El despliegue se ha convertido en la medida equivocada del progreso.
En todos los sectores, las conversaciones sobre los agentes de IA van desde su implementación hasta la rapidez con la que se pueden agregar.
En ese cambio se ha captado una suposición crítica que ahora es necesario reexaminar; Dirigir un agente y obtener valor de él no es lo mismo.
Director de Tecnología (CTO) de KTSL.
Investigaciones recientes muestran que el 88% de las empresas del Reino Unido están implementando activamente agentes de IA, pero solo el 20% logran un impacto comercial mensurable.
Este es un problema de secuenciación más que tecnológico.
Caso de negocio ilícito
Cuando los agentes de IA aparecieron por primera vez en la hoja de ruta empresarial, el plan de negocios casi siempre se basaba en la reducción de costos: automatización, reducción de personal por aquí, reducción de costos por allá. Pero este manual se tomó prestado de todas las oleadas anteriores de tecnología empresarial y fue un marco útil para los proyectos piloto en sus primeras etapas.
Desde entonces, las empresas que han pasado de los pilotos a las operaciones en vivo lo han abandonado en gran medida. El retorno en el que ahora piensan es una resolución más rápida de los problemas operativos y una mejor experiencia para las personas a las que sirven esos sistemas. La reducción de costos, cuando aparece, tiende a ser un subproducto más que el objetivo.
Una instalación diseñada para minimizar costos se medirá en términos de costos. Si la misma implementación realmente mejora la velocidad de resolución o reduce la demanda de conmutación por error en los equipos de soporte, ese valor no se registra ni se materializa en inversiones adicionales. La lección es tan antigua como el tiempo, pero debemos recordarla: si se equivoca en el objetivo desde el principio, es fácil hacer que una implementación exitosa parezca un fracaso.
Por qué las implementaciones tienen un rendimiento inferior
Una proporción significativa de las implementaciones de agentes de IA no cumplen con las expectativas, y una parte significativa de las organizaciones ha respondido deteniendo nuevas inversiones. Antes de tratar esto como evidencia de que la tecnología no funciona, vale la pena analizar qué causa realmente este bajo rendimiento.
Las barreras más comunes que vemos son la falta de habilidades, la mala definición de los casos de negocio, los problemas de calidad de los datos y la ausencia de un socio tecnológico capacitado. Nuevamente, nada de esto tiene que ver con cuestiones técnicas, sino más bien con la preparación y ejecución.
En la práctica, veo otro problema: los agentes deben ser considerados realmente mejores que los procesos reemplazados por personas que hacen el trabajo. Si los ingenieros y operadores no experimentan los beneficios, nunca verá una adopción efectiva. Después de eso, los establishments se desvanecerán antes de que tengan la oportunidad de demostrar su valía. La aceptación, como siempre, requiere la misma atención que la implementación técnica.
Definir cómo es realmente el éxito
Un resultado de desplegar agentes sin una medida acordada de éxito es la incapacidad de demostrar valor incluso mientras lo crean. Este es un problema particular en la gestión de TI, donde los agentes de IA se encargan cada vez más de la detección, clasificación y resolución de incidentes.
El tiempo medio de resolución (MTTR) es la métrica más importante en este contexto y merece un examen más detenido. Las etapas del ciclo de vida de un incidente son:
identificación,
triaje,
separado,
diagnóstico,
arreglar y
verificación
Cada uno de ellos tiene un peso diferente dependiendo de dónde sea más lento el proceso actual. Una organización que tarda diez minutos en detectar una incidencia pero dos minutos en resolverla una vez detectada es un problema diferente a una limitación donde el diagnóstico es un problema. Por lo tanto, los agentes deben postularse a la etapa en la que adquirirán habilidades reales.
Establezca líneas de base y sepa dónde se pierde el tiempo antes de seleccionar intervenciones. Luego puede establecer un objetivo específico para reducirlo y compararlo. Sin él, es muy difícil distinguir una implementación exitosa de una ocupada.
brechas de gobernanza
Los marcos de seguridad y gobernanza todavía se crean en su mayor parte para entornos donde los humanos toman decisiones importantes, incluso si el software las ejecuta. Cuando se introduce una combinación de agentes autónomos con la capacidad de acceder a datos confidenciales y actuar sobre ellos en tiempo real con supervisión humana limitada, esos marcos se vuelven ineficaces. Esto no es una crítica a cómo fueron diseñados, sino más bien una descripción de la brecha que se ha abierto a medida que se ha ampliado el despliegue.
Cuando observo dónde están más expuestas las organizaciones, tienden a ser empresas cuyas estructuras existentes están demasiado arraigadas para ser revisadas fácilmente. La arquitectura heredada es una limitación y las organizaciones más grandes soportan más de ella.
Aquí se puede hacer una comparación con la era de la expansión de SaaS y la TI en la sombra. En ambos casos, la tecnología se movía más rápido que los controles que la rodeaban, y los costos de establecer preventivamente esos controles eran mayores que los de crearlos. Teniendo esto en cuenta, es fácil ver que la gobernanza no actúa como un freno al despliegue de nuevas tecnologías, sino que es un requisito previo que garantiza la viabilidad a largo plazo.
Las decisiones tardías de integración son costosas
La infraestructura de TI empresarial socava la planificación tecnológica de diversas maneras. La combinación de nube pública, alojamiento privado y entornos híbridos (que ejecutan procesos en capas sobre sistemas heredados que están mal documentados y son más difíciles de cambiar de lo que cualquiera quisiera) crea una situación que requiere un pensamiento arquitectónico deliberado desde el principio. Los agentes diseñados sin tener en cuenta este entorno requerirán un trabajo importante cuando lo encuentren.
También hay un uso menos obvio de la IA en este proceso. Aplicado en una etapa más temprana del ciclo de planificación, puede identificar dónde los sistemas heredados están creando la mayor fricción y dónde las inversiones en integración producirán el mayor retorno. La mayoría de las organizaciones implementan IA para generar resultados; Son menos los que lo utilizan para mejorar la calidad de las decisiones que dan forma al despliegue, lo que convierte esta aplicación de agentes en un diferenciador competitivo.
Preguntas de secuenciación
Fundamentalmente, las tecnologías utilizadas en las implementaciones exitosas y fallidas de agentes de IA son las mismas. Lo que los distingue es la secuenciación: las condiciones de éxito se establecen antes de que el agente entre en funcionamiento.
Estas condiciones requieren más disciplina que sofisticación, incluidos casos de uso estrechamente delimitados, datos limpios y bien gobernados, integración como prioridad y marcos de seguridad que tengan en cuenta la presencia de sistemas autónomos.
Una pregunta valiosa que debe hacerle a su organización es si sabe, específicamente, qué debe mejorar cada agente de IA, si está mejorando y, de no ser así, qué pasará con ese agente dentro de dieciocho meses. La mayoría de las empresas no pueden responder a las tres preguntas; si usted puede, ya estará un paso por delante de la curva.
Enumeramos el mejor software de automatización de TI.
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:
