Mustafa Yagmur: El auge de la analítica conversacional agéntica

De los dashboards a las decisiones

La inteligencia artificial sigue transformando la forma en que las organizaciones interactúan con los datos, y uno de los avances más prometedores en este ámbito es la analítica de negocio conversacional agéntica (Agentic Conversational Business Analytics). En una reciente conversación de AI Wizards, Stella habló con Mustafa Yagmur, arquitecto de Soluciones de IA y Machine Learning en SDG Group, para profundizar en lo que realmente significa este concepto emergente y por qué está cobrando tanta importancia.

Más allá de los dashboards

Durante años, las empresas han confiado en herramientas tradicionales de Business Intelligence (BI), como dashboards, informes y modelos semánticos, para obtener información a partir de sus datos. Aunque son herramientas muy potentes, a menudo requieren que los usuarios exploren los datos manualmente o dependan de analistas para obtener una comprensión más profunda.

La analítica agéntica supone un cambio de paradigma. En lugar de navegar por dashboards, los usuarios pueden simplemente hacer preguntas en lenguaje natural. Entre bastidores, agentes inteligentes interpretan la consulta, acceden a los datos relevantes y realizan el análisis necesario, ofreciendo respuestas contextualizadas en lugar de limitarse a mostrar información en bruto.

En esencia, permite a las organizaciones "conversar con sus datos", pero con un nivel de profundidad muy superior al de los chatbots o las herramientas de consulta tradicionales.

¿Qué hace que sea “agéntica”?

La característica que define este enfoque es su autonomía. A diferencia de los sistemas convencionales, que responden a consultas directas, los sistemas agénticos están diseñados para recibir un objetivo —como una pregunta de negocio— y determinar por sí mismos cómo resolverlo.

Estos sistemas son capaces de:

• Descomponer problemas complejos

• Identificar y acceder a fuentes de datos relevantes, tanto estructuradas como no estructuradas.

• Aplicar lógica de negocio y razonamiento.

• Sintetizar los hallazgos en respuestas útiles y con contexto.

En muchos casos, varios agentes especializados colaboran para llevar a cabo estas tareas, imitando la forma en que un equipo de analistas abordaría un problema. El resultado es un sistema que no solo responde preguntas, sino que realiza activamente el trabajo analítico.

El poder del contexto: la capa semántica

Un elemento clave que hace posible la analítica agéntica es la capa semántica, que deja de ser una simple estructura técnica de datos para convertirse en una capa de conocimiento contextual.

Más allá de definir métricas, esta capa incorpora:

• KPIs y reglas de negocio.

• Relaciones entre los distintos datos.

• Objetivos estratégicos y contexto operativo.

Esto permite que los agentes interpreten los datos con un profundo conocimiento del negocio, garantizando que las respuestas no solo sean precisas, sino también relevantes y alineadas con las definiciones y objetivos de la organización.

Sin esta base, los sistemas corren el riesgo de generar conclusiones genéricas o inconsistentes. Con ella, pueden comportarse mucho más como auténticos expertos del dominio.

De los insights a la acción

La analítica tradicional suele detenerse en la generación de insights: explica qué ha ocurrido y, en algunos casos, por qué. La analítica agéntica va un paso más allá al ayudar a responder la siguiente pregunta clave: ¿qué deberíamos hacer ahora?

Gracias a que estos sistemas comprenden tanto los datos como el contexto de negocio, son capaces de recomendar acciones, identificar riesgos y simular posibles escenarios. Esto convierte la analítica en algo más que una función de reporting: pasa a ser un sistema activo de apoyo a la toma de decisiones.

Generar confianza en las decisiones impulsadas por IA

A medida que estos sistemas asumen un papel cada vez más relevante en la toma de decisiones, la confianza se convierte en un factor esencial. Mustafa destaca varios pilares fundamentales para garantizar su fiabilidad:

• Contar con una base sólida sustentada en datos validados y lógica de negocio.
• Validar continuamente el sistema mediante marcos de pruebas y referencias previamente definidas.
• Garantizar la transparencia, explicando cómo se han obtenido los resultados.
• Establecer una gobernanza clara, con roles, permisos y mecanismos de supervisión bien definidos.

En muchos casos, especialmente cuando se trata de decisiones de alto impacto, sigue siendo fundamental mantener un enfoque human-in-the-loop, en el que las personas participan en la revisión y validación de las decisiones generadas por la IA.

Retos en el camino hacia la adopción

A pesar de su enorme potencial, la adopción de la analítica agéntica no está exenta de desafíos. Muchas organizaciones encuentran dificultades para pasar de una prueba de concepto a un entorno de producción, normalmente debido a una falta de alineación entre los datos y las definiciones de negocio, o a marcos de gobernanza y control todavía inmaduros. Unos cimientos poco sólidos generan resultados poco fiables y, como consecuencia, aparece otro de los grandes retos: la adopción por parte de los usuarios.

Para superar estas barreras, es imprescindible contar con unos objetivos de negocio claros y una estrategia bien definida. Como señala Mustafa, no puede existir una estrategia de IA sin una estrategia de datos.

¿Qué viene ahora?

De cara al futuro, se espera que los sistemas agénticos sean cada vez más proactivos y estén más integrados en los flujos de trabajo del negocio. Entre los avances que podrían marcar esta evolución se encuentran:

• Anticipar las necesidades de los usuarios y ofrecer insights de forma automática.
• Integrarse directamente con los sistemas operativos para desencadenar acciones.
• Aprender de manera continua a partir de las interacciones y el feedback de los usuarios.

Esta evolución podría redefinir la forma en que se toman decisiones, proporcionando a cada usuario de negocio un asistente analítico siempre disponible, con conocimiento del dominio y capacidad para ofrecer recomendaciones contextualizadas.

Las personas siguen siendo clave

A pesar del creciente nivel de automatización, el papel de las personas sigue siendo fundamental. Aunque los agentes destacan por su capacidad para procesar datos y generar insights, el criterio humano, la experiencia y la comprensión del contexto continúan siendo imprescindibles.

El futuro pasa por un modelo de colaboración en el que la IA se encarga del análisis y de las recomendaciones, mientras que las personas toman las decisiones finales.

Una nueva forma de trabajar con los datos

La principal conclusión para los líderes empresariales es clara: no se trata simplemente de adoptar nuevas herramientas, sino de replantear la forma en que las organizaciones interactúan con los datos.

La analítica agéntica hace que el conocimiento de negocio sea accesible y accionable de forma inmediata. Las organizaciones que combinen una base sólida de datos con la mentalidad adecuada estarán mejor preparadas para transformar los insights en decisiones de forma más rápida, consistente y eficaz que nunca.

Para escuchar la conversación completa y profundizar en estas ideas, ve la entrevista completa a continuación.