AI Onboarding: integrar un agente de IA con el mismo rigor que una nueva capacidad organizacional

Cuando una empresa contrata a un nuevo empleado, generalmente no le entrega una computadora, las contraseñas de varios sistemas y una lista de objetivos deseándole buena suerte. Le explica la organización, precisa su rol y sus responsabilidades, le presenta sus métodos de trabajo, le transmite los conocimientos necesarios y determina progresivamente los accesos que necesitará. Un período de acompañamiento permite luego verificar su comprensión, ajustar ciertas responsabilidades y aumentar su autonomía a medida que domina su entorno.

Este enfoque nos parece tan natural que le hemos dado un nombre: el onboarding. Sin embargo, cuando una organización introduce un agente de inteligencia artificial, la lógica suele ser muy distinta. Selecciona una tecnología, la conecta a algunas fuentes de datos, le otorga accesos y comienza rápidamente a medir los ahorros de tiempo que puede producir.

Este enfoque resulta cada vez menos adecuado a medida que los agentes ganan autonomía. Un agente de IA puede ahora consultar varias fuentes de información, utilizar herramientas, analizar una situación, proponer una acción, ejecutar ciertas tareas, comunicarse con otros sistemas y, a veces, perseguir un objetivo durante un período prolongado. Mila describe precisamente esta evolución como el paso de simples herramientas de software a colaboradores semiautónomos y subraya que su integración exige mecanismos de gobernanza, de supervisión humana y de gestión del riesgo directamente incorporados a las operaciones.

La evolución de las capacidades debería, por lo tanto, conllevar una evolución comparable de su integración. Si un agente de IA debe participar en el trabajo de un equipo, la organización debe determinar cómo entra en él, qué debe conocer, qué puede hacer, con quién y con qué puede interactuar, hasta dónde puede extenderse su autonomía y en qué circunstancias una persona debe retomar la decisión. Quantum Beyond llama a este enfoque el AI Onboarding.

La analogía con la llegada de un empleado es útil porque obliga a considerar la inteligencia artificial como una nueva capacidad operativa y no como una simple funcionalidad tecnológica. Evidentemente tiene sus límites: un agente no es ni una persona ni un empleado en el sentido jurídico, social o humano. No obstante, la comparación sigue siendo muy pertinente cuando se trata de reflexionar sobre su rol, los conocimientos necesarios para su funcionamiento, sus accesos, su nivel de autonomía, su supervisión y su ciclo de vida.

La competencia general de una persona nunca basta para que conozca al instante la empresa a la que se incorpora. Un excelente contador desconoce inicialmente el plan contable particular de la organización, sus procedimientos de aprobación, sus proveedores, sus excepciones históricas y sus plazos internos. Un vendedor experimentado debe aprender los productos, los clientes, los márgenes aceptables, el posicionamiento de la marca y los compromisos que puede asumir. La misma realidad se aplica a la inteligencia artificial.

Un modelo puede poseer capacidades generales notables y, al mismo tiempo, desconocer profundamente la organización en la que queremos ponerlo a trabajar. No conoce de forma natural sus procesos, sus responsabilidades, sus reglas de negocio, sus excepciones, su vocabulario, sus clientes, sus políticas, sus datos de referencia ni la frontera entre lo que puede ejecutarse automáticamente y lo que debe someterse al juicio humano.

El AI Onboarding comienza, por lo tanto, antes del despliegue, con una pregunta elemental: ¿cuál es el rol de este agente? La organización debe determinar por qué existe, el resultado al que debe contribuir, las tareas que le corresponden, las personas con las que interactuará y las decisiones que puede tomar. También debe distinguir las situaciones en las que puede actuar de aquellas en las que su rol consiste en recomendar una acción o preparar una decisión que sigue siendo responsabilidad humana.

Estas preguntas competen tanto a la organización del trabajo como a la inteligencia artificial. Un puesto mal definido crea confusión cuando lo ocupa una persona. Un rol agéntico mal definido puede producir el mismo fenómeno, con una diferencia considerable: un agente puede trabajar a muy alta velocidad, repetir un error cientos de veces e intervenir simultáneamente en varios sistemas. La precisión del rol se convierte, por lo tanto, en un mecanismo de control en sí misma.

