A pesar de años de inversión en inteligencia artificial (IA), la mayoría de las experiencias de los clientes siguen siendo fragmentadas, reactivas y dependientes en gran medida de sistemas desconectados detrás de escena.
Si bien el 88% de las empresas utilizan ahora la IA en al menos una función, casi dos tercios están estancadas en fases piloto, según McKinsey, lo que destaca la brecha entre la adopción de la IA y una transformación operativa significativa.
Vicepresidente de EMEA Norte en Genesis.
Los modelos de lenguajes grandes (LLM) han ayudado a las empresas a crear interacciones más receptivas y personalizadas, pero muchas organizaciones están comenzando a reconocer que la IA conversacional por sí sola no es suficiente. A medida que las organizaciones compiten cada vez más en la economía de la experiencia, la atención se centra en tecnologías que sean capaces de coordinar acciones, flujos de trabajo y decisiones a lo largo de todo el recorrido en tiempo real.
Último vídeo deTecnologíaRadar
Este cambio está ayudando a impulsar una nueva era de orquestación agente de la experiencia del cliente, donde los sistemas de inteligencia artificial pueden ir más allá de simplemente responder a las solicitudes y, en cambio, ayudar a ejecutar tareas, resolver problemas y coordinar resultados de forma autónoma en toda la empresa.
Los grandes modelos de acción (LAM) están surgiendo como una parte clave de esa transición, ayudando a las organizaciones a pasar de la inteligencia conversacional a la ejecución operativa en tiempo real.
Llevando la IA más allá de la conversación
Este cambio es importante porque cambia fundamentalmente lo que las herramientas de IA pueden ofrecer dentro de la experiencia del cliente.
Los LLM aportan inteligencia conversacional a la empresa, ayudando a la IA a comprender la intención y crear interacciones más naturales. Los LAM se basan en esa base al convertir la intención en acción: determinando las siguientes mejores acciones y ejecutando flujos de trabajo de varios pasos en tiempo real dentro de canales definidos por la empresa.
Es importante destacar que el ascenso del LAM no señala el fin del LLM. Las dos tecnologías trabajan juntas. Los LLM son importantes para la comprensión conversacional y el razonamiento contextual, mientras que los LAM vinculan esa inteligencia con la acción coordinada. Esto lleva a la IA más allá de simplemente responder a las solicitudes, para orquestar resultados a lo largo del recorrido del cliente.
Tomemos, por ejemplo, la interrupción de un vuelo de una aerolínea durante la temporada alta de vacaciones. Hasta ahora, incluso los agentes avanzados de IA podían explicar los retrasos o dirigir a los clientes a otros canales de soporte.
Los agentes virtuales agentes creados por LAM son cambios totalmente dinámicos. Estos agentes virtuales pueden autenticar clientes, volver a reservar vuelos, actualizar asientos, procesar compensaciones, coordinar flujos de trabajo entre sistemas y enviar actualizaciones de forma proactiva antes de que el cliente las solicite.
Esa es la verdadera transformación que está ocurriendo hoy: pasar de una IA que genera retroalimentación a una IA que ayuda a dar forma a resultados significativos para los clientes.
Cambiando hacia la orquestación agente
Esto presagia un cambio mayor hacia experiencias de cliente autónomas impulsadas por la orquestación de agentes. A medida que los sistemas de IA se vuelven cada vez más capaces de realizar operaciones lógicas y entre sistemas, las organizaciones están comenzando a repensar el modelo operativo detrás de la experiencia del cliente.
La mayoría de las empresas no están diseñadas para ofrecer las experiencias fluidas, proactivas y conscientes del contexto que todos esperamos cada vez más. Creemos que cerrar esta brecha requiere un nuevo modelo operativo para la experiencia del cliente, uno basado en la orquestación en lugar de la automatización aislada. Uno que pueda conectar recorridos de un extremo a otro con contexto compartido, coherencia y ejecución coordinada entre canales, sistemas, equipos y agentes de IA.
Este cambio es particularmente significativo, ya que las empresas hoy en día ya no compiten únicamente en productos o servicios. Cada vez más, compiten en base a la experiencia.
Históricamente, las organizaciones a menudo se han enfrentado a un equilibrio entre eficiencia operativa y empatía con el cliente. Las mejoras en uno a menudo se producen a expensas del otro. La orquestación de experiencias impulsada por la IA tiene el potencial de cambiar fundamentalmente esa ecuación al permitir experiencias que sean simultáneamente eficientes, proactivas, personalizadas y emocionalmente inteligentes.
Ya estamos empezando a ver ejemplos tempranos de esto en la práctica. Utility Warehouse, una de las primeras empresas en implementar agentes virtuales Agentic con tecnología LAM, ha utilizado la tecnología para respaldar recorridos complejos de los clientes, incluido el soporte de facturación y la recuperación del servicio.
