Un agente de inteligencia artificial que recibe una consulta sobre un pedido atrasado tiene dos caminos posibles. El primero: interpretar información generalista, formular hipótesis, reconstruir la lógica del negocio y revisarse una y otra vez, consumiendo tokens a cada paso. El segundo: conocer de antemano las dependencias logísticas, el inventario disponible, las condiciones pactadas con el cliente y las políticas internas, y resolver la incidencia con una única llamada determinista. La diferencia entre ambos caminos, explica Jorge Ferrer de Celonis, es la que separa una factura razonable de una desorbitada (Europa Press).
Ferrer, vicepresidente sénior y responsable de Celonis en Madrid, ha explicado a Europa Press que la eficiencia de la IA empresarial depende de que el modelo entienda cómo fluye el trabajo en la organización, porque conectar un modelo con los datos corporativos no basta. El sistema necesita comprender cómo se relacionan esos datos dentro de los procesos, qué reglas condicionan cada decisión, qué excepciones pueden producirse y cuál es el objetivo operativo que se persigue (El Economista).
Con ese contexto operativo —aportado por el Celonis Context Model y la inteligencia de procesos—, los agentes pueden hacer algo decisivo: derivar tareas y decisiones al modelo adecuado. Los pasos sencillos se asignan a modelos más rápidos y menos costosos; las tareas complejas, a modelos de mayor razonamiento, aunque sean más caros. «Cuando se les proporciona el contexto operativo adecuado, los agentes pueden utilizar una única llamada determinista para llegar a una respuesta, en lugar de una sucesión de hipótesis probabilísticas que consumen tokens innecesariamente», ha apostillado Ferrer (Europa Press).
Este enfoque coincide con las recomendaciones de las grandes consultoras. Deloitte señala que una «fábrica de IA» instalada en las propias instalaciones puede ahorrar más del 50% frente a las APIs públicas en un horizonte de tres años, mientras que Correlation One identifica hasta siete palancas de optimización: el enrutado entre modelos, la disciplina de contexto, el caché, el control de salidas, el procesamiento por lotes, los presupuestos por ciclo de agente y la medición de la unit economics (Deloitte, Correlation One).
La conclusión de Ferrer es casi contable: la austeridad de tokens no consiste en limitar el uso de la IA, sino en utilizarla de forma disciplinada, predecible y alineada con los resultados del negocio. En la economía de los agentes, quien mejor conoce sus procesos, menos paga por cada respuesta (Diario Estrategia).
#ContextoOperativo #AgentesIA #Celonis #EnrutadoDeModelos #Optimización #IAEmpresarial #ProcessIntelligence