Festival IA Costa Rica 2026: cómo pasar de la automatización a la transformación de procesos end-to-end con IA agéntica

Edward Canney, Country Manager en Nimble Gravity LLC, expuso cómo la evolución hacia modelos agénticos integrados permite a las organizaciones reducir tiempos operativos de semanas a minutos mediante un enfoque de proceso completo en lugar de esfuerzos aislados.

En la actualidad, la mayoría de las empresas operan con un ecosistema fragmentado de soluciones: automatizaciones robóticas de procesos (RPA), tableros de control (dashboards) aislados y modelos de datos departamentales. Según Canney, aunque estas herramientas han logrado eficiencias parciales, la duración total de los procesos clave de negocio (end-to-end) se mantiene prácticamente inalterada.

Para lograr un salto cualitativo en la competitividad, las compañías deben evolucionar desde la automatización de tareas puntuales hacia la orquestación completa del proceso mediante modelos agénticos de inteligencia artificial generativa.

"Hemos transformado los procesos por pedacitos... Si pensamos como un proceso end-to-end, podemos pasar de días o meses en los procesos de negocio a minutos u horas, porque no vamos a ver partes aisladas, sino el proceso completo gobernado por agentes de inteligencia artificial", señaló Edward Canney

Del "Humano Aumentado" a la Organización Agéntica

El representante de Nimble Gravity LLC enfatizó que la transformación digital no busca la sustitución del capital humano, sino su reubicación estratégica dentro del flujo operativo. Para explicar este cambio, diferenció tres niveles de madurez tecnológica:

1. Copilotos: Herramientas integradas en suites como Microsoft o Google que incrementan de forma marginal la eficiencia individual (ej. redacción, corrección ortográfica).

2. Humano Aumentado (Human Augmented): Uso de modelos de chat (LLMs) para acelerar la elaboración de propuestas o análisis, pasando tareas de horas a minutos.

3. Modelos Agénticos Empresariales: Rediseño arquitectónico del proceso completo donde un ecosistema de agentes interactúa de principio a fin, manteniendo la gobernanza bajo la metodología Human-in-the-Loop.

Bajo este esquema, el personal humano asciende a un rol de control, auditoría y toma de decisiones en puntos críticos, asegurando la trazabilidad en sectores con alta regulación financiera o de servicios.

Casos de Aplicación Práctica: De 21 días a 47 minutos

Durante la presentación se compartieron tres casos de uso que demuestran la viabilidad de la orquestación agéntica en entornos de alta exigencia:

• Debida Diligencia (Due Diligence) y Open Finance: Un flujo tradicional de revisión documental y cumplimiento puede requerir entre 20 y 30 días debido a las idas y vueltas de información. Un modelo agéntico orquestado permite recibir documentos, validar errores en tiempo real con el cliente, consultar listas externas, ejecutar modelos de scoring y entregar el concepto al equipo interno en menos de una hora.

• Distribución de Energía: Gestión integral de solicitudes de interventoría, agendamiento de visitas, recepción de reportes y generación de borradores técnicos a través de canales directos como WhatsApp.

• Prevención de Lavado de Activos (AML): Sistema multiagente que, ante una alerta del sistema tradicional, investiga en segundos el comportamiento transaccional del cliente, detecta patrones de anomalía (fraccionamientos o circularidad) y evalúa el riesgo reputacional externo, entregando al analista un expediente consolidado con recomendaciones claras.

La Capa de Ingeniería: El Intelligence Ledger

Implementar una arquitectura de este nivel requiere trascender la consulta tradicional en bases de datos relacionales (queries SQL). Edward Canney destacó la importancia de construir una infraestructura tecnológica adecuada para dar soporte a los agentes sin comprometer la seguridad ni la integridad del core transaccional:

• Servidores MCP (Model Context Protocol): Capa intermedia que gestiona las peticiones de los agentes a los sistemas corporativos, evitando accesos directos o no autorizados.

• Ontologías de Datos y Modelos Vectoriales: Estructuración semántica de la información almacenada en Data Lakes o Lakehouses para garantizar la precisión de la contextualización.

• Workflows y BPM: Integración de motores de proceso deterministas para guiar el avance de cada etapa, evitando que posibles alucinaciones del modelo afecten un entorno regulado.

• Intelligence Ledger: Marco de trabajo y capa de inteligencia unificada que centraliza el acceso a los datos, permitiendo que cualquier agente consuma la información corporativa bajo estándares estrictos de gobernanza.

La sesión concluyó con una invitación a las organizaciones a evaluar sus procesos clave y comenzar a estructurar la capa de datos e ingeniería necesaria para liderar la adopción de la inteligencia artificial agéntica en sus respectivos sectores.

Vea también: Cómo fue el Festival IA Costa Rica 2026: las claves para convertir la IA en una ventaja competitiva