La CDL Goiânia ya automatiza la gestión de 35 mil empresas con agentes de IA en la atención al asociado y en el monitoreo de riesgo de churn. Al mismo tiempo, Anthropic lanzó agentes para el mercado financiero capaces de elaborar presentaciones, revisar estados financieros y remitir casos a cumplimiento normativo. El punto central para las empresas dejó de ser la existencia de la tecnología y pasó a ser otro: dónde encaja en la operación con criterio, contexto y supervisión.
Este movimiento es importante porque los agentes de IA no operan como chatbots de flujo fijo. Según Serasa Experian, son sistemas autónomos capaces de percibir el entorno, tomar decisiones y actuar para alcanzar objetivos específicos. Y, según TI INSIDE Online, la diferencia práctica radica en la capacidad de comprender el contexto, aprender y adaptarse a lo largo de la ejecución.
Qué diferencia a los agentes de IA de las automatizaciones y chatbots tradicionales
El cambio más relevante no está en el nombre de la tecnología, sino en el tipo de tarea que puede ejecutar.
Según los hechos recopilados en las fuentes, los agentes de IA combinan tres capacidades:
- perciben información del entorno
- toman decisiones para cumplir un objetivo
- ejecutan acciones con independencia o mínima intervención humana
En la práctica, esto los aleja de modelos basados únicamente en respuestas preprogramadas. TI INSIDE Online destaca que los agentes necesitan entender el contexto para funcionar de verdad, precisamente porque no se limitan a flujos fijos.
Este punto se observa con claridad en el caso de la CDL Goiânia. Según el relato publicado en 24Cast, la atención al asociado “ya no utiliza chatbot de flujo fijo: hay una base de conocimiento real que responde dudas y escala a humanos cuando es necesario”. La operación también incluye un agente que monitorea el comportamiento de la base y emite alertas de riesgo de churn.
La declaración atribuida a la organización resume el cambio de etapa:
“No tratamos la IA como un experimento, es una operación. La atención al asociado ya no utiliza chatbot de flujo fijo: hay una base de conocimiento real que responde dudas y escala a humanos cuando es necesario.” Representante de la CDL Goiânia
Este tipo de aplicación muestra una distinción objetiva:
| Tecnología | Base de funcionamiento | Límite operacional descrito en las fuentes |
|---|---|---|
| Chatbot de flujo fijo | Reglas y rutas predefinidas | Responde dentro de guiones cerrados |
| Agente de IA | Contexto, decisión y acción orientada a objetivos | Responde, adapta, escala y ejecuta tareas con mayor autonomía |
La propia accesibilidad de la tecnología también está aumentando. Microsoft ha publicado contenidos orientando cómo crear y utilizar los primeros agentes de IA, señalando que el tema ya ha entrado en el radar de los equipos corporativos y de tecnología.
Dónde se están aplicando ya los agentes en las empresas
Los casos más concretos del material de investigación aparecen en tres frentes: atención al cliente, finanzas y jurídico.
1. Atención y relación con clientes
En la CDL Goiânia, los agentes se aplicaron para automatizar la atención al asociado con una base de conocimiento real y escalamiento a humanos cuando fuera necesario. El mismo entorno también monitorea señales de churn en la base de empresas atendidas.
El dato más contundente del caso es la escala:
- 35 mil empresas bajo gestión automatizada con IA
- atención con respuesta basada en conocimiento real
- escalamiento a humanos cuando sea necesario
- monitoreo de comportamiento con alertas de riesgo de churn
No hay, en el paquete de datos, métricas adicionales de reducción de costos, tiempo medio de atención o conversión. Por lo tanto, el caso debe leerse por lo que está comprobado: uso operacional a gran escala, y no solo pruebas.
2. Mercado financiero
En el mercado financiero, Anthropic lanzó agentes dirigidos a operadores que ejecutan tareas específicas de trabajo intelectual.
Según la cobertura de O Globo, estos agentes pueden:
- elaborar presentaciones para reuniones con clientes
- revisar estados financieros de empresas bajo análisis
- remitir casos para análisis de cumplimiento normativo
Aquí, el dato relevante no es solo la automatización de tareas repetitivas. Es el hecho de que los agentes entran en rutinas que exigen lectura de material, organización de información y remisión de etapas subsiguientes.
3. Litigios masivos
En el ámbito jurídico, Enter describe agentes de IA aplicados a litigios masivos con foco en la escala operacional y las decisiones estratégicas.
Según la empresa, estos agentes:
- leen cada documento
- cruzan evidencias externas
- detectan fraudes
- producen defensas y otras piezas judiciales personalizadas
La formulación de Enter es directa al separar dos planos de uso: una IA especializada para decisiones estratégicas, con análisis profundo y adaptación por caso, y otra para escala operacional, con estandarización y ejecución automatizada de principio a fin.
Cómo funcionan los agentes de IA en la práctica
La definición más objetiva del material proviene de Serasa Experian: los agentes autónomos de IA son sistemas capaces de percibir el entorno, decidir y actuar para alcanzar objetivos específicos. Esto ayuda a entender por qué aparecen en procesos más complejos que una simple atención con guion.
En la práctica, el funcionamiento descrito por las fuentes combina algunos elementos recurrentes:
- entrada de contexto, como documentos, base de conocimiento o señales de comportamiento
- objetivo definido, como responder una duda, revisar un estado financiero o producir una pieza
- toma de decisiones, incluyendo priorización, remisión o escalamiento
- ejecución de la acción, con generación de respuesta, análisis o envío a una etapa humana
El caso de la CDL Goiânia ilustra este flujo con claridad: el agente accede a una base de conocimiento real, responde cuando hay base suficiente y escala a humanos cuando es necesario. En el caso de Anthropic, el agente actúa sobre materiales de trabajo y remite situaciones de cumplimiento normativo. En el ámbito jurídico, Enter describe la lectura documental, el cruce de evidencias y la producción de piezas personalizadas.
