La IA con agentes en la gestión de servicios de TI (ITSM)

La IA con agentes para la gestión de servicios de tecnologías de la información (ITSM) combina el razonamiento de modelos extensos de lenguaje (LLM) con la ejecución orquestada para resolver incidentes de forma autónoma en todos los sistemas, lo que reduce el volumen de tickets de nivel 1 y 2 entre un 60% y 80%, al mismo tiempo que mejora el tiempo medio de resolución (MTTR) y la calidad del servicio.

Una introducción al rol de la IA con agentes en la ITSM

La IA con agentes para la ITSM representa el cambio operativo que su servicio de asistencia técnica ha estado esperando. No se trata simplemente de otra capa de IA generativa que requiere que una persona haga clic en el botón final; es un sistema de IA con agentes de ciclo cerrado que detecta, diagnostica y resuelve incidentes de forma integral con una supervisión humana mínima.

Si ha implementado un bot de charla básico de IA conversacional y le frustra que solo elabore una propuesta de solución, mientras que los técnicos siguen teniendo que iniciar sesión en cinco sistemas para ejecutarla, esa es precisamente la brecha que cubre la IA con agentes en la ITSM.

La capa de inteligencia analiza el problema, mientras que la capa de ejecución, impulsada por agentes de IA autónomos, lo resuelve mediante una automatización orquestada y sujeta a políticas. Juntas, transforman las operaciones de TI de una función de soporte reactiva a un motor de resolución autónomo.

Por qué la IA con agentes representa la próxima generación de ITSM

La gestión tradicional de servicios de TI es reactiva por naturaleza. Si bien abarca el servicio de asistencia técnica, los flujos de trabajo de cambio y el monitoreo de infraestructura, cada capa aún depende de la intervención manual para funcionar. Un usuario abre un ticket, un técnico lo clasifica a través de los niveles 1, 2 y 3 y lo cierra manualmente.

Incluso las organizaciones que invirtieron en la IA en la ITSM tradicional o en la automatización robótica de procesos (RPA) independiente se toparon con la misma barrera: el bot se encarga de la interacción con el usuario, pero los agentes humanos siguen siendo los responsables de la ejecución en segundo plano.

Los datos confirman el costo: más del 60% de los líderes informáticos afirman que dedican más tiempo a resolver problemas urgentes que a mejorar los servicios informáticos, y el 59% de todas las solicitudes de soporte se refieren a tareas rutinarias, como el bloqueo de cuentas, tareas repetitivas, de alto volumen y totalmente automatizables.

La forma en que la IA con agentes redefine el modelo operativo es a través de la automatización de procesos con agentes (APA). La APA es el marco empresarial que conecta la capa de razonamiento (agentes de IA que interpretan la intención y determinan la acción correcta) con la capa de ejecución, donde la automatización orquestada y los bots de RPA llevan a cabo esa acción en todos los sistemas, dentro de límites regulados. Al combinar modelos de IA (LLM) para el razonamiento con una ejecución orquestada, la IA con agentes permite a los agentes comprender una solicitud y llevarla a cabo en todos los sistemas de la infraestructura.

Con la APA, la inteligencia de procesos global interpreta la intención de los empleados, lo que permite que la orquestación coordine el flujo de trabajo de agentes de IA especializados y componentes de automatización inteligente. El rol de los equipos de TI pasa de resolver incidencias a supervisar a los agentes, establecer políticas, gestionar la colaboración entre personas e IA, y dejar que la capa de IA con agentes orquestada se encargue del resto.

Aplicación de la IA con agentes en la ITSM: 9 pilares estratégicos

1. Autoservicio para empleados y resolución automática de incidentes basados en la IA

Aquí es donde el MTTR se mueve. Los agentes de IA proactivos monitorean los sistemas en tiempo real y utilizan datos históricos de incidentes para resolver problemas a medida que surgen. La APA organiza un equipo especializado de agentes, bots y API para cumplir con las solicitudes de los empleados (configuración de accesos, restablecimiento de contraseñas, solicitudes de software) de forma integral en minutos, directamente dentro de Slack o Microsoft Teams (los canales donde el 35% de los empleados ya prefieren interactuar con la informática).

El mismo modelo gestiona incidentes reactivos: cuando se detecta una sobrecarga en el servidor, el agente analiza el problema y activa la corrección automatizada mediante una ejecución orquestada antes de que ningún usuario abra un ticket. En el caso de los problemas de los niveles 1 y 2, esto significa que no hay intervención humana desde la detección hasta el cierre.

