Cómo las empresas nativas de IA convierten los flujos de trabajo en capacidad operativa

El informe más reciente de OpenAI, Señales empresariales, muestra que la IA empresarial está pasando de asistir a ejecutar a velocidades muy distintas. Las empresas de vanguardia —las que se encuentran entre el 10 % con mayor uso de IA— ahora generan 8,3 veces más tokens de salida por usuario activo que las empresas típicas, frente a 2,6 veces en enero. La creciente brecha apunta a un cambio operativo más profundo: las empresas líderes conectan agentes con el contexto y las herramientas de la empresa, les delegan tareas más sustanciales y facilitan la repetición de los flujos de trabajo exitosos.

Para los líderes, el reto es convertir esa profundidad en trabajo que las personas puedan considerar confiable, medir y mejorar. Los líderes también deben dejar espacio para experimentar, incluso con casos de uso cuyo valor no resulte evidente al primer intento.

Las startups Basis⁠(se abre en una nueva ventana), Clay⁠(se abre en una nueva ventana) y Exa Labs⁠(se abre en una nueva ventana) han incorporado agentes a la integración de empleados, la gestión de cuentas y el crecimiento del ecosistema de desarrolladores. Sus flujos de trabajo son distintos, pero la progresión resulta reveladora: enseña a un agente un proceso estable, dale contexto persistente a medida que cambie el trabajo y luego deja que convierta las oportunidades en acciones probadas.

En conjunto, estos ejemplos muestran cómo los equipos pueden incorporar agentes al trabajo habitual y mejorar el proceso con el tiempo.

La integración de personal ha sido complicada durante mucho tiempo tanto para empleadores como para empleados. En Basis, que crea agentes de IA para firmas contables, la integración del primer día ahora toma 30 minutos en lugar de dos horas, lo que da a RR. HH. más tiempo para la cultura y el apoyo.

El primer día, los empleados reciben acceso inmediato a Codex y a una habilidad de integración específica de la empresa —un conjunto reutilizable de instrucciones y recursos para un flujo de trabajo concreto—. Codex les da la bienvenida, presenta conceptos clave de la empresa y usa su computadora para completar en segundo plano la configuración de las integraciones. Cuando surgen preguntas recurrentes o excepciones, RR. HH. puede actualizar la habilidad antes de la siguiente cohorte.

Basis mostró una vez el proceso de integración y luego lo convirtió en una habilidad reutilizable, con un activador claro, pasos conocidos, acceso a las herramientas adecuadas y una definición precisa de lo que significa estar “terminado”. El proceso ya no depende de la disponibilidad de una sola persona, aunque el equipo puede intervenir ante excepciones o preguntas complejas. La integración ahora es más uniforme, repetible y fácil de mejorar, y los nuevos empleados reciben de inmediato un modelo para trabajar con IA.

Clay, una empresa que crea un motor de ingresos con aprendizaje autónomo para equipos go-to-market, afronta un reto de ventas conocido: el contexto crucial de cada negociación está disperso entre registros del CRM, correos electrónicos, Slack, llamadas, presentaciones, mensajes de texto y conversaciones con equipos internos y promotores del cliente.

Para mantener actualizado ese contexto, una ingeniera de GTM de Clay probó un enfoque mejor: un Espacio de trabajo persistente y un subagente dedicado para cada cuenta. Cada subagente revisa las fuentes primarias y actualiza durante la noche la carpeta de su negociación. Cada mañana, un agente coordinador convierte las novedades de todas sus cuentas en una breve lista de acciones prioritarias: responder una pregunta pendiente de un cliente, cubrir un vacío en el comité de compra o dar a un cliente potencial un motivo para retomar el contacto.

Según Clay, el flujo de trabajo le ahorra aproximadamente una hora cada noche al clasificar su bandeja de entrada. Las prioridades diarias la ayudan a concretar las pequeñas acciones que pueden acumularse durante un ciclo largo de ventas empresariales. La evidencia de respaldo se mantiene junto a cada recomendación, para que los vendedores puedan revisar las fuentes primarias antes de actuar. Las empresas podrían extender ese contexto compartido a ejecutivos de cuenta, representantes de desarrollo empresarial, ingenieros de soluciones y líderes de ventas, sujeto a los permisos de cuenta existentes.

Clay muestra qué necesita un trabajo en evolución para escalar: una estructura uniforme, una frecuencia útil de actualización, evidencia compartida y criterio humano en el momento de actuar.

Exa Labs, que crea infraestructura de búsqueda web para agentes de IA, quiere que su API de búsqueda esté disponible dondequiera que los desarrolladores puedan usarla. El equipo llama a este objetivo “Exa en todas partes”. Antes, perseguirlo exigía que los equipos de relaciones con desarrolladores y de cuentas supervisaran repositorios y el ecosistema general, identificaran integraciones prometedoras, recopilaran contexto y coordinaran el trabajo entre sistemas. Aunque las oportunidades variaban, el camino desde el descubrimiento hasta la implementación seguía una secuencia uniforme. Exa convirtió esa secuencia en un flujo de trabajo definido para Codex, con prioridades claras, acceso a las fuentes necesarias y revisión humana antes de publicar cualquier resultado.

