AGI significa Inteligencia Artificial General. Describe un sistema capaz de adquirir nuevas habilidades y resolver problemas para los que no fue entrenado, en lugar de realizar una única función específica con eficacia. Actualmente no existe ningún sistema AGI comercial. En CRM, AGI se referiría a un software que razona sobre las decisiones de ventas, marketing y soporte, en lugar de ejecutar flujos de trabajo predefinidos.
Si le preguntas a un proveedor qué características harían que su producto se considerara una IA general, probablemente te describa una versión mejorada de lo que ya vende, como una automatización más rápida, más funciones o una mejor personalización. Pero ninguna de esas mejoras por sí sola convierte un sistema en algo verdaderamente general.
Existe una forma más rigurosa de evaluar la solicitud. Se centra en si un sistema puede aprender y resolver problemas realmente desconocidos, y existe un criterio de evaluación escrito para comprobar dicha capacidad. Comprender qué mide esta prueba proporciona una manera más clara de evaluar las solicitudes de AGI (Ingreso Bruto Ajustado).
¿Qué es IAG?
La IA general (IAG) es un tipo teórico de inteligencia artificial capaz de igualar o superar las capacidades humanas en prácticamente todas las tareas intelectuales y cognitivas. A diferencia de la IA especializada actual, un sistema de IAG podría aprender, razonar y adaptarse a situaciones completamente nuevas sin necesidad de programación específica para cada tarea.
La definición de trabajo más rigurosa pertenece a François Chollet, el investigador detrás de la biblioteca de aprendizaje profundo Keras. En su artículo de 2019 Sobre la medición de la inteligencia, definió la inteligencia como eficiencia en la adquisición de habilidades en tareas desconocidas en lugar de su desempeño en las tareas para las que el sistema fue preparado.
Esa distinción es la clave del argumento y cambia el significado de una puntuación de referencia. Si un modelo se entrenó con material similar al de la prueba, una puntuación alta demuestra que puede encontrar una respuesta que ya ha visto. No dice nada sobre lo que sucede cuando el problema es realmente nuevo.
Chollet creó un sistema de evaluación comparativa para probarlo. ARC-AGI presenta rompecabezas de cuadrícula donde se debe inferir una regla a partir de dos o tres ejemplos y aplicarla a un caso que el sistema nunca ha visto. Su diseño dificulta la memorización, ya que cada tarea es única y los ejemplos son demasiado escasos para la comparación estadística de patrones.
Cuatro características distinguen a AGI de los barcos actuales:
- Transfer del aeropuerto: Las habilidades adquiridas en un ámbito se transfieren a otro no relacionado sin necesidad de reentrenamiento, algo que ningún sistema de producción hace actualmente.
- Manejo de novedades: El sistema resuelve problemas que sus desarrolladores jamás imaginaron. Los modelos actuales se comportan de forma impredecible en cuanto los datos de entrada dejan de parecerse a los datos con los que fueron entrenados, y rara vez indican que esto ha ocurrido.
- Descomposición de objetivos autónomos: Divide un objetivo ambiguo en pasos sin que un ser humano especifique el flujo de trabajo.
- Eficiencia: Aprende de un puñado de ejemplos en lugar de millones, que es el criterio que mide la definición anterior.
| Verificación de la realidad: ARC-AGI-1 Lanzado en 2019 para probar si los sistemas de IA podían aprender nuevas reglas a partir de solo unos pocos ejemplos y aplicarlas a problemas desconocidos, a finales de 2024 los modelos de vanguardia se habían vuelto mucho más grandes, con un aumento de aproximadamente 50 000 veces en la capacidad de entrenamiento. Sin embargo, este hito seguía siendo un desafío importante. Esto significa que aumentar el tamaño de los modelos y dotarlos de mayor capacidad de procesamiento puede mejorar el rendimiento, pero la escala por sí sola no produce el aprendizaje eficiente ni la generalización asociados con la IA general. |
IAG vs IA vs IA generativa
La IA, la IA generativa y la IAG suelen describirse como si fueran distintos niveles de la misma tecnología. Sin embargo, no es así. La diferencia clave radica en lo que un sistema puede aprender, cómo aborda problemas desconocidos y qué parte del proceso de toma de decisiones puede realizar de forma independiente.
