¿Qué pasaría si la IA se encargara de forma autónoma del desarrollo de software? Los sistemas de IA agentiva, como GitHub Copilot Workspace, ya tienen como objetivo recibir solicitudes de alto nivel y escribir, probar y depurar código de forma autónoma. Este salto, que va más allá de la generación de fragmentos de código para automatizar flujos de trabajo cognitivos de principio a fin, está transformando el trabajo intelectual y la interacción con el software. Comprender el impacto de la IA agentiva en la estrategia, las hojas de ruta y la plantilla es ahora imprescindible para los líderes. Según los participantes en una reciente encuesta de Boston Consulting Group, una de cada tres empresas a nivel mundial tiene previsto destinar más de 25 millones de dólares a la IA en 2025.
Definición de la IA agentiva: más allá de los chatbots, hacia los agentes autónomos
Olvídate de los simples chatbots. La IA agentiva consiste en sistemas diseñados para perseguir objetivos de forma autónoma. A partir de un objetivo general, un sistema agentivo puede elaborar un plan, ejecutar los pasos necesarios interactuando con diversas herramientas digitales (API, navegadores, aplicaciones) y adaptarse en función de los resultados. Se trata de la transición de una IA que responde basándose en patrones a una IA que actúa para llevar a cabo tareas específicas.
Gran parte de la confusión se debe a que la IA agentiva suele utilizar potentes modelos de IA generativa, como el GPT-4 de OpenAI o el Gemini de Google, como motor principal de razonamiento. Sin embargo, el marco agentivo —del que son ejemplo las plataformas que surgen de la API de Assistants de OpenAI o de los kits de herramientas de código abierto— proporciona las capas fundamentales de autonomía, planificación, memoria e interacción con herramientas. Imagina que, en lugar de disponer de un potente motor, tienes un vehículo autónomo que utiliza ese motor para circular por el tráfico, seguir rutas y llegar a un destino. Esta capacidad dinámica lo diferencia claramente de la automatización robótica de procesos, frágil y que se limita a seguir guiones preestablecidos.
IA agencial frente a IA generativa: el avance práctico que está impulsando el revuelo mediático
El poder de la IA generativa para crear contenido —desde fragmentos de código, como en el caso del GitHub Copilot original, hasta textos de marketing, como en el caso de Jasper— es innegable. Sin embargo, la IA agentiva aprovecha este poder generativo y lo convierte en algo práctico. Es la diferencia entre pedirle a una IA que escriba código en Python y pedirle a un agente que cree, pruebe y depure un script funcional en Python que se integre con una API específica para lograr un resultado empresarial.
La actual ola de expectación, evidente en las valoraciones al alza de las startups de IA y en la intensa atención que les prestan los gigantes tecnológicos, tiene su origen en este salto hacia la acción autónoma. Mientras que la IA general podría redactar secciones de un plan de negocio, a un sistema autónomo se le podría encargar que «analice las tendencias del mercado para el Producto X, identifique a los principales competidores, redacte un documento de estrategia competitiva y programe una reunión de revisión», coordinando herramientas de investigación, análisis, generación y planificación. Este potencial para automatizar de principio a fin flujos de trabajo complejos y de múltiples pasos, yendo más allá de la intervención humana en cada paso, alimenta el inmenso interés estratégico y la inversión.
El imperativo de la agencia: redefinir el software, desafiar a los líderes del mercado
¿Por qué prácticamente todas las empresas de software, desde los hiperescaladores hasta los proveedores de SaaS, se apresuran a desarrollar una estrategia basada en agentes? Porque promete redefinir la interacción con el usuario y el valor del software. Como dijo Satya Nadella, director ejecutivo de Microsoft, tecnologías como Copilot «cambian radicalmente nuestra relación con la informática», actuando como coordinadores.
Vemos cómo esto se está desarrollando rápidamente:
- El ecosistema Copilot de Microsoft: El amplio despliegue de Microsoft 365 Copilot en Word, Excel y Teams no se limita a la integración de funciones generativas, sino que permite a los usuarios delegar tareas como «Resumir los correos electrónicos no leídos del Proyecto Phoenix y marcar las acciones pendientes» o «Analizar los datos de ventas del cuarto trimestre en esta hoja de Excel y crear un resumen en PowerPoint». El reciente lanzamiento de GitHub Copilot Workspace se centra explícitamente en esto, con el objetivo de llevar las solicitudes de los desarrolladores desde la descripción del problema hasta una solicitud de incorporación de cambios probada con una intervención mínima.
- Integraciones «Agentic» de Google: Google sigue integrando Gemini cada vez más profundamente en Workspace, lo que permite realizar acciones complejas entre aplicaciones. La evolución de los resúmenes de IA en la Búsqueda apunta a un futuro en el que la Búsqueda no solo proporcione enlaces, sino que realice acciones o tareas de investigación complejas de forma directa.
- Salesforce, Service Now, Adobe: estas plataformas están incorporando funciones de tipo «agentic» (como Salesforce Einstein Copilot o Now Assist de Service Now) para automatizar flujos de trabajo complejos en los ámbitos del CRM, la gestión de servicios de TI y la creación de contenidos, lo que permite a los usuarios interactuar mediante comandos en lenguaje natural en lugar de interfaces de usuario complejas.
- Startups: Empresas como Adept AI, dedicadas a enseñar a la IA a utilizar las interfaces de software existentes, ponen de relieve la ambición de crear agentes universales, lo que ha despertado un gran interés por parte del capital riesgo a lo largo de 2024.
