En la Era de los Agentes de IA, el Rol Más Importante No Es Técnico

Imagina que contratas a 100 empleados nuevos. Trabajan las 24 horas. No piden vacaciones. Pueden atender a miles de clientes al mismo tiempo, redactar correos personalizados, y calificar prospectos sin descanso. Pero también toman decisiones por su cuenta. Hablan con tus clientes sin pedirte permiso. Y cuando no saben algo, a veces inventan la respuesta en lugar de preguntar.

¿A quién le asignas la responsabilidad de supervisarlos? ¿Al director de tecnología, que entiende cómo funcionan pero no conoce a tus clientes? ¿Al líder de ventas, que conoce el negocio pero nunca ha gestionado algo que no sea humano?

Esos 100 empleados son agentes de IA. Y la pregunta de quién los gestiona ya no es hipotética.

Un rol que no existía hace dos años

Salesforce opera hoy con docenas de agentes de IA en su plataforma Agentforce. Atienden clientes, redactan correos, califican leads, y derivan los casos difíciles a especialistas humanos. Resuelven de forma autónoma cerca del 74 por ciento de los casos de soporte entrantes.

Para que eso funcionara, la compañía tuvo que crear un rol que no existía: el gerente de agentes.

Zach Stauber ocupa ese puesto en Salesforce. Su rutina diaria consiste en revisar dashboards, detectar dónde un agente respondió con el tono equivocado, investigar por qué otro escaló un caso que podía resolver solo, y ajustar las instrucciones para que mañana lo hagan mejor. "Datos, datos, datos. Empiezo y termino mi día en dashboards, scorecards y monitoreo de observabilidad de agentes," dice Stauber. Suena a cualquier gerente obsesionado con la operación. La diferencia es que ninguno de sus reportes directos es humano.

Stauber no es ingeniero ni científico de datos. Estudió producción de audio. Pasó años en diseño conversacional y lideró equipos de chatbots antes de llegar a este rol. Y eso no es casualidad—es la norma. Los gerentes de agentes más efectivos no vienen de equipos técnicos. Vienen de operaciones, servicio al cliente, y ventas. Gente que ya sabía cómo se ve un buen resultado en la práctica.

En América Latina, ese rol no existe. La conversación sobre agentes de IA en la región todavía gira en torno a qué herramienta comprar, qué plataforma implementar, y qué proveedor contratar. Es una conversación de adquisición, no de operación. Y la ventaja competitiva no va a ser de quien adopte agentes primero, sino de quien aprenda a operarlos primero.

El negocio manda, no IT

Durante mucho tiempo, la IA fue tema de los departamentos de tecnología. El equipo de IT la construía, la desplegaba, y la mantenía. El resto de la empresa recibía el producto terminado y lidiaba con los resultados como podía. Eso funcionaba cuando la IA era algo pasivo—un modelo predictivo por aquí, un filtro de spam por allá.

Con los agentes autónomos, ese esquema se rompe. Un agente no es un software que alguien abre y cierra. Toma decisiones, habla con clientes, y ejecuta tareas sin supervisión directa. Si nadie del negocio se hace cargo, va a cometer errores que el equipo de ingeniería ni siquiera puede anticipar porque no tiene el contexto para entenderlos.

En Salesforce lo entendieron rápido. Los equipos de éxito del cliente—no los ingenieros—son quienes definen el tono del agente, sus reglas de escalamiento, y sus métricas de éxito. Si el agente está haciendo trabajo real para tu área, tú eres responsable de que lo haga bien. Por eso el rol más importante en esta nueva era no es técnico. Es de gestión, con profundo conocimiento del negocio.

Las empresas que centralicen la gestión de agentes en IT van a terminar con agentes que funcionan técnicamente pero no entienden el negocio. Y un agente que no entiende el negocio es como un vendedor que conoce el CRM de memoria pero no sabe leer a un cliente.

De 150 reuniones al mes a 350 en una semana

Veamos qué pasó con el equipo de desarrollo de ventas de Salesforce. Antes de los agentes, sus representantes contactaban decenas de prospectos diarios pero lograban hablar con 12 a 15. Los demás leads se iban enfriando porque no había suficientes manos.

Hoy un agente de IA toma la primera interacción a escala: contacto personalizado, calificación, y seguimiento constante con leads que antes nadie tocaba. "Mientras mi equipo duerme, nuestros agentes ya están interactuando con clientes," cuenta Vanessa Tabbert, vicepresidenta del equipo de transformación y desarrollo de ventas de Salesforce.

Los resultados se notaron rápido. Pasaron de 150 reuniones agendadas en 30 días a más de 350 en una semana, con el mismo volumen de leads. En cuatro meses generaron $60 millones en pipeline anualizado y sumaron más de 300 clientes nuevos. El equipo que lo logró era pequeño—lo que Amazon llama un "two-pizza team"—y en poco tiempo desplegó el agente en Estados Unidos, Canadá, Reino Unido, Irlanda, África, y Japón.

