llamar a un restaurante para preguntar si hay mesa disponible y el agente consultar el sistema de reservas en tiempo real. Si además quiere conocer los alérgenos de un plato, puede enviarle la carta por WhatsApp y continuar la interacción sin intervención humana”, explica David Zafra, CEO y cofundador de HeyDiga, una startup especializada en agentes conversacionales para pymes con soluciones especializadas en sectores concretos, como salud y bienestar, automoción o restauración, entre otros.
La diferencia respecto a las herramientas anteriores está en la capacidad de mantener una conversación natural mientras se realizan acciones en segundo plano. “Es conversacional en el sentido de que no es un árbol de decisión, como ocurría antiguamente, donde detectábamos palabras clave y en función de la palabra íbamos dirigiendo el flujo de la conversación, sino que es una conversación completamente natural y que, además, permite consultas en segundo plano y tareas un poquito más complejas”, añade Zafra.
La clave está en que el agente no automatiza simplemente el canal telefónico o el chatbot, sino el proceso completo que hay detrás de la interacción. En una peluquería puede gestionar una cita, modificarla o cancelarla; en un concesionario, consultar el estado de una reparación; y en un restaurante, gestionar reservas y responder dudas sobre horarios, aparcamiento o servicios.
Para hacerlo, necesita estar conectado con los sistemas que utiliza cada negocio y conocer la casuística específica de su sector. Este enfoque resulta especialmente interesante para las pymes, donde muchas veces la persona que atiende al cliente es también quien está prestando el servicio. Una peluquera no puede cortar el pelo y responder al teléfono al mismo tiempo. En un restaurante, una llamada no atendida puede traducirse directamente en una reserva perdida.
Los agentes también pueden trabajar antes y después de la interacción. Pueden enviar recordatorios de citas y permitir que el cliente las confirme o las cambie automáticamente, reduciendo las ausencias.
Otra capacidad es la memoria. Si un cliente ha indicado anteriormente una determinada preferencia o necesidad, el sistema puede utilizar esa información en futuras interacciones. En hostelería, por ejemplo, puede recordar una alergia comunicada en una reserva anterior y trasladar esa información al restaurante en una visita posterior.
Para Zafra, sin embargo, el principal reto está en otro lugar: “dar al agente acceso a la información que necesita para actuar. Muchas pymes todavía no están digitalizadas y, entre las que sí lo están, la información suele estar fragmentada entre distintos programas y CRM”.
Logística: agentes que coordinan personas, sistemas y mercancías
La IA hasta ahora nos permitía planificar rutas, cargas, relevos de conductores y otros recursos para ahorrar costes reduciendo los kilómetros que los camiones viajan solos. Con los agentes, la automatización es mucho mayor y más eficiente: pueden coordinar información dispersa entre sistemas, empresas y personas. Por ejemplo, HappyRobot cuenta con agentes que comercializan capacidad de transporte. “Tenemos agentes que literalmente venden capacidad en los barcos: llaman a potenciales clientes y les preguntan si tienen mercancía que necesiten transportar. ‘¿Tienes un palé de patatas que quieras enviar?’. Puede parecer una conversación sencilla, pero detrás hay toda una capacidad de gestión y coordinación”, explica Pablo Palafox.
También pueden utilizarse para localizar mercancías. En uno de los casos de HappyRobot con intermediarios logísticos, cuando un cliente preguntaba por su mercancía, el agente no encontraba necesariamente la respuesta en sus sistemas. Así que contactaba con el camionero que estaba realizando el transporte: “¿Dónde estás?”. Una vez obtenida la información, volvía al cliente: “Ya lo he localizado. Está cerca de Dallas”.
La escena resume bien la diferencia entre una IA que responde y un agente que resuelve. El agente recibe una petición, determina qué información necesita, identifica dónde puede encontrarla, se comunica con quien puede proporcionársela, recupera el dato y vuelve al cliente con una respuesta.
“Gran parte de esta coordinación consiste en mover información. La información puede estar en un sistema, en otro partner o incluso fuera de cualquier sistema, en el mundo real. El trabajo del agente es localizarla, extraerla, interpretarla y ponerla a disposición de quien la necesita”, señala Palafox.