Los trabajos de Mila sobre la integración de los agentes coinciden con esta lógica al insistir en la necesidad de ir más allá de los experimentos aislados e integrar la gobernanza directamente en los flujos de trabajo. La supervisión humana debe intervenir, en particular, cuando se alcanzan ciertos umbrales de riesgo. El rol del agente debería, por lo tanto, contener sus límites desde su diseño, en lugar de añadirlos únicamente después de la aparición de un problema.

Una vez definido ese rol, la organización debe proporcionarle los conocimientos necesarios para ejercerlo. Esta etapa sigue siendo probablemente una de las dimensiones más subestimadas de la adopción de la inteligencia artificial. La industria habla muchísimo de la potencia de los modelos, cuando su valor depende también de la calidad del entorno informativo en el que se los coloca. Un agente no puede producir de forma duradera un trabajo confiable cuando los conocimientos de los que depende son contradictorios, obsoletos, dispersos o difíciles de interpretar.

Los seres humanos compensan continuamente esas imperfecciones. Un empleado descubre que un procedimiento escrito ya no está actualizado y pregunta a un colega cómo funcionan realmente las cosas. Se entera de que una decisión tomada seis meses antes modificó una práctica, de que dos términos aparentemente similares tienen significados distintos o de que una excepción histórica explica una etapa que parece inútil. Una parte considerable del conocimiento organizacional reside así en la experiencia, las conversaciones y los hábitos de los equipos.

Un agente de IA no posee de forma natural esa memoria informal. Su integración exige, por lo tanto, una preparación del conocimiento organizacional. Las políticas, los procedimientos, las responsabilidades, las reglas de negocio, las definiciones, los repositorios y las fuentes oficiales deben estar suficientemente estructurados para que pueda determinar qué información utilizar y qué nivel de autoridad otorgarle. Las contradicciones deben poder identificarse y las referencias obsoletas distinguirse de aquellas que gobiernan realmente las operaciones actuales.

Es precisamente aquí donde el AI Onboarding se encuentra con el Qb Knowledge Standard – AI Readiness & Knowledge Governance. Una organización difícil de comprender para sus propios empleados también lo será para sus agentes. La introducción de la IA actúa entonces como un revelador de la calidad del conocimiento organizacional y crea una oportunidad para estructurarlo mejor. Preparar al agente equivale así, en parte, a volver la organización más inteligible, lo que beneficia simultáneamente a los seres humanos y a los sistemas que trabajarán con ese conocimiento.

La integración funciona también en ambas direcciones. El agente debe aprender a funcionar en la organización, mientras que los equipos deben aprender a trabajar con esta nueva capacidad. Su llegada puede modificar el reparto de las tareas, acelerar ciertas actividades, transformar ciertas responsabilidades en funciones más orientadas a la validación y al juicio, poner nueva información a disposición y llevar al rediseño de ciertos procesos.

Los empleados deben comprender, por lo tanto, qué hace el agente, por qué lo hace, cuáles son sus límites y qué responsabilidades siguen siendo humanas. Deben saber en qué situaciones sus resultados pueden utilizarse directamente, cuándo es necesaria una verificación, cómo señalar un comportamiento problemático y en qué momento retomar completamente el control. Esta transparencia resulta esencial para una adopción eficaz.

Involucrar a los equipos en el diseño y la integración del agente tiene también un valor operativo considerable. El especialista en cuentas por pagar conoce las excepciones que los procedimientos oficiales no describen. El vendedor sabe qué compromisos pueden crear dificultades con ciertos clientes. El responsable de producción comprende por qué sigue existiendo una etapa aparentemente superflua, mientras que el técnico informático conoce ciertas dependencias invisibles entre los sistemas. Este conocimiento práctico se convierte en un recurso esencial para enseñarle al agente cómo se realiza realmente el trabajo.

