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

El último informe Enterprise Signals de OpenAI muestra que la IA empresarial pasa de asistir a ejecutar a velocidades muy distintas. Las empresas de vanguardia —las que están entre el 10 % con mayor uso de la IA— generan ahora 8,3 veces más tokens de salida por usuario activo que las empresas habituales, frente a las 2,6 veces de enero. La creciente brecha apunta a un cambio operativo más profundo: las empresas líderes conectan los agentes con el contexto y las herramientas de la empresa, les delegan tareas de mayor calado y facilitan la repetición de los flujos de trabajo que funcionan.

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

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

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

La incorporación lleva mucho tiempo siendo engorrosa tanto para las empresas como para los empleados. En Basis, que crea agentes de IA para firmas de contabilidad, la incorporación del primer día tarda ahora 30 minutos en lugar de dos horas, lo que deja 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 incorporación específica de la empresa, es decir, un conjunto reutilizable de instrucciones y recursos para un flujo de trabajo concreto. Codex les da la bienvenida, les presenta conceptos clave de la empresa y utiliza su ordenador para completar en segundo plano la configuración de las integraciones. Cuando surgen preguntas recurrentes o excepciones, RR. HH. puede actualizar la habilidad antes de que llegue el siguiente grupo.

Basis mostró una vez el proceso de incorporación y después lo convirtió en una habilidad reutilizable con un desencadenante claro, pasos conocidos, acceso a las herramientas adecuadas y una definición precisa de «terminado». El proceso ya no depende de que una persona esté disponible, aunque el equipo puede intervenir ante excepciones o preguntas complejas. La incorporación es ahora más coherente, repetible y fácil de mejorar, y los nuevos empleados obtienen de inmediato un modelo para trabajar con la IA.

Clay, una empresa que crea un motor de ingresos con aprendizaje autónomo para equipos go-to-market, afronta un reto comercial habitual: el contexto esencial de las operaciones 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 Área 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 operación. 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 una carencia del comité de compras 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 la bandeja de entrada. Las prioridades diarias la ayudan a llevar a cabo esas pequeñas acciones que, a lo largo de un ciclo prolongado de ventas empresariales, pueden marcar la diferencia. Las pruebas que sustentan cada recomendación permanecen junto a ella, de modo que los comerciales pueden consultar las fuentes primarias antes de actuar. Las empresas podrían ampliar ese contexto compartido a ejecutivos de cuentas, representantes de desarrollo de negocio, ingenieros de soluciones y responsables de ventas, conforme a los permisos de cuenta existentes.

Clay muestra qué necesita un trabajo en evolución para escalar: una estructura coherente, una frecuencia de actualización útil, pruebas compartidas 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 allí donde los desarrolladores puedan utilizarla. El equipo llama a este objetivo «Exa en todas partes». Antes, para perseguirlo, los equipos de relaciones con desarrolladores y de cuentas tenían que supervisar repositorios y el ecosistema general, identificar integraciones prometedoras, recopilar contexto y coordinar el trabajo entre distintos sistemas. Aunque las oportunidades variaban, el camino desde el descubrimiento hasta la implementación seguía una secuencia constante. 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 nada.

Codex ahora detecta oportunidades de integración prioritarias, recopila el contexto pertinente, crea pull requests, ejecuta pruebas y prepara actualizaciones semanales con fuentes como Slack y Notion. Cuando procede, 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 gestionar 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 tiene más consecuencias, los permisos, las pruebas y los derechos de decisión adquieren mayor peso en el diseño del flujo de trabajo.

En conjunto, Basis, Clay y Exa traducen en términos operativos los patrones que observamos en Enterprise Signals. Basis convierte un proceso probado 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 añade herramientas, pruebas y revisiones para que un agente pueda convertir una señal en una ejecución acotada. Las tres integran la mejora en el flujo de trabajo: las excepciones durante la incorporación revelan dónde hay que perfeccionar una habilidad; la actividad nueva de las cuentas y la validación de los comerciales mantienen actualizado el contexto de las operaciones; y las pruebas y la revisión humana precisan los límites de futuras ejecuciones. Cada una comienza con una tarea concreta y margen suficiente para probarla. El reparto del trabajo se aclara con el uso y la responsabilidad aumenta a medida que el flujo de trabajo demuestra su eficacia.

Ante el aumento de la brecha de vanguardia, los líderes empresariales deben dar a los empleados margen para probar flujos de trabajo de gran impacto, medir sus resultados y convertir los experimentos más sólidos en prácticas repetibles.

• Elige un ámbito de valor con impacto. Empieza por un flujo de trabajo integral en el que confluyan una prioridad estratégica, sistemas, traspasos, controles y resultados medibles. Debe repetirse con suficiente frecuencia para aprender de él y ser lo bastante importante como para justificar su rediseño.
• Define el resultado y cómo lo medirás. Identifica al responsable, el KPI, el punto de partida y las salvaguardas. 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 coste, 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.
• Redacta la descripción del trabajo del agente. Define qué activa el trabajo, el resultado, el contexto necesario, las herramientas, los permisos y con qué persistencia debe trabajar el agente hasta completarlo. Especifica qué pruebas debe aportar y en qué puntos debe detenerse para una revisión humana.
• Crea el sistema humano en torno al agente. Incluye en el diseño a las personas más cercanas al flujo de trabajo. Define quién se responsabiliza del resultado de negocio, la lógica del dominio, el acceso y los controles, la adopción y el uso diario. Las startups concentran estas responsabilidades en unas pocas personas; las empresas necesitan derechos de decisión explícitos a medida que el flujo de trabajo escala.
• Haz que la experimentación sea visible y reutilizable. Una investigación de OpenAI concluye que, seis meses después de la adopción, los empleados al inicio de su carrera enviaban 13 mensajes semanales más que los directivos. Da a los empleados margen para probar nuevos casos de uso; después, documenta el proceso y las pruebas de lo que funciona y conviértelo en habilidades, complementos o Áreas de trabajo compartidas. Chat, Work y Codex⁠(se abre en una ventana nueva) permiten distintos modos: Chat para preguntas y colaboraciones rápidas, Work para trabajos de conocimiento con varios pasos y entregables terminados, y Codex para la ejecución técnica.
• Reutiliza el patrón operativo. Conserva el contexto, los permisos, las evaluaciones, los puntos de revisión, los responsables, las métricas y la capacitación que hayan funcionado, y aplícalos al siguiente ámbito de valor. Cada nuevo experimento debe ofrecer al siguiente equipo un punto de partida mejor.