Ventas: de la prospección a la venta
En ventas, la IA nos ha ayudado hasta ahora a identificar y cualificar clientes, preparar reuniones y personalizar los argumentos comerciales. Con la IA agéntica podemos automatizar todo el ciclo de venta, desde la prospección y el primer contacto hasta el seguimiento, la actualización del CRM y la generación de propuestas. El agente no solo recomienda qué hacer, sino que ejecuta las acciones necesarias para avanzar la venta.
En el software B2B, por ejemplo, la demostración del producto suele ser uno de los momentos clave para convertir a un potencial cliente. Pero hacerla requiere tiempo y disponibilidad del equipo comercial. Ahí es donde entra Supersonik, una tecnología que permite automatizar esta parte del proceso mediante un agente de IA capaz de mantener una conversación y mostrar el producto en directo.
La diferencia frente a un chatbot convencional es que el agente entra en una videollamada, comparte pantalla, navega por el software y responde a las preguntas del usuario mientras realiza la demostración.
“No está predefinido, se adapta a las dudas que tienes”, explica Daniel Carmona Serrat, CEO de Supersonik. “Es una conversación completamente interactiva. Si yo fuera el agente, tú estarías hablando conmigo y yo te iría mostrando cosas en función de lo que estamos diciendo”.
La misma tecnología puede utilizarse para otras tareas relacionadas con el conocimiento del producto: el onboarding de nuevos clientes, explicar nuevas funcionalidades, dar soporte o formar a empleados.
La compañía plantea así una tecnología horizontal que puede aplicarse en ventas, marketing, capacitación y conocimiento de producto. Su particularidad es que el agente no solo explica información, sino que interactúa directamente con el software: hace clic, se desplaza por la pantalla y muestra cómo funciona una determinada herramienta.
En determinados productos, Supersonik puede acompañar al cliente durante todo el proceso comercial, desde que entra en la web hasta que realiza la compra. Es especialmente adecuado para productos con un precio cerrado y sin negociación. “Cuando el cliente tiene un producto mucho más caro, Supersonik básicamente es un paso intermedio que luego involucra a la persona de ventas más senior para que participe en la negociación”, explica Carmona. El objetivo no es necesariamente sustituir al vendedor, sino hacer que el equipo comercial llegue a la conversación humana con un cliente mucho más informado.
Hay, además, una segunda capa de valor: todo lo que el agente aprende de las conversaciones con los potenciales clientes. La IA puede identificar las dudas que se repiten, los competidores que menciona el comprador, los puntos de fricción o las objeciones relacionadas con el precio. Esa información se devuelve al equipo comercial, pero también puede servir a producto y marketing para detectar qué funcionalidades no se entienden, qué aspectos deberían mejorarse o cómo comunicar mejor la propuesta de valor. “Si estamos haciendo miles de estas conversaciones, podemos extraer información cualitativa y dársela a la empresa”, explica Carmona.
Marketing: personalización y menos tareas operativas
El de marketing ha sido uno de los departamentos que mejor se pudo aprovechar de la IA generativa, por su capacidad para generar contenidos personalizados en texto e imágenes, crear campañas de emailing y en RRSS adaptando los mensajes a distintos públicos, etc. Ahora, podemos automatizar partes completas del proceso de producción y distribución de una campaña.
En este terreno se mueve Play Your Brand, un SaaS que permite gestionar de principio a fin la producción de vídeos, desde la coordinación de equipos y profesionales hasta la creación y almacenamiento de los contenidos.
La compañía nació al detectar que las productoras y agencias tradicionales no estaban resolviendo bien las nuevas necesidades de las marcas, que demandan cada vez más contenidos y con mayor rapidez.
Su propuesta combina talento freelance distribuido globalmente y tecnología para automatizar procesos y reducir la carga administrativa. Hoy, la plataforma puede ser utilizada tanto por marcas y departamentos de marketing como por agencias y productoras. Por un lado, utiliza IA generativa para crear y adaptar contenidos, incluso combinándola con grabaciones reales para desarrollar determinadas escenas. Por otro, incorpora sistemas agénticos capaces de automatizar tareas dentro del proceso de producción.
Y es precisamente ahí donde está una de las claves de su propuesta. “La producción audiovisual es un buen símil de la organización de eventos”, explica Xavier Bayle, su fundador. Hay que coordinar localizaciones, materiales, técnicos, talento, permisos y numerosos procesos que generan una importante carga administrativa.
El objetivo de sus agentes es asumir progresivamente buena parte de ese trabajo para que las personas puedan concentrarse en la parte creativa.