Esta tendencia amenaza con alterar los modelos de software establecidos. Si los usuarios pueden obtener resultados complejos mediante agentes conversacionales integrados en aplicaciones tradicionales, la interfaz de usuario y el conjunto de funciones de la aplicación subyacente pierden importancia. Las empresas ya consolidadas deben adaptarse o se arriesgan a quedar relegadas.
Reformular la protección de datos: hacia una ciberresiliencia autónoma
El sector de la protección de datos, que se enfrenta a amenazas cibernéticas cada vez más graves —como los sofisticados ataques de ransomware en varias fases que se han observado con mayor frecuencia a finales de 2024—, necesita urgentemente las capacidades proactivas que promete la IA agentiva:
- Defensa proactiva más allá de la detección de anomalías: la IA actual señala las anomalías, pero los sistemas basados en agentes podrían ir más allá. Imagina un agente que detecte patrones característicos del ransomware, realice de forma autónoma instantáneas de máquinas virtuales críticas a través de la plataforma de copias de seguridad, verifique la integridad de dichas instantáneas y aísle los terminales sospechosos antes de que comience el cifrado, reduciendo así drásticamente el alcance del ataque.
- Recovery inteligente y sensible al contexto: en lugar de planes de Recovery rígidos, un agente podría analizar el alcance de un ataque (por ejemplo, utilizando fuentes de inteligencia sobre amenazas a través de una API), identificar los puntos de Recovery más seguros en múltiples sistemas, coordinar la restauración utilizando la infraestructura de copias de seguridad, realizar comprobaciones automatizadas de validación de datos e incluso generar informes posteriores al incidente.
- Optimización dinámica de políticas: los agentes podrían analizar los requisitos normativos en constante evolución (como las actualizaciones del RGPD o las disposiciones de la CCPA) o las deficiencias de protección detectadas, y ajustar automáticamente las políticas de copias de seguridad, las frecuencias y los parámetros de retención, manteniendo así una alineación continua sin necesidad de intervención manual.
Commvault, Arlie y el futuro: estructuras basadas en agentes para la resiliencia de los datos
Para hacer frente a esta evolución, se necesita una plataforma de resiliencia de datos diseñada para un mundo impulsado por la inteligencia artificial. En Commvault, nuestro copiloto de IA, Arlie, ya aprovecha la inteligencia artificial para ofrecer información valiosa y optimizar las operaciones. Pero nuestra visión va más allá: nuestro objetivo es hacer realidad las «Agentic Fabrics».
Este concepto plantea una arquitectura inteligente e interconectada en la que los agentes de IA, guiados por Arlie, operan y se coordinan de forma autónoma en todo tu entorno de datos híbrido. No se trata solo de un asistente, sino de una red de agentes especializados que trabajan juntos:
- Un agente encargado de supervisar el estado de seguridad podría detectar una amenaza y avisar a otro agente a través de Arlie para que proteja al instante las copias de seguridad pertinentes.
- Siguiendo la intención del usuario («Recuperar la base de datos del CRM al estado en que se encontraba antes de la actividad sospechosa de ayer»), Arlie podía indicar a los agentes que coordinaran la compleja restauración en los servidores de aplicaciones, las bases de datos y el almacenamiento en la nube, y que confirmaran la integridad de los datos tras la recuperación.
- Los agentes podrían identificar de forma proactiva oportunidades de ahorro de costes analizando los patrones de uso de los datos y migrando automáticamente los datos inactivos a niveles de almacenamiento más económicos, en función de los objetivos establecidos en las políticas.
Agentic Fabric representa la próxima evolución en arquitectura inteligente: un ecosistema coordinado en el que los agentes de IA operan de forma autónoma, pero colaborativa, en todo su entorno de datos. No se trata simplemente de implementar asistentes aislados, sino de crear una red interconectada de agentes especializados que se comunican y coordinan a la perfección:
- Los agentes de seguridad pueden detectar amenazas al instante y activar medidas de protección a través de otros agentes especializados sin intervención humana.
- Los procesos de Recovery pueden basarse en la intención expresada en lenguaje natural («Restaurar nuestros sistemas al estado anterior a la brecha de seguridad») al tiempo que coordinan flujos de trabajo técnicos complejos en entornos híbridos.
- La optimización de los recursos se convierte en un proceso continuo, ya que los agentes identifican de forma proactiva las oportunidades de mejora y las aplican de acuerdo con las políticas definidas por la empresa.
Este cambio hacia la IA agentiva exige que las organizaciones se replanteen tres aspectos fundamentales: su arquitectura de datos (para que permita el funcionamiento autónomo, pero seguro, de los agentes), sus marcos de gobernanza (para establecer las medidas de control adecuadas para las acciones de los agentes) y sus estrategias de resiliencia (aprovechando a los agentes para anticiparse a las amenazas, en lugar de limitarse a responder a ellas). Las organizaciones que adopten este paradigma no solo lograrán una mayor eficiencia, sino que transformarán de forma radical la manera en que protegen, gestionan y aprovechan sus activos de datos.
A medida que el panorama digital se vuelve cada vez más complejo y los vectores de amenaza se multiplican de forma exponencial, la pregunta es inevitable: ¿Se está preparando tu organización para un mundo en el que la IA no solo ayude a tu equipo, sino que proteja activamente tus activos más valiosos? La revolución de los agentes no se avecina: ya está transformando la tecnología empresarial. ¿Estás preparado para evolucionar con ella?
