La inteligencia artificial ha alcanzado un nuevo nivel. Si antes los sistemas de IA se limitaban a responder a órdenes o generar contenidos bajo demanda, ahora están ganando más autonomía y aprendiendo a actuar, literalmente. Los agentes de IA (también llamados Agentic AI) están avanzando a pasos agigantados, definiendo la próxima frontera de esta tecnología al combinar un mayor poder de síntesis de datos y mejores capacidades de toma de decisiones, ejecución de tareas e interacción con múltiples herramientas con una mínima intervención humana.
Centrándose en comportamientos específicos orientados a objetivos, los agentes de IA realizan tareas a partir de una lista de pasos que ejecutan de forma autónoma. “Los agentes de AI están ayudando a romper la barrera entre la interacción y la ejecución. Con ellos, no sólo automatizamos procesos, sino que ampliamos la capacidad cognitiva de las organizaciones. Los agentes son altamente capaces de conectarse a aplicaciones existentes, acelerando la innovación”, dice Gilson Magalhães, Vicepresidente y gerente general para Latinoamérica en Red Hat.
Del prompt a la acción
Los agentes de IA pueden ayudar a las organizaciones que están comenzando a explorar la IA generativa a identificar beneficios mensurables para sus negocios. Si la IA generativa se centra en crear, los agentes de IA se centran en actuar. La IA generativa crea contenido nuevo utilizando técnicas de aprendizaje profundo. La intención de los agentes es crear un sistema enfocado en acciones autónomas y autodirigidas sin instrucciones explícitas, guiadas por mecanismos de control.
Por ejemplo, un agente de IA puede crear sus propios mensajes y resultados adicionales en función de la información a la que tiene acceso. “En el pasado, la IA simplemente respondía. Ahora actúa. Este comportamiento orientado a objetivos está impulsando la productividad y permitiendo una toma de decisiones más rápida y más informada", dice Victoria Martínez, Gerente de inteligencia artificial para Latinoamérica en Red Hat.
A finales del año pasado, Gartner nombró a agentic AI como una de las principales tendencias tecnológicas para 2025, ubicándola como la estrategia número 1 para los líderes de TI que quieren dar forma al futuro con innovación responsable. Según la empresa, para 2028, 33% de los aplicativos de software empresarial incluirán Agentic AI, lo que permitirá que el 15% de las decisiones laborales diarias se tomen de forma autónoma.
Pero ¿por qué estos agentes atraen tanta atención del mercado? La respuesta viene con los innumerables beneficios que pueden aportar. Según un estudio de PwC, esta tecnología puede aumentar significativamente la ventaja competitiva de una organización al automatizar flujos de trabajo complejos, reducir los costos operativos y mejorar los procesos de toma de decisiones. Diseñados para adaptarse a un entorno empresarial en constante cambio, aumentan la productividad, además de predecir tendencias y preferencias de los clientes, lo que permite a las empresas adaptar sus estrategias de forma proactiva.
Los agentes de IA se pueden utilizar en diferentes situaciones. En operaciones comerciales pueden ayudar a gestionar las cadenas de suministro, detectar bloqueos, recalcular rutas logísticas y ajustar procesos. En operaciones financieras se pueden reasignar fondos automáticamente basados en predicciones de déficits de liquidez, acelerando la toma de decisiones comerciales. “Ya en salud, permiten interactuar con pacientes, llevar a cabo planes de tratamiento, reducir el tiempo de respuesta y disminuir costos operativos manteniendo una atención personalizada. También son muy importantes para la ciberseguridad, ya que permiten monitorear el tráfico de la red, detectar problemas y responder a amenazas en tiempo real”, afirma Jorge Payró, Country Manager Argentina, Director Regional SOLA-East de Red Hat.
