Las empresas están adoptando la inteligencia artificial (IA) agéntica, capaz de ejecutar tareas complejas de forma autónoma y, por tanto, aumentando la productividad, frente a la IA generativa, que se limita a la creación de textos imágenes o códigos, según SAS.
Así se desprende de los informes ‘State of AI in Business 2025’ elaborado por el MIT y ‘Data and AI Impact’ elaborado por IDC, a cargo de la compañía de IA SAS, que ponen de relieve cómo las empresas ya están apostando por este tipo de inteligencia artificial, gracias a sus capacidades para “transformar la eficiencia en el sector” así como la atención al cliente.
Según los datos recabados, la adopción de la IA agéntica en empresas es del 52 por ciento a nivel global, pero en España asciende al 56.6 por ciento. Además, el 78 por ciento de los líderes empresariales consultados considera a la IA avanzada como un “factor crítico” en el que confían para mantener la ventaja competitiva en los próximos tres años.
Esta apuesta por la IA agéntica se debe, en parte, a que, en comparación con la IA generativa, ofrece capacidades que van más allá de crear contenido, la comprensión profunda de los flujos de trabajo de las compañías y la flexibilidad. Como ha subrayado SAS, la IA agéntica no requiere contexto cada vez que se incluye información, ya que tiene memoria persistente, aprende de las interacciones anteriores y puede gestionar flujos de trabajo más complejos que la IA generativa. De esta forma, trabaja como un compañero capaz de “razonar, recordar y ejecutar múltiples tareas”.
Siguiendo esta línea, según la guía práctica sobre la IA agéntica de SAS, también destacan sus capacidades de comprensión del entorno y las habilidades para razonar, planificar y procesar información compleja, lo que facilita “elegir la acción más adecuada y ejecutarla”, actuando de forma autónoma.
Pilares para adoptar la IA agéntica
Para adoptar la inteligencia artificial agéntica, las empresas deben abordar varios pilares: gobernanza, involucración humana y el fomento de decisiones inteligentes, como ha indicado la experta en IA y Analítica de SAS España, Amaya Cerezo.
“La gobernanza es clave para asegurar que todos los agentes dentro de la organización estén controlados, sean transparentes y se alineen con la estrategia y los valores corporativos”, ha destacado Cerezo.
Por su parte, la supervisión humana garantiza que las decisiones críticas mantengan el juicio humano cuando sea necesario, y por último, la experta ha indicado que es “vital” fomentar las decisiones inteligentes, integrando los agentes de forma fluida en las operaciones rutinarias del negocio con el fin de optimizar procesos y mejorar la eficiencia a nivel global.
Para construir agentes “más efectivos” se requieren herramientas y componentes específicos que aseguren su funcionamiento óptimo. Para ello, en SAS han identificado y desarrollado “aceleradores” que potencian la IA agéntica, como los ‘RAGs’ (Retrieval Augmented Generation), que permiten a los agentes acceder y referenciar datos específicos y ofrecer respuestas contextuales y precisas, como ha señalado Cerezo.
Igualmente, ha apuntado que otro aspecto clave es la orquestación de agentes, que permite “crear ecosistemas especializados que trabajen de forma coordinada, donde cada uno desempeña un rol específico en tareas multietapa”, maximizando la eficiencia.
Retos y expectativas de la IA agéntica
No obstante, la adopción de esta IA agéntica trae consigo una serie de retos y desafíos, ya que el 46 por ciento de las empresas europeas se ven en un dilema respecto a la confianza en la IA, debido a una brecha entre la confianza real y la percibida.
En este sentido, SAS ha apuntado a los nuevos marcos regulatorios, imprescindibles para garantizar una implementación responsable y proteger a empresas y ciudadanos.
Respecto a las prioridades para gestionar proyectos de IA, el 51.2 por ciento de las empresas europeas señalan que buscan crear una arquitectura de IA, el 44.8 opina que es imperativo el aprendizaje y ‘reskilling’ para manejar esta tecnología, y el 41.9 por ciento destaca la creación de equipos de ‘data science’ e IA.