Valor del negocio:

• Reduce el volumen de solicitudes en el servicio de asistencia técnica en las categorías de mayor frecuencia y ofrece resolución en el punto de necesidad, dentro del flujo de trabajo existente del empleado.
• Reduce directamente el MTTR, disminuye el costo por incidente y aumenta la capacidad de manejo de incidentes sin agregar personal.

2. Prevención y detección proactivas de problemas graves

La ITSM reactiva espera hasta que se genere el primer ticket. La IA con agentes para la ITSM se integra con plataformas de monitoreo como Splunk, Datadog y New Relic, y correlaciona señales de telemetría para detectar anomalías antes de que se agraven. Esta gestión proactiva garantiza que la calidad del servicio se mantenga en un nivel alto, ya que resuelve problemas en segundo plano.

Valor del negocio:

• Convierte el servicio de asistencia técnica de un departamento de bomberos en un equipo de prevención de incendios.
• Reduce el riesgo de incumplimiento de los acuerdos de nivel de servicio (SLA) y el riesgo para la reputación.

3. Identificación automática de problemas

La gestión de incidentes consiste en solucionar el síntoma. La gestión de problemas elimina la causa raíz.

La IA con agentes analiza patrones en incidentes, solicitudes de servicio y elementos de configuración (CI) en la base de datos de la gestión de configuración (CMDB). Cuando un patrón indica una falla subyacente, por ejemplo, si varios usuarios experimentan una disminución del rendimiento tras una actualización de software, el agente de IA activa un bot para crear un registro de problemas (PRB) en la terminología de la biblioteca de infraestructura de tecnologías de la información (ITIL) y lo marca para su investigación.

El proceso no requiere correlación manual y no se necesita que los analistas dediquen tiempo a revisar registros.

Valor del negocio:

• Reduce el volumen de incidentes recurrentes al abordar la causa raíz y no solo los síntomas.
• Elimina la brecha de MTTD entre el momento en el que surge un patrón y el momento en el que una persona lo detecta.

4. Análisis de las causas raíz impulsado por IA

Abrir un PRB es el comienzo, no el final. Los agentes de IA analizan los registros, correlacionan los datos de telemetría, identifican los CI afectados y cruzan la información con incidentes históricos para determinar qué falló y por qué, lo que reduce las horas de reconstrucción manual a un análisis de causas raíz (RCA) estructurado y generado por los agentes, que se entrega en cuestión de minutos.

En el caso de las fallas que afectan a varios sistemas, el agente rastrea toda la cadena de dependencias y documenta la trayectoria del impacto en los servicios y los usuarios directamente en el registro PRB.

Valor del negocio:

• Reduce el tiempo que transcurre desde la detección de un incidente hasta la confirmación de la causa raíz de horas a minutos.
• Genera documentación de RCA coherente y verificable que se incorpora a la base de conocimientos (KB) y sirve de base para futuras evaluaciones de riesgos de cambio.

5. Resoluciones dinámicas (en tiempo real)

Los guiones de procedimientos estándar no funcionan en entornos no estándar. Los agentes de IA orquestados ejecutan flujos de trabajo adaptativos en tiempo real, analizando las API disponibles de la ITSM y la gestión unificada de puntos finales (UEM) para encontrar una vía de resolución segura, y luego la ejecutan como una automatización regulada y auditable, incluso cuando falla el script predeterminado.

Valor del negocio:

• Elimina la carga operativa de mantener la automatización estática.
• Aumenta la tasa de resolución en el primer contacto en incidentes complejos y casos extremos.

6. Colaboración entre humanos e IA: asistentes para el servicio de asistencia técnica

En el caso de los incidentes que requieren supervisión humana, los agentes de IA funcionan como copilotos en tiempo real. Clasifican los tickets, extraen los artículos relevantes de la base de conocimientos y brindan recomendaciones de soporte personalizadas.

Además, se adaptan al estado de ánimo del usuario final y aumentan la prioridad cuando las señales de frustración indican un riesgo. Al finalizar, el asistente redacta el RCA y genera automáticamente el artículo de la KB a partir de las notas de resolución.

Valor del negocio:

• Recupera el tiempo que los técnicos dedican actualmente a la documentación.
• Reduce el tiempo de gestión en incidentes complejos y mejora la coherencia en la resolución.