La plataforma centraliza diferentes tipos de producción: desde comunicación corporativa e interna hasta campañas de publicidad, performance, redes sociales, contenidos con influencers y UGC, pasando por animación, motion graphics o vídeos generados con IA. El objetivo es evitar que las compañías tengan que saltar continuamente entre distintas herramientas y centralizar en un único entorno la producción audiovisual, incluida la generativa.
El modelo de negocio combina suscripción a la plataforma, servicios de producción, almacenamiento y consumo de IA mediante tokens. Estos tokens representan el uso de los recursos de inteligencia artificial empleados por el cliente para procesar briefings, automatizar flujos de trabajo o generar contenidos.
RRHH: agentes que entienden, deciden y actúan
En recursos humanos, la IA agéntica puede ser especialmente útil en sectores donde hay mucha rotación de empleados. Un buen ejemplo lo tenemos en Orbio, una startup que trabaja con empresas de retail, logística, restauración o manufacturing ayudándoles a reducir la carga administrativa que supone gestionar miles de empleados. “Vemos rotaciones del 30 o 40% mensual en grandes marcas, que veían cómo toda la gestión de fichar, dar de alta, hacer el onboarding de un empleado, entender por qué se va o qué está pasando en las tiendas les resultaba imposible de gestionar”, explica Sergi Bastardas, CEO de Orbio.
Sus agentes pueden automatizar buena parte del proceso de gestión de personal, desde la selección hasta la incorporación y el seguimiento de los empleados. Pueden contactar con candidatos, hacer entrevistas, recoger información de los responsables, preparar documentación o registrar datos en los sistemas de la compañía.
La escala es una de las grandes ventajas: “Traemos inteligencia infinita y acción infinita. Si se lo pides, nuestros agentes pueden interactuar con 50.000 empleados en un minuto, hablar con ellos y extraer la información necesaria”, explica Bastardas
Pero también pueden hacer algo que resulta más difícil para un departamento de RRHH tradicional: detectar patrones. Pregunta a los empleados cómo están, identifica problemas de liderazgo, descubre señales de mal clima laboral o detecta por qué determinadas personas abandonan la compañía.
Además, el sistema aprende de cada organización a medida que se utiliza. Cuanto más interactúa con los equipos de RRHH, más específico se vuelve en su lenguaje, sus recomendaciones y los criterios que utiliza.
Solo hay una frontera que Orbio no traspasa: el agente no decide el fichaje definitivo ni despide a un empleado.
La decisión final permanece en manos de una persona, tanto por cuestiones regulatorias como por criterio empresarial. Lo que sí puede hacer es preparar y coordinar todo el proceso posterior.
Ecommerce: agentes que venden y mejoran los catálogos
En poco tiempo la IA aplicada al comercio online ha pasado de analizar datos y automatizar tareas concretas, a generar fichas y fotografías de producto, mantener conversaciones con los clientes, hacer recomendaciones mucho más personalizadas, analizar opiniones, ajustar precios según la demanda o ayudar a gestionar inventarios y logística. Ahora, con laIA agéntica el comercio online entra en un cambio sideral que afecta tanto a la forma de gestionarlo como a la forma en la que los clientes compran.
“Ya hay ventas que empiezan en ChatGPT y otros asistentes de IA en lugar de en Google. El agente puede comparar, evaluar y recomendar productos en una sola conversación, comprimiendo buena parte del recorrido tradicional de compra. Para las marcas, esto implica una nueva batalla por la visibilidad. Ya no basta con aparecer en Google: hay que conseguir que los modelos de IA entiendan, mencionen y recomienden la marca”, explica José Carlos Cortizo, director de Marketing y Operaciones en Product Hackers.
“No podemos ver lo que dice ChatGPT de nosotros o cuándo nos menciona en conversaciones, pero en ocasiones nos prescribe y la gente le hace mucho más caso incluso que a una recomendación de un amigo”, asegura Cortizo.
La agéntica cambia también la propia infraestructura del comercio. Los agentes de compra pueden consultar catálogos, feeds de producto y APIs, por lo que una tienda debe hacer que sus datos —productos, precios, disponibilidad o características— sean fácilmente interpretables por las máquinas.
La web deja de ser el único escaparate: también hay que estar preparado para ser leído y utilizado por los agentes.
