La inteligencia artificial (IA) ha revolucionado el entorno laboral al asumir tareas repetitivas y que consumen tiempo del día a día. Sin embargo, Gabriel Hubert, CEO y cofundador de Dust, avanza que las empresas están en un proceso de evolución hacia un modelo de IA multijugador, que promete transformar aún más la forma en que se trabaja en equipo.
A diferencia del uso tradicional de herramientas de IA por empleados individuales, la IA multijugador se basa en la colaboración y el aprendizaje compartido. En este esquema, los agentes de IA no solo realizan tareas de manera aislada, sino que participan en flujos de trabajo conjuntos que se enriquecen a partir de los datos disponibles en la empresa.
La transformación hacia la IA multijugador
El uso típico de la IA en muchas organizaciones involucra a un empleado que interactúa con un chatbot. Este proceso puede mejorar la productividad individual, pero Hubert señala que tiene limitaciones. “Una persona puede encontrar una forma más eficiente de realizar una tarea, pero esa mejora no se propaga al resto del equipo”, explica. En un entorno de IA multijugador, todos los agentes de IA pueden colaborar en los mismos flujos de trabajo.
Por ejemplo, un agente encargado de redactar un blog puede generar contenido y luego pasar esta información a otro agente especializado en redes sociales, que lo adaptará para plataformas como LinkedIn. Hubert menciona que este tipo de interacciones permite una mejora continua del flujo de trabajo, que se vuelve accesible y útil para todo el equipo.
Este enfoque también se adapta bien a áreas como ventas, donde tradicionalmente un representante tenía que invertir considerable tiempo buscando información y manteniendo actualizados los registros de clientes potenciales. En un modelo de IA multijugador, el representante puede mencionar un agente que reúna datos relevantes, aplique los criterios de calificación establecidos y actualice automáticamente el sistema de gestión de relaciones con clientes (CRM).
Desafíos en la gobernanza y la seguridad
Mientras las organizaciones transitan de un modelo de IA individual a uno colaborativo, frecuentemente se encuentran con que los modelos de gobernanza tradicionales no son adecuados. Un estudio revela que el 55% de las grandes empresas en la UE ya utiliza IA, pero solo una cuarta parte considera que sus modelos de gobernanza son suficientes para gestionar esta implementación.
Esto puede dar lugar a una situación conocida como «shadow AI», donde los empleados emplean herramientas de IA sin la aprobación del equipo de IT. Por ejemplo, si un agente tiene acceso a documentos sensibles, cualquier usuario que interactúe con él podría acceder accidentalmente a información confidencial. En Dust, se establecen controles de acceso específicos para cada agente, lo que asegura que la información sensible permanezca protegida.
“El contexto y el conocimiento operativo de una empresa deben pertenecer a la propia organización”, enfatiza Hubert. Esto implica que los administradores deben gestionar cuidadosamente qué datos pueden utilizar los diferentes agentes y cómo se organizan esos datos.
Manteniendo la intervención humana
A pesar del avance de la IA, uno de los principales obstáculos es que los empleados suelen estar más preparados para su uso que sus organizaciones. La investigación indica que factores como el apoyo de la dirección y la cultura organizativa son fundamentales para maximizar el impacto de la IA.
Para facilitar la adopción de la IA multijugador, Hubert sugiere la creación de un nuevo rol en las empresas: el «operador de IA». Este profesional se centra en reevaluar los procesos existentes y preguntarse si deberían mantenerse en la forma actual ahora que la IA está disponible.
“A medida que los agentes asumen más tareas, el juicio humano se vuelve más valioso”, añade Hubert. En este contexto, él visualiza un futuro donde los centros de trabajo no se pregunten si deben implementar agentes, sino cómo gestionar adecuadamente esta fuerza laboral de IA.
Con el tiempo, la clave será entender los flujos de trabajo en los que participan los agentes, quién es responsable de cada acción y garantizar que sus decisiones sean fiables. A medida que la IA se involucra más en la ejecución, el componente humano se vuelve esencial para garantizar la calidad y efectividad de los resultados.