7. Generación automática de bases de conocimientos

La IA con agentes considera la base de conocimientos (KB) como un sistema vivo. Cada incidente resuelto se incorpora automáticamente a la KB con nuevos pasos para la resolución de problemas, lo que genera artículos de la KB de forma automática a partir de los datos de los tickets.

Valor del negocio:

• Mejora la velocidad de resolución de incidentes con el tiempo: el sistema se vuelve notablemente más rápido con cada incidente.
• Reduce la dependencia del conocimiento tribal y el impacto en la productividad cuando hay rotación de personal directivo.

8. Gestión unificada de puntos finales mediante agentes de IA

A medida que aumenta el número de dispositivos, la gestión manual de parches se vuelve insostenible. La APA orquesta la IA con agentes para integrarse de forma nativa con plataformas de gestión unificada de puntos finales (UEM), como Nexthink, Intune y JAMF, con el fin de detectar proactivamente los dispositivos que incumplen las normas y aplicar protocolos de seguridad antes de que se conviertan en incidentes.

Valor del negocio:

• Cierra la brecha entre la política y su aplicación en los puntos finales distribuidos globalmente.
• Reduce la exposición a vulnerabilidades de seguridad sin necesidad de realizar revisiones manuales de cumplimiento.

9. Gestión de cambios impulsada por la IA

Todo cambio conlleva un riesgo de repercusiones. Los agentes de IA autónomos analizan los cambios propuestos en función del estado actual de la red, los datos de incidentes activos y las tasas históricas de éxito de cambios, con el fin de evaluar el riesgo y recomendar las ventanas de mantenimiento óptimas.

Los cambios rutinarios y de bajo riesgo pueden ejecutarse de forma autónoma; los cambios de alto riesgo se marcan con un informe de riesgos completo antes de la intervención humana.

Valor del negocio:

• Reduce la tasa de fallos en los cambios y el costo del MTTR que supone revertir una implementación fallida.
• Proporciona a los comités asesores de cambio (CAB) un contexto de riesgo basado en datos, en lugar de una evaluación basada en corazonadas.

Impacto en el mundo real: IA con agentes en la ITSM

Las empresas que implementan la IA con agentes en los niveles de ITSM, desarrollo de servicios de TI (ITSD) e inteligencia artificial para operaciones informáticas (AIOps) están obteniendo resultados que la automatización tradicional nunca había logrado:

• Índice de resolución automática del 84% en las solicitudes de asistencia informática.
• Reducción del 63% en los costos operativos.
• Reducción del ruido de alertas de hasta un 90% mediante la agrupación de incidentes impulsada por la IA.

Gobernanza, seguridad e intervención humana

Una de las principales preocupaciones de los directores de informática es la toma de decisiones autónoma en el ámbito de la producción. La respuesta está en la arquitectura: la capa de ejecución es determinista. Los agentes de IA llegan a una decisión mediante el razonamiento, pero la automatización regulada la lleva a cabo dentro de unos límites previamente establecidos.

• Registrada: historial de auditoría completo.
• Restringida por políticas: dentro de límites definidos.
• Reversible: capacidad de reversión incorporada.

Conclusión: preparados para el futuro de la informática

La IA con agentes no es simplemente una actualización de funciones para su plataforma de ITSM existente. Es un nuevo modelo operativo para la prestación de servicios informáticos.

Preguntas frecuentes sobre la IA con agentes para la ITSM

¿Cuáles son algunos ejemplos de IA con agentes para la ITSM?

Entre los ejemplos más evidentes se encuentran la resolución autónoma de niveles 1 y 2 para tareas rutinarias, como el restablecimiento de contraseñas y el aprovisionamiento de software.

¿La IA con agentes puede funcionar con sistemas informáticos heredados?

Sí. La IA con agentes funciona como una capa de inteligencia por encima de sistemas como Jira Service Management, ServiceNow o los mainframes heredados.

¿Cómo garantizamos la seguridad de los agentes de IA en un entorno de producción?

La seguridad se mantiene mediante la ejecución sujeta a políticas, la gobernanza de datos y el registro completo de auditorías.

¿Cuál es el impacto de la IA con agentes en la dotación de personal y los roles informáticos?

Los equipos informáticos se liberan de las tareas repetitivas, lo que permite al personal centrarse en iniciativas estratégicas y en la mejora del servicio.