Agentes de IA se espera que participen en la mayoría de las tareas empresariales en un plazo de tres años, con una colaboración eficaz entre humanos y agentes proyectada como aumentar la participación humana en tareas de alto valor en un 65%.
Los agentes de IA pueden ayudar a alcanzar y superar los objetivos de eficiencia a medida que aprenden, razón y ajustan según el contexto y los resultados. A medida que se vuelven cada vez más centrales en las estrategias empresariales, entender dónde generan impacto y justifican la inversión es esencial para los líderes.
Aquí tienes seis formas cómo la IA basada en agente mejora el rendimiento del equipo y también consejos prácticos para medir su impacto.
1. Aceleración del Desarrollo de Software con Agentes de IA
Los agentes de IA pueden actuar como copilotos inteligentes, ayudando a automatizar la generación, pruebas y despliegue de código.
Pueden detectar errores desde el principio, lo que resulta en lanzamientos de mayor calidad y más rápidos, y en la incorporación rápida de nuevos ingenieros al proporcionar información y contexto seleccionados por IA en la documentación.
Por ejemplo, NVIDIA ChipNeMo, un equipo de agentes especializados construidos sobre grandes modelos de lenguaje personalizados (LLMs) y entrenado con los datos internos de diseño de chips de NVIDIA, ayudó a 5.000 ingenieros de NVIDIA en diseño, verificación y documentación a ahorrar 4.000 días de ingeniería en solo un año.
Desde su despliegue, ChipNeMo ha:
Infórmate sobre crear agentes con NVIDIA Nemotron y mejorando la generación de código con IA usando NVIDIA NeMo Agent Toolkit.
2. Impulsando la Toma de Decisiones Respaldada por Datos
Los agentes pueden ayudar a empresas de distintos sectores a obtener fácilmente información de datos complejos y sensibles al tiempo para la toma de decisiones críticas, como en inversiones o estrategia empresarial.
Aladdin Copilot de BlackRock, un asistente de IA integrado que sirve a miles de usuarios en cientos de instituciones financieras, permite a los equipos recopilar información sobre carteras, evaluar investigaciones de inversión y monitorizar los saldos de caja disponibles mediante simples indicaciones de texto. Ha ayudado a reducir el tiempo de investigación de minutos a segundos mientras mejora las decisiones de inversión basadas en datos.
VAST Data utiliza agentes para recopilar y sintetizar rápidamente información de fuentes internas y externas. Para sus equipos de ventas, esto significa acceso más rápido a información útil y actualizada sobre las cuentas de clientes.
3. Optimización de las Operaciones de TI
Los agentes destacan en mantener las operaciones de TI, incluso monitorizando proactivamente la infraestructura y automatizando la toma de decisiones.
Los agentes de IA en operaciones de TI ofrecen:
En entornos de telecomunicaciones de ritmo acelerado, los agentes pueden ayudar a gestionar redes analizando indicadores de rendimiento en tiempo real y prediciendo fallos de servicio. Por ejemplo, Telenor Group integró el NVIDIA Blueprint para la configuración de redes de telecomunicaciones para desplegar redes inteligentes y autónomas que satisfagan las demandas de rendimiento del 5G y más allá.
4. Optimización de las Operaciones Industriales y de Manufactura
Capaz de interactuar con el mundo físico, agentes de IA de análisis de vídeo pueden monitorizar las líneas de montaje para comprobar la calidad y detectar anomalías.
Pegatron desarrolló la plataforma PEGA AI Factory para acelerar el desarrollo de agentes de IA en toda la empresa en un 400% en los últimos cuatro años. Además, la plataforma de gemelo digital de la compañía, PEGAVERSE, se construyó sobre el NVIDIA Omniverse y permite a los ingenieros simular, probar y optimizar virtualmente las líneas de producción antes de que se construyan, reduciendo el tiempo de construcción en la fábrica en un 40%.
Pegatron también mejoró su proceso de ensamblaje utilizando agentes de IA de análisis de vídeo funcionando con NVIDIA AI Blueprint para búsqueda y resumen de vídeo, y se registró una reducción del 7% en los costes laborales por línea de montaje y una disminución del 67% en las tasas de defectos.
Siemens está incorporando la IA generativa en sus soluciones con el Industrial Copilot para aprovechar datos en tiempo real de las fábricas y guiar a técnicos de mantenimiento y operadores de planta. Las entrevistas con ingenieros de mantenimiento indican que esto podría ahorrar de media un 25% en el tiempo de mantenimiento reactivo.
Foxconn utiliza gemelos digitales y agentes de IA para optimizar sus líneas de producción, reduciendo el tiempo de despliegue en un 50%, así como para simular robots y monitorizar la calidad y seguridad en tiempo real.