Codex ahora busca oportunidades de integración de alta prioridad, recopila el contexto pertinente, crea pull requests, ejecuta pruebas y prepara actualizaciones semanales con fuentes como Slack y Notion. Cuando corresponde, también puede redactar el siguiente paso, incluido un anuncio inicial, para que el equipo lo revise. El flujo de trabajo lleva una oportunidad desde la señal hasta un resultado probado, a la vez que reduce los traspasos entre investigación, ingeniería y comunicación.

Las personas siguen decidiendo qué oportunidades importan, qué compromisos debe asumir Exa y cómo deben gestionarse las relaciones externas. Las pruebas y los puntos de revisión permiten ver el trabajo del agente antes de publicarlo. Los resultados de las pruebas y la revisión humana pueden indicar al equipo dónde ajustar el flujo de trabajo antes de la siguiente ejecución. A medida que el trabajo cobra más importancia, los permisos, la evidencia y los derechos de decisión adquieren mayor peso en el diseño del flujo de trabajo.

En conjunto, Basis, Clay y Exa llevan al terreno operativo los patrones que observamos en Señales empresariales. Basis convierte un proceso comprobado en una habilidad reutilizable. Clay proporciona a un agente el contexto y la persistencia necesarios para mantener actualizado un conjunto de trabajo en evolución. Exa incorpora herramientas, pruebas y revisión para que un agente pueda convertir una señal en una ejecución acotada. Las tres empresas integran la mejora en el flujo de trabajo: las excepciones durante la integración revelan dónde debe perfeccionarse una habilidad; la nueva actividad de las cuentas y la validación de los vendedores mantienen actualizado el contexto de las negociaciones; y las pruebas y la revisión humana precisan los límites de futuras ejecuciones. Cada una comienza con una tarea específica y suficiente margen para probarla. La división del trabajo se vuelve más clara con el uso y la responsabilidad aumenta a medida que el flujo de trabajo demuestra su eficacia.

Ante la creciente brecha en el uso de IA de vanguardia, los líderes empresariales deben dar a los empleados espacio para probar flujos de trabajo importantes, medir el éxito y convertir los experimentos más sólidos en prácticas repetibles.

• Elige un ámbito de valor importante. Comienza con un flujo de trabajo integral donde confluyan una prioridad estratégica, sistemas, traspasos, controles y resultados medibles en juego. Debe repetirse con suficiente frecuencia para aprender de él y ser lo bastante importante para justificar su rediseño.
• Define el resultado y cómo lo medirás. Identifica al responsable, el KPI, el punto de referencia y los límites de seguridad. Mide la profundidad mediante las tareas completadas, el contexto y las herramientas conectados, las excepciones y la carga de revisión. Mide el valor mediante el tiempo de ciclo, la calidad, el costo, los ingresos o el riesgo. El volumen de resultados puede mostrar que las personas piden más a la IA; los resultados del flujo de trabajo muestran si eso importa.
• Escribe la descripción del trabajo del agente. Define qué activa el trabajo, el resultado, el contexto necesario, las herramientas, los permisos y con cuánta persistencia debe trabajar el agente hasta completarlo. Especifica qué evidencia debe producir y en qué puntos debe detenerse para una revisión humana.
• Crea el sistema humano alrededor del agente. Incluye en el proceso de diseño a las personas más cercanas al flujo de trabajo. Identifica quién se responsabiliza del resultado empresarial, la lógica del dominio, el acceso y los controles, la adopción y el uso diario. Las startups concentran estas responsabilidades en pocas personas; las empresas necesitan derechos de decisión explícitos a medida que escala el flujo de trabajo.
• Haz que la experimentación sea visible y reutilizable. Una investigación de OpenAI revela que, seis meses después de la adopción, los empleados al inicio de su carrera enviaban 13 mensajes semanales más que los ejecutivos. Da a los empleados espacio para probar nuevos casos de uso; luego, registra el proceso y la evidencia que sustentan lo que funciona y conviértelos en habilidades, plugins o Espacios de trabajo compartidos. Chat, Work y Codex⁠(se abre en una nueva ventana) admiten distintos modos: Chat para preguntas y colaboración rápida, Work para trabajo intelectual de varios pasos y entregables terminados, y Codex para ejecución técnica.
• Aplica el patrón operativo de cara al futuro. Conserva el contexto, los permisos, las evaluaciones, los puntos de revisión, los responsables, las métricas y los mecanismos de capacitación que funcionaron, y aplícalos al siguiente ámbito de valor. Cada nuevo experimento debe ofrecer al siguiente equipo un mejor punto de partida.