IA Agéntica

Estrategia de despliegue que arranca con casos de uso de bajo riesgo, datos no críticos y fuerte supervisión humana, y va aumentando la autonomía del sistema a medida que se acumula evidencia de que funciona. Reduce el riesgo y mejora la supervisión, a cambio de renunciar a la ambición inicial.

En el curso

Módulo 4 — es una de las siete estrategias de mitigación para sistemas agénticos, junto a los marcos rigurosos de Gobernanza, la supervisión humana con escalamiento, los flujos estructurados con agentes acotados, la explicabilidad por diseño, la propiedad responsable y los límites de seguridad definidos antes de delegar. La formulación del glosario: comenzar con casos de uso de bajo riesgo y avanzar gradualmente hacia mayor autonomía (Deloitte, 2025; Sanchez, 2025). El problema que ataca es el que el módulo llama margen de error fuera del control humano: los agentes autónomos deciden y ejecutan con supervisión mínima, y los pequeños errores de cálculo escalan rápido.

Módulo 5 — le da su versión más concreta con el modelo "gatear, caminar, correr" (Silver, 2025; Ripla, 2025):

Fase Qué ocurre
Gatear Pilotos a pequeña escala; automatización de rutinas (entrada de datos, facturas, informes); higiene de datos; políticas de gobernanza aún preliminares
Caminar Capacidades supervisadas con humano en el bucle: recomendaciones de próxima mejor acción, chatbots de atención al cliente; mejores canales de datos; colaboración multifuncional
Correr Sistemas completamente agénticos: monitoreo autónomo que detecta anomalías e inicia acciones correctivas, motores de recomendación a gran escala, centro de excelencia que supervisa gobernanza y modelos, evaluación continua de ROI

El mismo esquema se aplica a la arquitectura de agentes: gatear es solo centralizado; caminar, centralizado dominante con primeros pilotos embebidos; correr, federado y modular con el equipo central gobernando estándares.

Módulo 6 — lo reformula desde el fracaso. Una de las causas de que los despliegues se detengan es la incorporación insuficiente: esperar que el agente domine tareas complejas desde el primer día, expectativa tan poco realista como exigírselo a un empleado nuevo. Sin onboarding progresivo —empezar simple y subir complejidad— ni entornos de prueba seguros, el agente no genera confianza ni eficacia (Hilgers, 2025). El marco de medición añade la contrapartida: las implementaciones tempranas dependen de la supervisión humana, y el aumento de autonomía debe ganarse con métricas de aprendizaje y adaptabilidad.

Relacionado

Modelo gatear caminar correr · Sandboxing · Human-in-the-loop · Gobernanza · Puntuación de confianza · Purgatorio del piloto · Integración de la última milla · Ciclo de madurez de la IA · Acceso con privilegios mínimos

Enlaces entrantes