Dar una tarjeta de crédito a una IA cambia bastante las reglas del juego
La diferencia entre recomendar un vuelo y comprarlo no son dos clics. Es una transferencia de poder. Esta semana Meta ha puesto esa diferencia encima de la mesa con Muse, su nuevo agente personal de inteligencia artificial. Puede acceder, con autorización del usuario, a aplicaciones de correo, calendario, compras o pagos para enviar emails, organizar viajes y ejecutar otras tareas. Ya no estamos hablando únicamente de una IA capaz de explicarnos qué hacer. Estamos empezando a hablar de sistemas capaces de hacerlo por nosotros.
Ese salto parece pequeño cuando se describe como una nueva funcionalidad. Para las empresas es bastante mayor. Una cosa es que un modelo se equivoque al recomendar un restaurante y otra que reserve una mesa para seis, pague un depósito o cancele una suscripción equivocada. A medida que la inteligencia artificial abandona progresivamente la interfaz de conversación y empieza a conectarse con sistemas donde ocurren cosas reales, la pregunta deja de ser únicamente cuánto puede hacer. Importa también quién le ha dado permiso, con qué límites, durante cuánto tiempo y quién responde cuando algo sale mal. Ahí empieza probablemente la siguiente gran fase de la IA.
De la respuesta a la acción
El desarrollo de los agentes ha estado dominado hasta ahora por una competición bastante reconocible. Los modelos debían razonar mejor, utilizar más herramientas, mantener el contexto durante más tiempo y completar tareas cada vez más complejas. Pero la utilidad de un agente no aumenta indefinidamente con su inteligencia. Llega un momento en el que necesita acceso. A un calendario. A un CRM. A una cuenta de correo. Al inventario de una empresa. A su sistema de reservas. Y, finalmente, al dinero.
Es precisamente ahí donde se están moviendo algunos de los mayores actores del sector. Visa, Mastercard y Ant International anunciaron el 10 de septiembre una iniciativa conjunta para avanzar hacia estándares compartidos que permitan identificar y verificar los agentes de IA que realizan compras. India está desarrollando, en paralelo, un registro para autenticar y supervisar los agentes que operen sobre UPI, su enorme infraestructura de pagos digitales. El objetivo inicial es permitir operaciones pequeñas y frecuentes y ampliar después su alcance a transacciones más complejas.
No es precisamente infraestructura sexy. Y eso es lo interesante. Internet necesitó certificados, sistemas de identidad, protocolos de pago, mecanismos antifraude y décadas de construcción de confianza antes de que introducir los datos de una tarjeta en una página web dejara de parecernos una temeridad. Los agentes necesitan resolver una versión nueva de ese mismo problema. Solo que esta vez quien aparece en la tienda puede no ser una persona.
La identidad de las máquinas empieza a importar
Imaginemos algo bastante plausible. Un usuario pide a su agente que encuentre un vuelo directo a Londres por menos de 200 euros, evite determinadas franjas horarias y utilice sus puntos si el ahorro supera cierta cantidad. El agente compara alternativas, accede al programa de fidelización, selecciona el vuelo y realiza la compra.
Para que esa experiencia funcione no basta con tener un modelo competente. La aerolínea debe poder saber que ese agente es legítimo. El sistema de pagos necesita comprobar que está autorizado. El usuario debe poder establecer qué puede gastar. Y todos necesitan alguna forma de demostrar qué instrucciones recibió la máquina si posteriormente aparece una disputa. Parece un detalle técnico hasta que se multiplica por millones de operaciones.
Visa lleva tiempo trabajando precisamente en esa capa mediante su Trusted Agent Protocol, diseñado para que comercios y plataformas puedan distinguir agentes autorizados de bots maliciosos. Mastercard está desarrollando mecanismos similares alrededor de la verificación de la intención del usuario. En ambos casos, el problema que intentan solucionar dice bastante sobre la etapa a la que está llegando esta tecnología. El reto empieza a estar menos en demostrar que una máquina puede comprar y más en crear las condiciones para que empresas y consumidores permitan que lo haga.
Los propios consumidores muestran esa distancia. Una investigación publicada esta semana por Visa señala que el 72% de los encuestados en Estados Unidos ya había utilizado asistentes de IA junto a buscadores para descubrir productos. Sin embargo, solo el 23% confiaba en la inteligencia artificial generativa para gestionar pagos en su nombre.
La adopción puede haber avanzado mucho más rápido que la delegación.
Un agente dentro de una empresa plantea la misma pregunta
El debate no termina en las compras de consumo. De hecho, probablemente se vuelva más interesante dentro de las organizaciones.