Pero el cambio más profundo está en la operativa. “En ecommerce había mucha automatización, pero era muy rudimentaria. En cuanto había cualquier cosa un poquito fuera de la norma, fallaba. Ahora, los agentes pueden mantener conversaciones con los clientes, consultar el CRM, comprobar el estado de un pedido o gestionar una devolución. Fácilmente, el 95% de las conversaciones se están pudiendo automatizar”, apunta Cortizo.
La misma lógica se aplica al catálogo, marketing, previsión de ventas o logística.
En este nuevo escenario destaca PageMind, que utiliza agentes para analizar los catálogos de las empresas, estudiar las dudas de los consumidores y enriquecer sus páginas de producto. “La primera parte es estudiar muy a fondo la oferta de cada uno de nuestros clientes y la ciencia que hay detrás de esos productos. El segundo paso es entender qué quiere saber el consumidor antes de comprar. PageMind analiza búsquedas, foros y conversaciones online para identificar las principales dudas de los potenciales compradores”, explica Jaume Portell, CEO y fundador de PageMind.
El objetivo es que una página no se limite a describir un producto, sino que explique para qué sirve y para qué no sirve y para quién y en qué circunstancias puede ser la mejor opción. “Al final, lo que tenemos es una máquina muy buena para responder preguntas sobre productos en tiempo real. Escribimos las páginas web de nuestros clientes para que den respuesta a esas dudas, pero también podemos recibir preguntas en tiempo real y responder cuál es el mejor uso para un producto o cuál es el más adecuado para una determinada circunstancia”, comenta Portell.
La consecuencia es doble: mejores páginas para el consumidor y mayor visibilidad en los nuevos buscadores de IA. “El objetivo de ChatGPT, Gemini o cualquier otro buscador basado en IA es contestar lo mejor posible. Si ayudamos a los comercios a responder muy bien en sus páginas todas esas preguntas, cuando el robot de ChatGPT o de Google pasa y analiza ese contenido, identifica que detrás hay conocimiento fiable”, asegura el CEO de PageMind.
Finanzas: agentes que anticipan la tesorería
En finanzas, el mejor ejemplo del cambio de paradigma que supone la agéntica lo tenemos en una startup española: M.IA. Inteligencia experta en gestión de tesorería y cash flow, ha construido una arquitectura en la que distintas inteligencias artificiales trabajan juntas, cada una especializada en un área concreta de las finanzas.
El objetivo es convertir una gestión tradicionalmente reactiva en una tesorería capaz de anticiparse. La plataforma se conecta al ERP de la empresa y a sus bancos para reunir en un mismo lugar los movimientos contables y bancarios, pero también información que normalmente queda dispersa, como préstamos, líneas de crédito o confirming.
A partir de esos datos, sus agentes pueden responder preguntas que hasta ahora obligaban al director financiero a consultar diferentes informes: cuál es el cliente que peor paga, qué proveedor acumula más facturas pendientes, cuál será la semana con menor liquidez en los próximos seis meses o qué producto financiero puede ser más adecuado ante un exceso o un déficit de tesorería.
La plataforma también genera una previsión de cash flow a 13 semanas y permite simular escenarios optimistas o pesimistas y actualizar las proyecciones a medida que cambian los datos.
“Lo que hacemos es proyectar a futuro los estados financieros de la compañía”, explica Jordi Clarà, CEO y cofundador de M.IA.
La siguiente evolución será pasar de recomendar a actuar. M.IA está probando que sus agentes puedan elaborar un plan de actuación (por ejemplo, sobre pagos, cobros o gestión de excedentes de tesorería) y ejecutarlo cuando el responsable financiero lo valide.
La autonomía estará delimitada por las reglas que establezca cada empresa: desde no realizar ningún pago sin autorización hasta permitir operaciones por debajo de un determinado importe.
Es precisamente aquí donde aparece una de las claves de la IA agéntica: no se trata de dejar que una IA tome decisiones sin control, sino de darle capacidad para actuar dentro de un marco previamente definido.
“Nunca va a poder tomar una decisión que el usuario no haya validado”, apunta Clarà.
La compañía pone también el foco en un aspecto especialmente sensible en finanzas: la seguridad de los datos. Su arquitectura se despliega para cada cliente y los datos permanecen en Europa.
Asesoramiento financiero: de dos días a diez minutos
La IA agéntica también está entrando en servicios donde la intervención humana sigue siendo necesaria por la complejidad de las decisiones y por la regulación.
