Los equipos de IA empresarial que ejecutan pilas de orquestación centralizadas ahora tienen una nueva variable que tener en cuenta: AWS Rápidoque se expandió esta semana a un agente nativo de escritorio que crea un gráfico de conocimiento personal persistente y ejecuta acciones en archivos locales y herramientas SaaS, fuera de la visibilidad de la mayoría de los planos de control.
A diferencia de los copilotos basados en chat que se reinician con cada sesión, Quick ahora mantiene un gráfico de conocimiento continuamente actualizado creado a partir de los archivos locales, el calendario, el correo electrónico y las aplicaciones SaaS conectadas del usuario. Lo utiliza para desencadenar acciones de forma proactiva sin esperar a que se lo soliciten.
AWS lanzó Quick in octubre del año pasado como alternativa al flujo de trabajo de IA y las plataformas de productividad de Google, OpenAI y Anthropic. Era una forma para que los empleados empresariales accedieran a información valiosa de aplicaciones conectadas, un creador de agentes, investigación profunda y automatización del flujo de trabajo. Ahora, ha crecido más allá de un simple asistente de IA y actúa más como un agente de flujo de trabajo proactivo con un gráfico de conocimiento del usuario en tiempo real y con estado. Se integra con aplicaciones de terceros como Google Workspace, Microsoft 365, Zoom, Salesforce y Slack (y ahora con archivos locales) para que el agente pueda recopilar contexto y tomar medidas.
«Lo que hemos estado escuchando es que muchas empresas no están satisfechas con lo difícil que es obtener contexto de sus herramientas heredadas», dijo a VentureBeat Jigar Thakkar, vicepresidente de Quick Suite en AWS, en una entrevista. «Nuestra visión es que Quick sea una experiencia de escritorio que sea el único lugar donde las personas pueden acudir para obtener toda su información y tareas».
Puntos ciegos de la gobernanza
Las empresas suelen colocar capas de orquestación en el centro para ayudar a guiar y gestionar a los agentes. Se introduce el contexto, se toman decisiones y luego se ejecutan las acciones dentro de los límites definidos del sistema.
Lanzamientos recientes como Agentes gestionados por Claude de Anthropic o actualizaciones de SDK del agente de OpenAI También impulsamos más agentes autónomos y sin estado dentro de los flujos de trabajo empresariales, pero aún operan dentro de límites de orquestación definidos.
Quick todavía opera bajo controles empresariales, algo que AWS siempre ha subrayado con sus productos de inteligencia artificial, por lo que las acciones tomadas en Quick siguen sujetas a permisos, identidad y seguridad. Las integraciones permanecen administradas por una API o una conexión MCP.
Sin embargo, esta evolución de Quick introduce un cambio más sutil en la capa de decisión. AWS actualizó Quick para crear un gráfico de conocimiento personal que aprende más sobre el usuario cuanto más interactúa con la plataforma. Crea un perfil basado en cómo usan archivos locales, calendario, correo electrónico o integraciones de aplicaciones de terceros para sugerir acciones de manera proactiva, como recordarle a un líder de equipo que configure controles.
Las empresas deberían tener cuidado de que pueda surgir una especie de orquestación en la sombra en un sistema como este. El contexto personalizado significa que la capa de decisión se centra en desencadenantes implícitos en lugar de flujos de trabajo establecidos, interpretaciones específicas del usuario y diferentes tiempos de acción. Los profesionales desconfían con razón de tanta autonomía, entendiendo que la orquestación en la sombra puede no ser algo completamente bajo su control.
Upal Saha, cofundador y CTO de Bem, le dijo a VentureBeat en un correo electrónico que plataformas como AWS Bedrock AgentCoresu tiempo de ejecución de agente administrado y otros similares de Salesforce «maximizan la autonomía en lugar de la responsabilidad» para que las empresas no pierdan la visibilidad de los agentes por accidente.
«Cuando despliegas un agente que razona su decisión a través de múltiples pasos, ya has aceptado que no podrás explicar completamente lo que sucedió después del hecho», dijo Saha. «Eso está bien para una demostración. No está bien para un proceso de procesamiento de reclamos o un flujo de trabajo financiero donde un regulador puede pedirle que produzca un registro de auditoría completo para cada decisión automatizada tomada en los últimos tres años».
AWS dijo que el modelo de gobernanza de la plataforma está diseñado para abordar estas preocupaciones. «Los usuarios pueden configurar diferentes agentes y flujos de trabajo automatizados adaptados a su función (cosas como monitorear tickets, extraer datos de sistemas conectados o redactar documentos) todo administrado dentro de un entorno gobernado donde TI mantiene el control sobre lo que está conectado y qué datos fluyen hacia dónde. Está diseñado para brindar flexibilidad a los usuarios individuales mientras se mantiene la supervisión a nivel empresarial», dijo un portavoz de AWS.
Un posible plan
La evolución de Quick de un asistente de IA a algo más proactivo representa un posible enfoque que algunos proveedores de software empresarial adoptarán para una integración profunda de los agentes de IA en los flujos de trabajo. Si bien lo que AWS quiere lograr con Quick (mejor contexto de aplicaciones y archivos locales y una sólida comprensión de lo que sus usuarios realmente quieren hacer) no es único, no se centra en la orquestación tradicional. En cambio, se basa en la gestión de agentes basada en el contexto.
Esta tensión en el mercado va en aumento, como lo demuestra el lanzamiento de plataformas similares. Mistral, por ejemplo, flujos de trabajo anunciados el mismo día de las actualizaciones de Quick. Esa plataforma utiliza un marco de orquestación más tradicional.
Los agentes con estado y personalizados continúan evolucionando, al igual que las preguntas sobre cómo los gobiernan las empresas.
Suscríbete y recibe las historias más importantes del día.
Al suscribirte aceptas nuestros términos y condiciones y política de privacidad.