Los empleados se convierten así en participantes directos del AI Onboarding. Su experiencia permite estructurar los conocimientos necesarios para el funcionamiento del agente, mientras que ese trabajo de formalización contribuye a preservar y poner en valor una parte del saber acumulado en la organización. La integración de la IA puede convertirse, por lo tanto, en un ejercicio de transmisión y de gobernanza de los conocimientos más que en un simple proyecto tecnológico.

La gestión de la identidad constituye otro componente fundamental. Cuando llega un empleado, la organización determina normalmente los sistemas a los que puede acceder. Un agente debería estar sujeto a una disciplina comparable. El NIST ha subrayado, en particular, que algunos primeros despliegues agénticos reproducen malos hábitos históricos de gestión de identidades, sobre todo cuando los usuarios transmiten sus propias credenciales a los agentes y les permiten así actuar como si fueran el propio usuario.

Una arquitectura más madura consiste en considerar cada agente como una entidad digital distinta que posee su propia identidad, sus propios mecanismos de autenticación y autorizaciones delimitadas con precisión. El agente recibe así el equivalente de una credencial digital que permite a la organización saber quién consultó una información, solicitó un permiso o ejecutó una acción. Sus accesos corresponden a su rol y pueden evolucionar o revocarse cuando este cambia.

Esta distinción también protege a las personas. Cuando un agente utiliza las credenciales de un empleado, los registros pueden hacer creer que fue este quien realizó la acción. Una identidad propia del agente preserva una mejor trazabilidad y permite una gobernanza más precisa. Un agente puede estar autorizado a leer una factura sin poder modificarla, a preparar un pago sin autorizarlo, a analizar una base de datos sin poder eliminar sus registros o a redactar un correo electrónico sin disponer automáticamente del derecho de enviarlo a ciertos destinatarios.

El AI Onboarding se encuentra así directamente con la IAM, el principio del mínimo privilegio, Zero Trust y Continuous Trust. El objetivo consiste en dar al agente las capacidades necesarias para cumplir su misión, adaptando al mismo tiempo continuamente la confianza al contexto y al nivel de riesgo. La cuestión no consiste, por lo tanto, en determinar si la organización “confía” en su inteligencia artificial de manera general, sino si una acción particular sigue siendo apropiada para ese agente, en esa situación, con esos datos y esas consecuencias potenciales.

El nivel de autonomía debería seguir una progresión comparable. Un nuevo empleado no recibe generalmente todas las responsabilidades de su puesto durante su primera hora. Observa, aprende, realiza ciertas tareas bajo supervisión y desarrolla progresivamente su autonomía. Una lógica similar puede ser extremadamente útil para la integración de un agente de IA.

La organización puede comenzar por hacerlo trabajar en un entorno controlado sobre situaciones históricas y comparar sus resultados con los que realmente se habían obtenido. El agente puede luego funcionar en paralelo al equipo sin intervenir directamente en las operaciones y, después, producir recomendaciones utilizadas por los empleados. Cuando suficiente experiencia demuestra la calidad de sus resultados en el contexto real de la empresa, ciertas acciones que presentan un riesgo limitado pueden automatizarse progresivamente.

Este enfoque reemplaza una confianza abstracta en la inteligencia artificial por una confianza fundada en observaciones concretas. También permite determinar las situaciones en las que el agente aporta un valor particularmente importante y aquellas en las que el juicio humano sigue siendo indispensable. El objetivo no es, por lo tanto, necesariamente alcanzar la autonomía máxima, sino establecer el nivel de autonomía óptimo para cada responsabilidad.

Esta progresión también modifica el rol de los gerentes. Los equipos seguirán estando compuestos por personas, pero ciertos procesos harán intervenir cada vez más agentes. Los gerentes deberán, por lo tanto, aprender a supervisar una capacidad de trabajo híbrida y comprender suficientemente la inteligencia artificial para determinar qué responsabilidades pueden delegarse, cómo evaluar la calidad de los resultados, cuándo intervenir y cómo repartir de manera inteligente el trabajo entre seres humanos y máquinas.