Multiplo Capital es un ejemplo de cómo esta tecnología puede permitir automatizar buena parte del trabajo de back office de un servicio de asesoramiento financiero, manteniendo al asesor humano como responsable de revisar y explicar las recomendaciones al cliente.
La compañía combina una plataforma digital de agregación financiera con asesoramiento humano. El sistema reúne en un único lugar la información de las distintas entidades con las que trabaja el cliente y mantiene actualizados sus activos y pasivos.
Sobre esa información, la IA puede preparar buena parte del trabajo que hasta ahora realizaba directamente el asesor.
El proceso comienza con la recopilación de información del cliente. La plataforma puede utilizar IA para completar parte del cuestionario a partir de la información disponible y, una vez reunidos los datos, generar una primera versión del plan financiero. El asesor revisa el resultado, introduce los cambios necesarios y lo presenta al cliente.
La misma lógica se aplica al seguimiento. Cada trimestre, el sistema analiza cómo ha evolucionado la cartera, identifica qué ha ocurrido en cada tipo de activo y producto y genera una narrativa sobre la evolución de las inversiones. El asesor vuelve a revisar ese contenido antes de trasladárselo al cliente.
También puede actuar ante acontecimientos extraordinarios. Si se produce un movimiento relevante en los mercados que pueda afectar a determinados clientes, la IA prepara el análisis y el contenido que deberá revisar el asesor.
Aquí aparece una de las claves de la IA agéntica aplicada a sectores regulados: automatizar no significa eliminar la supervisión humana.
En el caso de Multiplo Capital, el sistema puede analizar información, generar planes, preparar respuestas y contenidos, pero el asesor mantiene la responsabilidad sobre las decisiones de asesoramiento y sobre la comunicación al cliente.
El resultado es un cambio importante en la economía del servicio. Según explica Cristian Merino, cofundador de Multiplo Capital, la compañía ha pasado de emplear entre un día y medio y dos días en preparar un plan financiero a necesitar alrededor de diez minutos para revisarlo, porque la IA genera previamente el trabajo.
“Es un ejercicio casi de revisión, no es hacer el plan desde cero”. La consecuencia es que un servicio que tradicionalmente necesitaba una elevada dedicación humana puede convertirse en un servicio mucho más escalable.
La IA no sustituye al asesor: reduce drásticamente el trabajo que tiene que hacer para que pueda atender a más clientes. Es precisamente esta capacidad de productizar servicios intensivos en conocimiento una de las aplicaciones más interesantes de los agentes. La IA lee información, toma decisiones siguiendo unas reglas previamente definidas, genera documentos y prepara el siguiente paso del proceso. El humano interviene allí donde aporta más valor y donde la regulación exige que exista una responsabilidad profesional.
Ciberseguridad: agentes que simulan ataques
Si la IA permite automatizar ataques, también puede utilizarse para entrenar a las personas que deben defenderse de ellos. Esa es la propuesta de Zepo, una startup que utiliza IA para simular ataques y formar a los empleados. “Zepo es una plataforma de inteligencia que te permite concienciar y simular a empleados y a personas reales”, explica Cristina Carranza, responsable de estrategia global de Zepo.
La plataforma puede simular diferentes escenarios: phishing, smishing, llamadas telefónicas o incluso vídeos personalizados que utilizan la imagen y la voz de un directivo para crear situaciones de ingeniería social.
La formación se adapta después a cómo ha reaccionado cada empleado. “Yo cojo e interpreto cómo empleado uno ha contestado a un email o ha descargado un documento, el empleado dos ha dado sus credenciales mediante una llamada telefónica o mensaje de texto y cada uno de ellos recibirá una formación que está relacionada con su interacción específica”, dice Carranza.
El objetivo es reforzar la última barrera de seguridad: las personas. “Tú puedes tener una infraestructura de muchos recursos invertidos y un equipo muy bueno, pero si viene un empleado y abre la puerta y entra en el ataque, hay muy poco que puedes hacer. Digamos que ya ha pasado la primera barrera de defensa y ya tienes al enemigo en casa. Entonces, nuestro reto es cómo fortalecemos la barrera humana”.
La compañía está llevando además esta automatización a sus propios procesos de desarrollo, ventas, marketing o soporte. Los agentes pueden incluso crear contenidos formativos a partir de una normativa o de información proporcionada por la empresa. “Tradicionalmente esto ha existido en silos”, comenta Cristina Carranza.
