La IA agéntica ha dejado de ser un experimento para convertirse en una realidad operativa en grandes organizaciones, con proveedores como Kyndryl que ayudan a lograrlo. Miguel Tablado, CTO Apps, Data &IA de Kyndryl, comenta en esta entrevista que ya existen sistemas en producción en sectores de misión crítica como el financiero o el sanitario. Estas tecnologías no solo automatizan tareas, también toman decisiones en procesos complejos. Desde la medicina personalizada basada en genómica hasta la gestión de incidencias en sistemas financieros, los agentes de IA empiezan a transformar el funcionamiento interno de las empresas. Todo ello exige nuevas capacidades en datos, observabilidad y gobierno tecnológico.
¿Cómo está impactando la IA agéntica en la estrategia tecnológica del sector sanitario y en el financiero?
En sanidad la IA, en general, ayuda en la medicina de precisión. Estamos intentando tener una medicina más personalizada, centralizada en las casuísticas propias de cada enfermo. En este sentido en Kyndryl estamos trabajando con unidades de genética y genómica, ayudando al diagnóstico a partir de la genética de una persona. La IA nos permite relacionar la información de las historias clínicas con las secuencias de estas pruebas, que se procesan con IA, obteniendo una información hasta ahora imposible de tener sobre el genoma humano.
Si vamos a un ámbito más terrenal, también se eliminan tareas administrativas gracias al rediseño de los procesos. Un agente entiende lo que sucede en la sala, el proceso, y ayuda a ejecutarlo para que el médico sólo tenga que llevar la revisión. Añadir esa información es lo que hemos ido interponiendo a los doctores en su práctica habitual, con el beneficio de tener el dato de todo el mundo.
En entornos financieros tenemos sistemas agénticos puestos en producción para acelerar el tiempo de respuesta y de recuperación ante incidencias.
A la hora de adoptar la IA agéntica, ¿qué diferencias hay entre un sector y otro?
Adoptarla tiene la misma problemática en todos los sectores, porque estamos hablando de un cambio cultural en la empresa. Hace falta un gran conocimiento sobre cómo trabajar, cómo impacta y cómo se toman decisiones con la misma.
En primer lugar, hay que plantear que hay que llevar la IA agéntica a la mesa de dirección y ver cómo vamos a trabajar, porque cambia el modelo operativo. Y, por otro, que hace falta gobernar a los agentes y saber operarlos. Todo ello cumpliendo con la regulación del sector.
En Kyndryl estamos poniendo mucho foco en saber cuáles son los indicadores que tenemos que medir y perseguir, cuáles se nos debe exigir y cómo debemos atacarlos. Por ejemplo, estamos hablando de tasas de éxito de la línea del agente o contraponer la calibración y la confianza. Es decir, cuanto un agente cree que está haciendo bien las cosas y cuándo lo ha hecho bien o no. Cuando estas dos líneas se equiparan estamos en una buena operación porque estamos trabajando bien ese agente en indicadores más mundanos, pasando de cuánto coste consume, qué latencia me genera…
La latencia, por ejemplo, es muy importante saber medirla y conocer cómo ha afectado. Cuántos agentes quiero poner a colaborar, por ejemplo, va a determinar la velocidad de respuesta posterior, por lo que hay que saber medir. Desde el diseño hay que poner la mente en la producción porque sé lo que necesito medir y qué valores necesito encontrar para que realmente un sistema sea eficiente en producción.
¿Qué papel juega la observabilidad en todo esto?
Es fundamental no sólo observar lo que está pasando en los sistemas, sino qué hacen los agentes y cómo se comportan dentro de esa línea de operaciones.
La línea de observabilidad para los agentes de inteligencia artificial es aquello que nos va a enseñar cómo debemos interpretar el comportamiento de varios agentes en mi ecosistema tecnológico. Y entender qué decisiones ha tomado, por qué las ha tomado y cómo se ha integrado con el sistema, a qué eventos ha tenido que reaccionar. Por lo tanto, con esa observabilidad vamos a poder ver que había un sistema fallando, por lo que se han tomado esas decisiones. Podemos anticipar y comprender tanto los problemas como los beneficios que nos determinan estas soluciones.
El rol del CIO y del CTO cambia a medida que evoluciona la tecnología ¿Qué papel están jugando en este momento con la IA agéntica, sobre todo en estos dos sectores?
Ante cada era tecnológica tenemos que reinventarnos, entender los principios y los cambios estructurales que requiere, aunque no creo que para el CTO y para el CIO, sus funciones, sean diferentes a otros cambios como la nube. Te encuentras ante un nuevo paradigma que, dependiendo de la regulación, te frenan un poco, te regulan. Hay que entenderlo y aplicarlo de la misma manera que hemos hecho con otras tecnologías. Tenemos retos como entender cuál es la capacidad de aplicar la IA, sobre todo en un mundo en el que se nos pide dar números que, a priori no han sido conocidos como conocer cuánto voy a mejorar o acelerar un proceso.