No necesitan convertirse en ingenieros de inteligencia artificial. Sin embargo, deben desarrollar una alfabetización operativa que les permita comprender qué pueden lograr los agentes, cuáles son sus límites y cuáles son las consecuencias de sus acciones. Esta competencia podría volverse progresivamente tan habitual como el uso actual de los sistemas de gestión, los tableros de control y las herramientas colaborativas. La OCDE subraya, por lo demás, la importancia de las competencias y de la capacidad de adaptación de los trabajadores en el éxito de la integración de la IA, lo que demuestra que la transformación va mucho más allá de la capacitación técnica en una nueva herramienta.

El AI Onboarding debe, por lo tanto, incluir a los gerentes. Estos deben comprender el rol de un agente con la misma claridad con la que comprenden el de las demás capacidades operativas de las que son responsables. También deben saber qué indicadores utilizar para evaluar su desempeño, qué errores son aceptables, qué comportamientos deben desencadenar una intervención y qué decisiones siguen estando bajo autoridad humana.

Una dimensión más sutil tiene que ver con la cultura organizacional. Dos empresas que ejercen exactamente la misma actividad pueden funcionar de manera muy distinta. Una privilegiará una fuerte autonomía, mientras que otra exigirá varios niveles de validación. Algunas aceptarán más riesgos comerciales y otras adoptarán un enfoque mucho más prudente. La rapidez podrá constituir una prioridad en un entorno, mientras que el cumplimiento o la seguridad primarán en otro.

Estas diferencias influyen a diario en multitud de decisiones. Un agente integrado a una organización debe, por lo tanto, funcionar según reglas compatibles con su cultura, sus valores y su tolerancia al riesgo. Evidentemente, esto no significa que un modelo comprenda la cultura empresarial de la misma manera que un ser humano. La organización debe más bien transformar suficientes de sus expectativas implícitas en reglas, ejemplos, conocimientos y mecanismos de gobernanza para que el comportamiento del agente siga siendo coherente con ellas.

Este trabajo tiene un valor que va mucho más allá de la inteligencia artificial, puesto que a veces obliga a la organización a explicitar lo que sus empleados habían aprendido de forma intuitiva. ¿Quién puede tomar determinada decisión? ¿Qué nivel de error es aceptable? ¿Qué información no debe salir nunca de la organización? ¿Qué operaciones deben verificarse siempre? ¿En qué momento hay que interrumpir un proceso? ¿Cómo definimos realmente un excelente resultado? El AI Onboarding se convierte entonces en un ejercicio de clarificación organizacional.

A diferencia de la integración tradicional de un empleado, la de un agente posee, sin embargo, una particularidad importante: la tecnología que lo impulsa puede evolucionar de forma abrupta. Un proveedor puede actualizar su modelo, pueden aparecer nuevas capacidades, puede añadirse una integración, los permisos pueden cambiar y los datos a los que accede el agente pueden evolucionar. Un proceso de negocio también puede modificarse. Un agente correctamente integrado a principios de año puede, por lo tanto, presentar unos meses después un perfil de capacidad o de riesgo sensiblemente distinto.

En consecuencia, el AI Onboarding debe considerarse un ciclo y no un evento puntual. El rol, los permisos, los resultados, los errores, las interacciones humanas y el nivel de autonomía deben reevaluarse periódicamente. Esta continuidad se relaciona directamente con la cibervigilancia agéntica: la organización debe conocer lo que inicialmente había autorizado al agente a hacer y verificar lo que realmente es capaz de hacer hoy.

Esta distinción será cada vez más importante a medida que los modelos progresen. Una actualización puede mejorar considerablemente las capacidades de razonamiento o de uso de herramientas sin que la empresa haya modificado por sí misma los permisos del agente. La gobernanza debe, por lo tanto, ocuparse tanto de la evolución de las capacidades como de la de los accesos.

El AI Onboarding encuentra así su lugar dentro de un enfoque más amplio de adopción y transformación organizacional. La AI Adoption prepara a la organización para integrar la inteligencia artificial en su estrategia, sus procesos y sus métodos de trabajo. La AI Organizational Transformation permite repensar los procesos, las responsabilidades y el reparto del trabajo entre seres humanos y sistemas inteligentes. El AI Onboarding interviene luego en un nivel más operativo para integrar una capacidad agéntica precisa a un equipo y determinar su rol, sus conocimientos, sus accesos, su autonomía, sus interacciones y su ciclo de vida.