Autonomía con responsabilidad
Sin embargo, para las organizaciones que buscan tomar decisiones críticas basadas en datos privilegiados y permitir que agentes inteligentes ejecuten operaciones de forma autónoma, es esencial contar con una infraestructura adecuada. “Para aprovechar al máximo una solución de Agentic AI, especialmente cuando los datos están distribuidos entre entornos on-premises y en la nube, se necesita una plataforma de IA híbrida. Esta arquitectura no solo garantiza el control y la seguridad de los datos sensibles, sino que también habilita la interoperabilidad y la autonomía que los agentes necesitan para actuar eficazmente y en tiempo real”, explica María Bracho, CTO para Latinoamérica en Red Hat.
Precisamente en este contexto entra Red Hat. Con sus soluciones de código abierto, la empresa ha invertido en Red Hat AI, portafolio de productos y servicios diseñados para acelerar el desarrollo y la implementación de soluciones de inteligencia artificial en la nube híbrida. Red Hat AI proporciona una plataforma empresarial para entrenamiento e inferencia de modelos, que ofrece mayor eficiencia, una experiencia simplificada y la flexibilidad de implementar en cualquier lugar de la nube híbrida.
“Esta plataforma incluye Red Hat Enterprise Linux® AI, que se puede utilizar para afinar los LLMs y SLMs necesarios en los flujos de trabajo de los agentes. Y Red Hat OpenShift® AI, una plataforma unificada donde aplicaciones, modelos y agentes puedan trabajar en armonía. Además, el aprendizaje adaptativo y el razonamiento que utilizan los agentes de IA se pueden controlar a través de las capacidades MLOps de OpenShift”, explica María.
Red Hat AI también ayuda a las organizaciones a desarrollar marcos para crear flujos de trabajo y escalar agentes de IA. Pero para que esto suceda, es fundamental que la inferencia se haga de forma eficaz, segura y responsable.
La inferencia como motor de ejecución
La inferencia es la fase operativa de la IA en la que el modelo puede aplicar lo aprendido en el entrenamiento generando resultados o toma de decisiones basadas en nuevos datos. Esta capacidad de inferir ayuda en tareas prácticas cotidianas, como comparar historiales de pacientes en el sector de salud, aumentar la seguridad de los coches autónomos o detectar fraudes en los sistemas financieros. En la Agentic AI, juega un papel fundamental, ya que los agentes necesitan inferir para tomar decisiones.
Sin embargo, existen grandes desafíos en este viaje: ejecutar inferencias de IA requiere escala, recursos y costos. En este sentido, el uso de herramientas como vLLM -un servidor de inferencia que acelera la producción de aplicaciones con IA generativa- ha sido fundamental.
vLLM es una biblioteca de código abierto que ayuda a los modelos LLMs a realizar cálculos de manera más eficiente. Capaz de procesar grandes volúmenes de datos con menos recursos computacionales, vLLM ayuda a habilitar aplicaciones escalables y seguras. “Con vLLM pudimos aumentar la velocidad y reducir los costes de inferencia, algo esencial para agentes de IA. Además, el enfoque de código abierto garantiza transparencia e innovación constante”, señala Victoria Martínez.
Impacto real, transformación tangible
Desde agencias gubernamentales hasta corporaciones multinacionales, los agentes de IA ya están remodelando procesos, brindando respuestas más rápidas, tomando decisiones basadas en datos y transformando la experiencia del usuario. Según predicciones de Gartner, en 2029 la Agentic AI será la encargada de resolver 80% de los problemas de atención al cliente sin intervención humana, reduciendo los costos operativos en un 30%.
La Agentic AI no solo promete, sino que ofrece productividad, eficiencia y ventaja competitiva. En la intersección de la ejecución autónoma, la inferencia de IA y las plataformas abiertas, está surgiendo una nueva era de inteligencia artificial. “El futuro de la IA reside en la colaboración entre agentes inteligentes, infraestructuras y modelos abiertos y adaptables. Recién estamos comenzando a explorar su potencial transformador”, concluye Gilson Magalhães. Y eso definitivamente lo cambia todo.
