Por Guido Ipszman, director general de Salesforce en Chile.

La inteligencia artificial agéntica está pasando de la experimentación a la operación real de las empresas. El desafío ya no es demostrar que la tecnología funciona, sino identificar dónde aporta valor, cómo implementarla y qué se necesita para escalarla. Esto implica potenciar el trabajo humano para que las personas puedan enfocarse en actividades de mayor valor, un modelo que Salesforce denomina “Empresa Agéntica” y que exige repensar la organización del trabajo en las compañías que buscan dar un salto sustantivo en sus procesos. Estas ideas estuvieron en el centro de la exposición de Guido Ipszman, director general de Salesforce en Chile, en el conversatorio “Descifrando la IA agéntica desde la teoría a la adopción”, realizado en AmCham a comienzos de octubre.

¿En qué etapa crees que se encuentra hoy la adopción de la IA agéntica en las empresas?

En 2026, la conversación sobre inteligencia artificial agéntica ha cambiado. Ya no se trata únicamente de preguntarnos si puede funcionar, sino de entender cómo escalar el valor que es capaz de generar.

Estamos hablando de agentes de IA que pueden ejecutar tareas de principio a fin: consultar información, interactuar con sistemas, resolver solicitudes y activar acciones concretas, siempre bajo reglas y mecanismos de supervisión humanos.

La tecnología ha avanzado y hoy contamos con casos que demuestran su potencial en entornos reales. Pero hay una diferencia importante entre implementar un agente y conseguir que genere resultados sostenibles para el negocio. El verdadero desafío está en integrar estas capacidades en la operación cotidiana y lograr que su uso crezca de manera medible.

Durante el conversatorio de AmCham se plantearon cuatro decisiones fundamentales para escalar la IA agéntica. ¿Cuáles son y por qué son relevantes?

El principal aprendizaje es que el éxito de una implementación no depende exclusivamente de la tecnología, sino de las decisiones de negocio que la acompañan.

La primera es elegir el caso de uso correcto. Hay que identificar procesos de alto volumen, repetitivos, medibles y con impacto directo en los resultados de la empresa. No necesariamente conviene comenzar por el proyecto más ambicioso, sino por aquel que permita demostrar valor con una complejidad técnica manejable.

La segunda es reunir a los actores adecuados. El proyecto debe contar con un responsable ejecutivo que esté directamente involucrado en los resultados del negocio, además de los equipos de tecnología, datos, seguridad y usuarios finales. Sin ese liderazgo, las iniciativas corren el riesgo de quedarse en pilotos aislados.

La tercera decisión consiste en empezar con un alcance pequeño, pero diseñar pensando en grande. Y la cuarta es implementar de manera progresiva, midiendo resultados, realizando ajustes y expandiendo el alcance sobre la base de aprendizajes reales.

¿Por qué existen iniciativas de inteligencia artificial que se quedan en la etapa de prueba?

Porque muchas veces se diseñan para demostrar que la tecnología es capaz de hacer algo, pero no necesariamente para resolver un problema concreto del core del negocio.

Aquí es importante distinguir entre un piloto y un producto mínimo viable (MVP). Un piloto puede funcionar muy bien en una demostración, pero no siempre está integrado a los procesos reales ni cuenta con los recursos necesarios para avanzar. Un MVP, en cambio, busca entrar en producción con un alcance controlado, interactuar con usuarios reales y validar resultados que justifiquen su expansión.

La clave es comenzar con objetivos acotados, aprender de la operación y mejorar continuamente. El lanzamiento de un agente debe entenderse en lo posible como el punto de partida, no como la meta final.

¿Qué papel cumplen los datos y las personas en esta transformación?

Son dos factores fundamentales. Los agentes necesitan información confiable, actualizada y accesible para comprender el contexto y ejecutar acciones útiles. Si los datos están fragmentados o no existe una integración adecuada entre sistemas, incluso la tecnología más avanzada tendrá dificultades para entregar buenos resultados.

Esto es especialmente relevante en la experiencia de las personas. La diferenciación de aquí en adelante no estará en incorporar más agentes, sino en desarrollar una inteligencia relacional que permita comprender el historial, las necesidades y las preferencias de cada cliente.

Al mismo tiempo, la IA agéntica está redefiniendo cómo se organiza el trabajo. Los agentes pueden asumir una mayor proporción de tareas repetitivas y operativas, mientras las personas pueden enfocarse en actividades que requieren criterio, creatividad, supervisión y manejo de situaciones complejas. Esto exige desarrollar nuevas habilidades en los equipos: saber trabajar con IA, verificar resultados, identificar errores y reconocer cuándo una situación necesita intervención humana.

¿Cuál debería ser la principal reflexión para los líderes empresariales que buscan avanzar hacia una empresa agéntica?

Que no es necesario transformar toda la organización de una sola vez para comenzar a generar impacto. Lo importante es identificar una oportunidad que realmente importe, involucrar a quienes son responsables de sus resultados, implementar con un alcance manejable y construir a partir de evidencia.

La pregunta que deberían hacerse hoy los líderes no es solamente qué puede hacer la inteligencia artificial, sino qué proceso de su organización ya podría estar generando más valor con un agente y qué decisión está impidiendo que eso ocurra.

Porque, en definitiva, la tecnología habilita la transformación, pero son las personas y las organizaciones las que hacen que ocurra.