Aparte de la observabilidad, ¿qué otras tecnologías tendrían que ir conjuntamente con la IA agéntica?
Necesitas infraestructuras. Te puedes apoyar en infraestructuras de terceros, pero esto determina la capacidad y la velocidad de ejecución de tus modelos de inteligencia artificial en función de dónde estás ejecutando y qué estás ejecutando, dónde tienes tu dato y dónde no.
Se necesita una plataforma de datos muy potente, veloz, eficiente, para poder llevar a cabo una buena inteligencia artificial
¿Dónde está generando mayor valor inmediato la IA genética en estos dos sectores?
En el sector financiero nos está pidiendo acelerar los procesos de IT que permiten que funcionen las líneas aplicativas. La IA agéntica está pensada para muchos procesos repetitivos que no pueden resolverse con una automatización general, porque haya que tomar decisiones, interpretar situaciones o reaccionar al entorno En ese tipo de procesos hablamos de tramitaciones, de revisión de evidencias.
En el ámbito sanitario la línea de IA agéntica tiene que ayudarnos en el proceso de laboratorio.
Hemos hablado de la necesidad de la observabilidad, de la necesidad de una plataforma de datos, y tenemos que hablar brevemente de la necesaria seguridad. ¿Cómo está cambiando la inteligencia artificial el panorama de amenazas? Y en ese sentido, ¿desde Kyndryl podéis ayudar tanto al sector financiero como sanitario?
Sí, el cambio es claro. Actualmente la manera en la que me tengo que proteger es ante algo conocido, cómo va a funcionar los procesos. Tengo que controlar unas entradas y salidas, unos vectores de ataque claros. Sin embargo, cuando creo un agente, lo que estoy añadiendo a mi ecuación es algo que decide qué hace. Puede tomar diferentes caminos para lograrlo. A un agente le estoy dando un propósito y va a hacer lo necesario para intentar llegar a ese propósito dentro de los guardarraíles que le pongas. Por tanto, primero hay que mantener la seguridad en todos los sistemas y pensar que hay nuevos flujos, para llegar al mismo cometido.
El titular sería que he pasado de saber el proceso que tengo que proteger y dónde, a entender que hay un sistema que no sé por dónde va a pasar o que tiene libertad de decisión.
¿Cómo ayudan al CIO a tomar decisiones críticas en estos dos sectores?
En primer lugar, con Kyndryl Agentic Framework, que ofrece la capacidad de montar plataformas agénticas y soluciones agénticas con una serie de componentes que aceleran la adopción de nuevas soluciones de IA agéntica y crean esas plataformas incluso con una metodología que reducen el tiempo de diseño y de puesta en producción. Tenemos en esa línea un perfil de ingeniería muy claro y de mucho rigor científico, donde ponemos sobre la mesa soluciones viables que funcionen en producción.
Hemos desarrollado también un activo que le llamamos “policy as code”, que lo que hace es interpretar. Traduce normas internas y requisitos regulatorios de las organizaciones en políticas legibles por máquinas Le damos toda la documentación necesaria del caso de uso. De una documentación, de una base de conocimiento no estructurada, me lleva a construir esas reglas, esas políticas que deben seguir los procesos, en código claro. ¿De qué sirve esto? Cuando la inteligencia artificial necesite saber qué puede hacer y qué no, ya no tiene que ir a buscar información desestructurada, interpretar o generar. Esto garantiza una puesta en producción segura y que funcione adecuadamente dentro de esos indicadores que hay que medir: la tasa de éxito, la baja alucinación y cero conflictos con seguridad.
¿Podemos nombrar algún caso de éxito?
Noo podemos dar referencias, pero hemos puesto en producción sistemas agénticos para ayudar en el tiempo de respuesta a nuestros técnicos cuando hay una incidencia. Afortunadamente hemos tenido solo una incidencia. Desde entonces hemos visto una rebaja sustancial en el tiempo de diagnóstico de la incidencia.
En el ámbito de la sanidad hemos integrado en el ámbito de genética y genómica el trabajo con la inteligencia artificial. al Instituto Balear de Salud.
Aparte del sector financiero y sanitario, ¿están en más sectores?
Sí, en Telco, por ejemplo, también tenemos un contrato en el que estamos trabajando para mejorar todos los sistemas, desde la observabilidad. Nos están pidiendo mucho unir la observabilidad, unir las operaciones y aplicar agentes para mejorar la salud de los servicios.