5. Mejoramiento del Servicio al Cliente
Los agentes destacan en la gestión de atención al cliente a gran escala, reduciendo los tiempos de espera al gestionar miles de consultas simultáneamente.
Los empleados y contratistas de AT&T utilizan una solución de IA generativa llamada «Ask AT&T,», que cuenta con más de 100 soluciones y agentes en producción. Construido con LLMs atendidos por los microservicios NVIDIA NeMo y NIM, Ask AT&T ayuda a obtener documentación relevante y a resolver consultas rutinarias de forma autónoma.
Ofreciendo soporte personalizado 24/7, Ask AT&T comparte sugerencias relevantes para el contexto recordando información organizativa de correos electrónicos, reuniones y transacciones pasadas. Y para mejorar continuamente el rendimiento del agente, se integran bucles de retroalimentación en tiempo real en el sistema mediante un data flywheel.
Estos servicios automatizados resultaron en un 84% menos en los costes de análisis de transcripciones del centro de llamadas.
6. Impartiendo Educación Personalizada
Los agentes de IA están haciendo que el soporte individualizado al aprendizaje sea más accesible, escalable y eficaz, al tiempo que libera a los instructores para una enseñanza más profunda.
Ante el aumento del tamaño de las clases y la escasez de asistentes de enseñanza, la Clemson University desarrolló un TA impulsado por IA, construido con el NVIDIA Blueprint para generación aumentada con recuperación, para guiar a los estudiantes a través de conceptos desafiantes.
En lugar de limitarse a proporcionar respuestas, el TA virtual guía a los estudiantes paso a paso a través de los problemas, fomentando la resolución activa de problemas y el pensamiento crítico para promover una comprensión más profunda y la integridad académica.
El asistente también personaliza los comentarios y consejos en consonancia con el contenido del curso, los plazos de entrega de trabajos y las entregas de los estudiantes. Funciona las 24 horas del día, los 7 días de la semana, ofreciendo a cada estudiante un apoyo puntual y personalizado, independientemente del tamaño de la matrícula.
¿Cómo Se Puede Medir el Éxito de los Agentes de IA?
Medir el impacto de los agentes de IA no es solo una casilla para cumplir, es esencial para maximizar la inversión. La forma en que los usuarios definen el éxito influirá directamente en lo bien que estos sistemas aportan valor. Con demasiada frecuencia, las empresas despliegan agentes sin un marco de medición claro, lo que dificulta demostrar el retorno de la inversión o identificar áreas de mejora.
Al establecer una estrategia de evaluación, los usuarios deben considerar qué métricas son más importantes para sus objetivos. Por ejemplo:
- Adopción y compromiso: Haz seguimiento de si la tecnología está siendo adoptada. Las métricas incluyen cuántos usuarios elegibles interactúan con el agente, y con qué frecuencia, así como la duración de las sesiones. Un alto compromiso significa que el agente proporciona un apoyo eficaz de forma rutinaria.
- Finalización de tareas: Mira más allá del uso hacia los resultados. Mide cuántas tareas o peticiones gestiona el agente y qué partes se cumplen sin intervención humana. En el desarrollo de software, los usuarios pueden medir la tasa de generación automática de código para ver cuánto del software está desarrollando un agente. Una alta tasa de finalización automatizada de tareas permite que los empleados tengan libertad para trabajos de mayor valor.
- Ganancias en productividad y eficiencia: Cuantifica el tiempo ahorrado. Métricas como el tiempo para resolver problemas de TI, el tiempo de generación de informes para la toma de decisiones y el tiempo medio de gestión para las interacciones de atención al cliente ayudan a demostrar mejoras claras en la eficiencia.
- Resultados empresariales: Conecta el rendimiento de los agentes con los resultados finales. Esto podría significar coste por interacción en soporte, tiempo de lanzamiento al mercado en desarrollo de software o reducción de tiempos de inactividad no planificados en las operaciones de TI.
- Experiencia de usuario de alta calidad: Asegúrate de que el sistema sea tanto de confianza como eficaz. Consideremos una puntuación de calidad del código para desarrolladores, la precisión de la predicción en la toma de decisiones respaldada por datos o las puntuaciones de satisfacción del cliente en escenarios de servicio.
La conclusión clave: medir el éxito de los agentes de IA va mucho más allá de un solo número. La adopción, la eficiencia, la precisión y el impacto empresarial son fundamentales. Al elegir la combinación adecuada de métricas desde el principio, las empresas pueden validar el éxito mientras refinan y mejoran continuamente cómo los agentes aportan valor.
Lee más historias sobre cómo los clientes están adoptando aplicaciones de IA