La diferencia con las automatizaciones convencionales está menos en el “hacer solo” y más en el actuar basándose en un contexto variable.
TI INSIDE Online refuerza este punto al destacar que los agentes de IA necesitan entender el contexto para funcionar de verdad. Sin esto, la operación tiende a volver al patrón de flujo fijo, con menor capacidad de adaptación.
El impacto en TI y desarrollo ya está cambiando el perfil del trabajo
La adopción de agentes no solo altera los procesos de negocio. También cambia el papel de quienes diseñan, integran y supervisan estas soluciones.
Receba os próximos artigos por e-mail
Conteúdo novo de Draivv direto na sua caixa de entrada. Sem spam.
Según el Portal Information Management, la llamada ingeniería orientada a agentes autónomos, o agentic engineering, representa una resignificación del papel y del valor profesional de ingenieros y desarrolladores de software.
La lectura del portal va acompañada de una alerta explícita sobre los límites de la tecnología. Silva, especialista en IA consultado por la publicación, afirma:
“Se trata de que el humano sepa cómo aprovechar los recursos de IA para entregar un trabajo de mejor calidad, con más agilidad y menos sujeto a errores, entre otras cosas porque la inteligencia artificial no es infalible. Se equivoca.” Silva, especialista en IA, Portal Information Management
Esta declaración es central porque desplaza la discusión del entusiasmo genérico a la operación real. Si la IA se equivoca, la implementación debe considerar la supervisión, los criterios de escalamiento y un diseño técnico robusto.
La propia expansión de las herramientas refuerza este escenario. Microsoft ya ofrece recursos para la creación y uso de agentes, y OpenAI lanzó el GPT-5.5 en Codex, con impacto en la rutina de programadores y en la capacidad de desarrollo de agentes de IA. El efecto combinado es claro: construir este tipo de aplicaciones es cada vez más accesible, pero esto no elimina la necesidad de arquitectura, validación y acompañamiento humano.
Qué tiene sentido evaluar antes de aplicar agentes en su empresa
Los ejemplos del paquete de datos no autorizan una lista universal de buenas prácticas. Pero permiten identificar criterios concretos de evaluación basados en casos ya publicados.
1. Dónde existe una base de conocimiento utilizable
En el caso de la CDL Goiânia, la atención dejó de depender de un flujo fijo porque pasó a operar sobre una base de conocimiento real. Sin este insumo, la autonomía del agente tiende a ser limitada.
2. Dónde hay tareas con un objetivo claro y una salida verificable
Los casos de Anthropic y Enter muestran agentes actuando en tareas delimitadas:
- elaborar presentaciones
- revisar estados financieros
- remitir casos de cumplimiento normativo
- analizar documentos
- cruzar evidencias
- producir piezas personalizadas
Son actividades con un principio, un desarrollo y un fin más claros que las demandas abiertas y difusas.
3. Dónde el proceso ya admite escalamiento humano
En la atención de la CDL Goiânia, el agente escala a humanos cuando es necesario. Este detalle es importante porque la propia fuente especializada advierte que la IA no es infalible.
4. Dónde la ganancia está en reducir cuellos de botella operacionales
En los tres casos, los agentes entran en operaciones con volumen, repetición o necesidad de análisis estructurado. El beneficio descrito por las fuentes no es abstracto: está ligado a la ejecución de trabajo real.
Lectura: lo que los casos muestran sobre la aplicación práctica
Basándose en los ejemplos documentados, los agentes de IA están avanzando cuando la empresa necesita combinar contexto, decisión y acción dentro de un proceso operacional.
Esta lectura se deriva de los casos presentados:
- en la CDL Goiânia, el agente responde, escala y monitorea el comportamiento
- en Anthropic, el agente organiza materiales, revisa información y remite casos
- en Enter, el agente lee documentos, cruza evidencias y produce piezas personalizadas
También queda claro que la adopción no elimina el papel humano. La declaración de Silva, en el Portal Information Management, funciona como contrapunto necesario al avance de la tecnología: la IA puede mejorar la calidad y la agilidad, pero se equivoca. Por lo tanto, el diseño de la operación sigue siendo decisivo.
Qué sigue
Los próximos hitos del mercado señalados en el material de investigación se encuentran en tres frentes:
- avance de los modelos y plataformas que facilitan la creación de agentes
- mayor accesibilidad de herramientas corporativas, como las iniciativas publicadas por Microsoft
- evolución del desarrollo asistido por IA, con lanzamientos como el GPT-5.5 en Codex
Para las empresas, el detonante más concreto no es esperar una definición final del mercado, sino observar dónde ya existen procesos con base de conocimiento, tareas delimitadas y necesidad de supervisión estructurada. Es en este tipo de operación donde los agentes de IA están dejando de ser una promesa y pasando a actuar con inteligencia integrada.
Si su empresa ya ha identificado cuellos de botella recurrentes en la atención, el análisis documental o los flujos internos de decisión, el siguiente paso es mapear dónde un agente a medida puede intervenir con seguridad, contexto y una ganancia real de productividad.
Contenidos relacionados
Próximo paso con Draivv
Aplicar IA con resultados comienza por la elección del problema correcto, la viabilidad de los datos y una métrica de negocio clara. Conozca el Diagnóstico AI for Business para transformar oportunidades dispersas en una hoja de ruta priorizada de aplicación.