El AI Governance Office aporta, por su parte, la gobernanza necesaria para el conjunto del ecosistema agéntico. A medida que aparecen varios agentes en la organización, alguien debe mantener una visión transversal de los roles, los riesgos, las responsabilidades, los niveles de autonomía y las reglas aplicables. El Qb Knowledge Standard proporciona la capa de gobernanza de los conocimientos, mientras que la IAM, Zero Trust, Continuous Trust y la arquitectura de Hiperseguridad enmarcan las identidades, los permisos, las interacciones y la capacidad de la organización para conservar el control.

El AI Onboarding se convierte así en el punto de encuentro entre transformación organizacional, excelencia operativa, conocimiento, gobernanza de la IA, ciberseguridad y gestión del cambio. Integrar correctamente a un agente exige comprender simultáneamente el trabajo que realizará, los conocimientos de los que depende, las personas con las que colaborará, los datos que utilizará, los sistemas a los que accederá, los riesgos asociados a su autonomía y la manera en que se evaluará su desempeño.

Las empresas acogerán progresivamente más agentes de IA en sus operaciones. Algunos asistirán a los equipos comerciales, otros participarán en la contabilidad, los recursos humanos, la ciberseguridad, el desarrollo de software, el servicio al cliente, el abastecimiento, el análisis financiero o la gestión de las operaciones. La pregunta determinante ya no será pronto, por lo tanto, únicamente si una organización utiliza la inteligencia artificial, sino cómo la integra realmente a su funcionamiento.

Las empresas han desarrollado durante décadas métodos de integración de los empleados porque comprendieron que una persona competente no se vuelve automáticamente eficaz por el simple hecho de cruzar la puerta. Debe comprender su rol, aprender la organización, recibir las herramientas adecuadas, conocer sus responsabilidades, desarrollar relaciones de trabajo y adquirir progresivamente la autonomía necesaria para tener éxito. Los agentes de IA justifican una disciplina de integración comparable, adaptada a su naturaleza tecnológica y a los riesgos particulares que introduce su capacidad de acción.

Un agente debe disponer, por lo tanto, de un rol claramente definido, de conocimientos organizacionales confiables, de una identidad propia, de autorizaciones adaptadas, de reglas de escalamiento, de un período de aprendizaje y de validación, de una supervisión proporcional al riesgo y de una reevaluación periódica de sus capacidades. Los seres humanos que trabajan con él también deben estar preparados para comprender qué puede lograr, qué sigue estando bajo su responsabilidad y cómo colaborar eficazmente con esta nueva capacidad.

Ese es precisamente el objetivo del AI Onboarding de Quantum Beyond: acompañar a las organizaciones y a sus equipos internos en la integración progresiva de sus agentes de IA con una disciplina acorde con la importancia que tendrán en las operaciones. Este enfoque busca simultáneamente el desempeño, la seguridad, la calidad del trabajo y la capacidad de la organización para conservar el control sobre el nivel de autonomía que decide otorgar.

Un agente que comprende mejor su rol, trabaja a partir de un conocimiento confiable y dispone de accesos adecuados puede producir más valor. Un equipo que comprende cómo colaborar con él puede aprovechar mejor sus capacidades, mientras que un gerente que conoce con precisión sus fortalezas y sus límites puede delegarle más responsabilidades con un nivel de confianza fundado en la experiencia. La inteligencia artificial se convierte entonces progresivamente en una verdadera capacidad organizacional integrada.

Antes de pedirle a un agente de IA que trabaje para la empresa, hay que enseñarle, por lo tanto, cómo trabajar dentro de la empresa. Esto implica definir qué debe lograr, qué debe conocer, con qué personas y sistemas puede interactuar, hasta dónde puede actuar, cuándo debe solicitar una intervención humana y cómo evaluará la organización su trabajo a lo largo del tiempo. Es a través de esta disciplina que la empresa supera el simple uso de la inteligencia artificial y comienza realmente a trabajar con ella.