Al simplificar su arquitectura de experiencia y conectar mejor los flujos de trabajo de front-office y back-office, la empresa duplicó con creces su tasa de retención y mejoró las experiencias de sus clientes y empleados.
Las organizaciones mejor posicionadas para tener éxito en la próxima era de la experiencia del cliente serán aquellas que no solo estén implementando más IA, sino también aquellas que sean capaces de orquestar experiencias inteligentes y conectadas a escala.
Por qué la gobernanza ya no es opcional
Sin embargo, la autonomía sin gobernanza genera riesgos potenciales.
Los titulares recientes sobre agentes de IA que eliminan bases de datos, malinterpretan instrucciones y operan fuera de los parámetros aprobados han expuesto un desafío creciente para las empresas. Cuanto más capaz se vuelve la IA, más importantes se vuelven la confianza y la responsabilidad.
Después de la implementación, la gobernanza ya no puede considerarse como algo en capas. A medida que los sistemas de IA se vuelven más capaces de razonar y actuar de forma independiente, la gobernanza debe evolucionar de políticas estáticas a arquitecturas operativas integradas directamente en las capas de orquestación.
Aquí es donde la gobernanza por diseño se vuelve esencial. Los sistemas de IA necesitan vallas de nivel empresarial y límites operativos claros para garantizar que las acciones autónomas sean confiables y estén alineadas con las políticas comerciales.
Esperamos que los estándares abiertos de interoperabilidad, como el Model Context Protocol (MCP) y el Agent-to-Agent (A2A), también desempeñen un papel cada vez más importante a la hora de permitir una orquestación agente responsable en toda la empresa.
MCP está diseñado para actuar como una capa de conexión segura entre sistemas de IA, herramientas empresariales, datos y flujos de trabajo, ayudando a proporcionar el contexto en tiempo real y el contexto que los sistemas de IA necesitan para operar de forma segura y eficaz. A2A puede permitir que los agentes de IA se comuniquen, colaboren y coordinen acciones de forma segura en diferentes plataformas y sistemas.
Juntos, estos estándares pueden ayudar a sentar las bases para la orquestación de múltiples agentes, donde los agentes de IA y los equipos humanos pueden trabajar juntos con contexto, gobernanza y supervisión operativa compartidos para ofrecer una experiencia de cliente más fluida y basada en resultados. Para las empresas que amplían la IA agente en la experiencia del cliente, creemos que esta confianza se convertirá cada vez más en un diferenciador competitivo.
La supervisión humana sigue siendo esencial a medida que la IA se integra cada vez más en el trabajo cotidiano (el 36% de las personas ya utilizan herramientas de IA en el trabajo en el Reino Unido); la conversación está cambiando de lo que la IA puede automatizar a dónde es más importante el juicio humano.
La IA se está volviendo más eficaz a la hora de manejar procesos rutinarios y de varios pasos de forma autónoma, pero estos sistemas aún requieren supervisión humana. A medida que la IA asuma más responsabilidades operativas, las personas desempeñarán un papel fundamental en el diseño de sistemas, el manejo de excepciones, la gestión de decisiones y la intervención en momentos que requieren empatía y brevedad.
Esperamos que el equilibrio sea cada vez más importante a medida que las organizaciones avancen hacia una experiencia de cliente más autónoma. El objetivo es permitir que los humanos y la IA trabajen como un sistema integrado, cada uno contribuyendo donde sea más efectivo.
El próximo capítulo de la experiencia del cliente autónomo
A medida que la competencia se desplaza cada vez más hacia la economía de la experiencia, la lealtad del cliente está impulsada menos por los productos o servicios únicamente y más por la calidad de la experiencia general que brindan. El desafío ya no es introducir la IA en la experiencia del cliente, sino utilizarla para eliminar fricciones, agilizar los viajes y ofrecer resultados de manera más efectiva en toda la empresa.
Los LAM están ayudando a acelerar esa transformación al permitir que los sistemas de IA tomen medidas de forma autónoma en tiempo real en todos los flujos de trabajo, canales y procesos operativos, yendo más allá del soporte reactivo hacia una experiencia del cliente más proactiva y conectada.
Es vital que las empresas puedan integrar con éxito la IA, las personas y las operaciones de manera que las experiencias sean sencillas para que los clientes puedan competir. La capacidad de orquestar experiencias inteligentes y conectadas que impulsen resultados a escala se convertirá en un diferenciador mucho más importante que la adopción de la IA por sí sola.
Hemos presentado los mejores chatbots de IA para empresas.
Este artículo fue producido en parte Perspectiva profesional de TechRadarNuestro canal para mostrar las mejores y más brillantes mentes de la industria tecnológica actual.
Las opiniones expresadas aquí son las del autor y no necesariamente las de TechRadarPro o Future plc. Si está interesado en contribuir, obtenga más información aquí:
