Los equipos de IA empresarial que ejecutan pilas de orquestación centralizadas ahora tienen una nueva variable a considerar: AWS Quick, que esta semana se expandió a un agente de escritorio nativo 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 restablecen 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 pidan.
AWS lanzó Quick en octubre del año pasado como una alternativa al flujo de trabajo de IA y las plataformas de productividad de Google, OpenAI y Anthropic. Era una forma para que los empleados de la empresa accedieran a información desde aplicaciones conectadas, un creador de agentes, búsquedas en profundidad y automatización del flujo de trabajo. Hoy en día, va más allá de un simple asistente de IA y actúa más como un agente de flujo de trabajo proactivo con un gráfico de conocimiento dinámico y en tiempo real del usuario. 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 escuchado es que muchas empresas no están contentas con la dificultad de obtener contexto de sus herramientas existentes», dijo a VentureBeat Jigar Thakkar, vicepresidente de Quick Suite en AWS, en una entrevista. «Nuestra visión es que Quick sea una experiencia de escritorio al único lugar donde los usuarios pueden acudir para obtener toda su información y tareas. »
Puntos ciegos de la gobernanza
Las empresas suelen colocar capas de orquestación al frente y al centro para ayudar a guiar y gestionar a los agentes. Se integra el contexto, se toman decisiones y luego se ejecutan acciones dentro de los límites definidos del sistema.
Los lanzamientos recientes, como Claude Managed Agents de Anthropic o las actualizaciones del Agent SDK de OpenAI, también promueven el uso de agentes más autónomos y sin estado dentro de los flujos de trabajo empresariales, sin dejar de operar dentro de límites de orquestación definidos.
Quick siempre opera bajo controles empresariales, algo que AWS siempre ha enfatizado con sus productos de inteligencia artificial, por lo que las acciones tomadas en Quick permanecen ligadas a los permisos, la identidad y la seguridad. Las integraciones permanecen administradas por una API o por 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 a medida que 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 grabaciones.
Las empresas deben tener cuidado de que pueda aparecer algún tipo de orquestación fantasma 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 definidos, interpretaciones específicas del usuario y diferentes tiempos de acción. Los profesionales desconfían con razón de tal autonomía, sabiendo que la orquestación de la sombra puede no estar completamente bajo su control.
Upal Saha, cofundador y CTO de Bem, dijo a VentureBeat en un correo electrónico que plataformas como AWS Bedrock AgentCore, su tiempo de ejecución de agente administrado y plataformas 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 a un agente que razona para tomar una decisión de varios pasos, ya has aceptado el hecho de que no podrás explicar completamente lo que sucedió después del hecho”, dijo Saha. «Es bueno para una demostración. No es bueno 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 durante 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 escribir documentos – todo administrado en un entorno gobernado donde TI mantiene el control de lo que está conectado y qué flujos de datos. 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 más 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 comprensión sólida 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, anunció Workflows el mismo día que las actualizaciones rápidas. Esta plataforma utiliza un marco de orquestación más tradicional.
Los agentes personalizados y con estado 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.
