En un episodio reciente del CAIO Connect Podcast, el anfitrión Sanjay Puri dialogó con Vijay Vijayasankar, actual Chief Agentic AI Officer de Genpact. La conversación abordó la transformación del papel de la inteligencia artificial (IA) en las empresas, pasando de ser un simple asesor a convertirse en un verdadero "hacedor", capaz de garantizar resultados empresariales.
Vijayasankar enfatizó que con la IA agentiva, esta ya no actúa como consejera; su función principal es la ejecución. En este nuevo paradigma, los humanos asumen el rol de supervisores. "El valor primario de la IA se trasladará hacia la ejecución", afirmó Vijayasankar.
La tesis de Genpact: Resultados sobre horas facturables
Con una trayectoria de 30 años originada en General Electric, Genpact ha evolucionado desde ser una empresa tradicional de subcontratación de procesos a convertirse en un gigante con ingresos anuales que superan los 5 mil millones de dólares. Según Vijayasankar, el diferenciador clave radica en su enfoque hacia resultados específicos en lugar de simplemente contar horas trabajadas. La compañía ha comenzado a productizar la IA agentiva para asegurar productividad y eficiencia. "Podemos respaldar un resultado", destacó, señalando que si un agente no cumple con el valor prometido, el cliente no debería incurrir en gastos por ello.
El experto también identificó las causas comunes del fracaso en proyectos de IA, que generalmente no son atribuibles a la tecnología misma, sino a lo que él denomina "deuda empresarial" presente en los procesos y datos. Para abordar esto, mencionó tres áreas esenciales para entrenar agentes efectivos:
- Datos: Historial transaccional almacenado en sistemas.
- Conocimiento del proceso: Procedimientos operativos estándar documentados y diagramas de flujo.
- Conocimiento tácito: Lo que Genpact llama "huellas dactilares", es decir, la sabiduría no codificada que reside en los empleados experimentados.
Navegando el futuro del trabajo
Para ilustrar cómo será el futuro laboral, Vijayasankar utilizó la analogía del "policía en la calle". Los agentes estándar de IA son comparables a policías que hacen cumplir leyes dentro de una jurisdicción definida. Sin embargo, cuando surgen situaciones complejas o que cruzan fronteras, son los humanos quienes deben intervenir como "Agentes Especiales". Este modelo conocido como "Humano-en-el-Circuito" asegura que mientras los agentes manejan ejecuciones masivas, los humanos mantienen su papel como gobernadores y jueces.
Afrontando temores sobre agentes descontrolados, Vijayasankar subrayó la necesidad de establecer jurisdicciones restringidas. Afirmó que en un contexto empresarial, autonomía no debe significar falta de supervisión. Propuso utilizar IA simbólica —lógica determinista si-entonces— como un mecanismo para evitar problemas derivados del carácter probabilístico de los Modelos de Lenguaje Grande (LLMs), previniendo así errores costosos o daños a relaciones estratégicas con proveedores.
En una ronda final rápida, describió el estado actual de la IA como una evolución más que una revolución. Se mostró escéptico ante predicciones apocalípticas sobre industrias como el BPO, calificándolas como "completamente absurdas". En cambio, visualiza un mundo donde el 80% de las tareas mundanas sean delegadas al trabajo digital, permitiendo así a los humanos enfocarse en labores más complejas y enriquecedoras.
Para los líderes que navegan por este espacio tecnológico, el mensaje es claro: dejar de medir el éxito por la cantidad de proyectos de IA en producción y centrarse más bien en su propósito: mejorar ingresos o proteger márgenes financieros. Así podrán permitir que las "máquinas pensantes" se encarguen efectivamente de la ejecución.
Si (
No(