Esos números no salieron de enchufar un agente y cruzar los brazos. Detrás hubo alguien decidiendo cuándo el agente debía ceder el paso a un humano. Alguien revisando si las instrucciones que recibía producían el comportamiento correcto. Alguien midiendo si las reuniones que generaba se convertían en negocio real o eran ruido. Alguien del negocio, no de ingeniería.

Sin esa capa de gestión, el agente habría sido una máquina de agendar citas sin valor.

Operadores con criterio, no ingenieros

¿Qué necesita en concreto un gerente de agentes? Entender cómo funcionan los prompts y cómo diagnosticar fallos. Conocer a fondo el proceso de negocio que el agente apoya. Pensar en sistemas—cómo interactúan los agentes entre sí, con otros equipos, y con humanos. Adaptarse rápido cuando cambian los modelos o las prioridades. Saber escribir instrucciones claras que moldeen el comportamiento del agente, que es el equivalente a entrenar a un empleado nuevo. Y diseñar flujos de trabajo donde humanos y máquinas se complementan sin estorbarse.

Las organizaciones que armaron estos equipos con gente de operaciones y servicio al cliente—personas con criterio de negocio—escalaron más rápido. Las que buscaron perfiles técnicos o centralizaron todo en IT se encontraron con gerentes que sabían mover palancas en el sistema pero no entendían qué palancas importaban. Lo que hizo buen candidato a Stauber no fue un posgrado en machine learning, sino lo que él describe como "curiosidad genuina"—ganas de experimentar, aprender sobre la marcha y hacerse responsable del resultado.

En la región, esas habilidades de gestión ya existen—en gerentes de operaciones, en líderes de servicio al cliente, y en directores comerciales que conocen su mercado de cerca. Lo que no existe todavía es la decisión organizacional de redirigir a esa gente hacia la gestión de agentes en lugar de seguir delegando la IA al departamento de tecnología.

Adiós a los KPIs de actividad

Gestionar agentes también obliga a cambiar cómo medimos a las personas. Los KPIs clásicos—60 llamadas al día, 40 correos, 20 tickets—pierden sentido cuando un agente puede hacer todo eso de forma continua y a escala.

El caso de los representantes de ventas de Salesforce lo ilustra bien. Antes, un buen vendedor era el que hacía más llamadas. Hoy, las llamadas las hace el agente. El vendedor que sigue midiendo su valor por volumen de contactos está compitiendo contra una máquina que no duerme y no se distrae. Es una carrera que no puede ganar.

Las métricas que importan ahora son otras. ¿Qué tan bien está afinando su agente este vendedor? ¿Aprovecha las reuniones que el agente le consigue, o las desperdicia? ¿Está cerrando los tratos que requieren empatía y juicio humano? ¿Qué porcentaje de las oportunidades generadas por el agente terminan en ingreso real?

El foco pasa de contar actividades individuales a medir la eficiencia del sistema completo—persona más agente trabajando juntos.

Para los equipos humanos, eso significa aprender dos cosas. La primera es gestionar al agente: darle instrucciones claras, revisar su trabajo y ajustar su comportamiento cuando los resultados no son los esperados. La segunda es ser efectivos en las interacciones que el agente no puede manejar—las negociaciones complejas, las objeciones difíciles, los momentos donde un cliente necesita hablar con alguien que entienda su contexto. De nuevo, habilidades de negocio, no de tecnología.

Volvamos a los 100 empleados

La gestión de agentes no es un rol de nicho. A medida que los agentes se muevan hacia finanzas, recursos humanos, cadena de suministro, y operaciones, cada área de la empresa va a necesitar alguien que se haga cargo de ellos. En un año o año y medio, "gerente de agentes" va a ser un título tan común como lo es hoy "product manager" en empresas de tecnología.

Pero el título importa menos que la capacidad. Y aquí es donde la brecha entre mercados se va a notar.

En Estados Unidos y Europa, empresas como Salesforce, JPMorgan Chase y Walmart ya están formando equipos dedicados a operar agentes. Están definiendo métricas, creando procesos de mejora continua y distribuyendo la responsabilidad en cada unidad de negocio. En América Latina, la mayoría de las empresas siguen en la fase de compra: evaluando plataformas, negociando licencias, armando pilotos que viven dentro de IT.

La diferencia entre ambos grupos no es presupuesto ni acceso a la tecnología. La tecnología es la misma para todos. La diferencia es que unos ya están aprendiendo a operar y los otros todavía creen que comprar es suficiente.

Regresemos a la pregunta del inicio. Tienes 100 empleados nuevos que trabajan sin descanso, toman decisiones, y hablan con tus clientes. Son rápidos, baratos, y escalables. Pero nadie les dijo cómo comportarse con un cliente molesto en Monterrey, ni cuándo es mejor pasar la llamada a un humano, ni qué métricas definen si están haciendo bien su trabajo.

¿Quién se encarga de eso en tu empresa? Si la respuesta es "el equipo de sistemas" o "nadie," ya sabes por dónde empezar. Y la persona indicada para ese rol probablemente ya trabaja contigo—solo que hoy gestiona humanos.