Una empresa española como HeyDiga, que acaba de levantar 5,5 millones de euros, permite que agentes de IA gestionen de forma autónoma conversaciones con clientes por teléfono, WhatsApp o chat y se integren con CRM y plataformas de reservas. Según los datos comunicados por la compañía, sus sistemas automatizan más del 78% de las conversaciones y alcanzan una tasa de resolución del 85,3%.
Lo importante aquí no es únicamente la automatización del contacto. Es lo que ocurre cuando ese agente empieza a atravesar sistemas. Puede consultar disponibilidad, modificar una reserva, recuperar información de un cliente, actualizar un CRM o activar otro proceso. Cada conexión añade utilidad, pero también amplía aquello que la organización está delegando. Cuando los agentes dejan de operar en una ventana de chat y empiezan a moverse por la arquitectura tecnológica de una compañía, permisos, trazabilidad y gobernanza dejan de ser asuntos reservados al departamento de seguridad. Se convierten en decisiones de negocio.
¿Qué puede consultar un agente comercial? ¿Puede modificar precios? ¿Hasta qué importe podría autorizar una devolución? ¿Puede negociar con un proveedor? ¿Debe pedir confirmación humana antes de realizar determinadas acciones? ¿Cómo se supervisan miles de decisiones pequeñas que quizá no requieran una persona, pero que tampoco deberían ocurrir sin reglas?
La respuesta probablemente no será impedir que los agentes actúen. Sería renunciar precisamente al valor que los hace diferentes de un chatbot. El reto será construir autonomía con límites.
La nueva interfaz puede ser una delegación
Hay además una consecuencia menos evidente. Si esta tecnología funciona, podría alterar la manera en que las empresas diseñan una parte de su relación con clientes y proveedores.
El comercio digital se ha construido alrededor de interfaces pensadas para humanos. Buscadores, menús, filtros, comparadores, formularios, recomendaciones, procesos de checkout. Buena parte de ese diseño intenta ayudarnos a navegar entre opciones hasta tomar una decisión. Un agente puede saltarse una parte considerable de ese recorrido.
No necesita mirar veinte hoteles como los miramos nosotros. Puede consultar cientos, aplicar nuestras restricciones, comparar condiciones y devolver directamente una recomendación o, si se lo permitimos, reservarla. En ese escenario, la experiencia de cliente deja de desarrollarse exclusivamente entre una empresa y una persona. Aparece un intermediario que interpreta lo que esa persona quiere y actúa en consecuencia.
Para las marcas, eso plantea preguntas importantes. Cómo será descubierto un producto por un agente. Qué información necesitará para confiar en una compañía. Cómo se trasladará una preferencia de marca cuando una máquina optimice precio, conveniencia y condiciones. O qué ocurre con muchas de las técnicas de conversión actuales cuando parte del proceso de compra lo realizan sistemas que no se distraen con un banner ni tienen demasiada sensibilidad por el botón naranja.
La economía de los agentes no cambia únicamente quién hace clic. Puede cambiar quién decide qué merece ese clic.
La confianza puede convertirse en una ventaja competitiva
Muse ofrece también una advertencia útil. Reuters señala que las pruebas internas de Meta detectaron problemas de seguridad y fiabilidad antes de su lanzamiento y que la compañía retrasó inicialmente el producto mientras reforzaba sus protecciones. Meta asegura haber construido Muse sobre una máquina virtual específica y haber incorporado controles de acceso y sistemas adicionales de seguridad.
La tensión no podría ser más representativa. Cuanta más autonomía obtiene un agente, mayor es su utilidad potencial. Y mayor es también el coste de equivocarse. Eso puede producir un cambio interesante en la competición por la IA. Las capacidades de los modelos seguirán importando, pero las compañías que consigan desplegar agentes con identidad verificable, permisos comprensibles, trazabilidad, seguridad y capacidad de intervención humana pueden terminar teniendo una ventaja menos llamativa y bastante más difícil de copiar.
Porque un agente espectacular en una demo sirve para enseñar tecnología. Un agente al que una empresa está dispuesta a conectar con clientes, operaciones y dinero necesita algo más. Necesita que alguien se atreva a darle las llaves.
El 22 de septiembre, PATIO Converge pondrá precisamente el foco en los agentes de IA y en las soluciones que ya están trasladando esta tecnología a problemas empresariales concretos. Una buena oportunidad para observar qué ocurre cuando pasamos de hablar de lo que los agentes podrían hacer a comprobar qué estamos realmente dispuestos a dejarles hacer.