| IA estrecha | Los proyectos piloto de IA generativa | AGI | |
| <b></b><b></b> | Realiza una tarea definida | Produce contenido en diversos formatos. | Maneja una amplia gama de tareas intelectuales. |
| Aprende nuevas tareas | No, normalmente requiere reentrenamiento o reconfiguración. | No, no a partir de unos pocos ejemplos. | Sí, a partir de ejemplos limitados. |
| Maneja problemas desconocidos | Limitado fuera de su tarea definida | Puede producir respuestas plausibles, pero puede no ser fiable en tareas desconocidas. | Diseñado para resolver problemas verdaderamente novedosos. |
| El establecimiento de objetivos | Definido por humanos | Impulsado por humanos | Puede dividir objetivos más amplios en tareas de forma independiente. |
| Comercialmente disponible | Sí, ampliamente | Sí, ampliamente | No |
La distinción más sencilla es la siguiente: la IA generativa puede realizar muchos tipos de tareas de generación de contenido, mientras que la IAG sería capaz de aprender a abordar nuevos tipos de problemas. Un sistema de IA generativa puede redactar un correo electrónico de seguimiento o una cláusula contractual cuando se le solicita. La IAG tendría que determinar si es apropiado enviar ese correo electrónico, considerar el contexto de la cuenta y decidir qué hacer a continuación.
¿Cómo podría la IA general transformar la gestión de relaciones con los clientes (CRM)?
La gestión de relaciones con el cliente (CRM) es una de las áreas donde la inteligencia artificial general (AGI) podría tener un impacto particularmente significativo, ya que los sistemas CRM ya integran el contexto del cliente que un sistema de razonamiento necesita. El historial de contactos, la actividad comercial, las interacciones con el soporte, las respuestas a las campañas y la información de la cuenta se almacenan en un mismo entorno. Si la AGI puede razonar en situaciones desconocidas, este contexto le permitiría tomar decisiones en lugar de simplemente ejecutar flujos de trabajo predefinidos.
- Interacción autónoma con el cliente
Actualmente, la automatización del CRM suele comenzar con un desencadenante predefinido, como un cambio en la fase de negociación o una acción del cliente. Un sistema AGI podría, en cambio, evaluar la cuenta en su conjunto y decidir si es necesario contactar con ella, qué canal sería el más adecuado, qué mensaje debería incluir y cuándo debería enviarse.
- Gestión inteligente de clientes potenciales
La calificación de clientes potenciales suele basarse en reglas e indicadores predefinidos por los administradores, como el puesto de trabajo, el tamaño de la empresa, el nivel de interacción o el sector. AGI podría evaluar una cuenta utilizando un contexto más amplio e identificar indicadores relevantes que nunca se convirtieron en campos predefinidos. Esto podría reducir la dependencia de la calificación de clientes potenciales respecto a la cantidad de reglas configuradas por el administrador del CRM.
- Información predictiva del cliente
IA predictiva Puede identificar patrones asociados con resultados como la deserción, la conversión o el cierre de acuerdos. AGI podría ir más allá, analizando por qué es probable un resultado y determinando qué acción podría modificarlo. En lugar de simplemente marcar una cuenta como en riesgo, el sistema podría conectar las circunstancias subyacentes y recomendar la intervención adecuada.
- Decisiones sobre flujos de trabajo interfuncionales
Los flujos de trabajo de CRM generalmente siguen procesos diseñados previamente. La IA general podría tomar decisiones en función de las circunstancias cambiantes. Por ejemplo, podría reconocer que un problema grave de soporte debería detener temporalmente una campaña de venta adicional, incluso si nadie creó una regla que conectara ambos eventos.
Estas capacidades no están disponibles comercialmente en la actualidad. Representan una posible dirección para la automatización de CRM y proporcionan un estándar útil para evaluar qué tan lejos están los sistemas de IA actuales de la inteligencia verdaderamente general.
| Hecho interesante: La hoja de ruta de Gartner apunta hacia sistemas de IA cada vez más coordinados en lugar de una única inteligencia de propósito general. Sitúa los sistemas multiagente colaborativos alrededor de 2027 y ecosistemas multiagente alrededor de 2029, centrándose en múltiples agentes especializados que trabajan juntos. |
Beneficios potenciales de un CRM impulsado por AGI
El valor potencial de la IA general en el CRM no radicaría simplemente en acelerar la automatización existente. El cambio más significativo sería la capacidad de tomar decisiones en situaciones nunca contempladas explícitamente en un flujo de trabajo, utilizando el contexto más amplio del cliente que ya está disponible en el CRM.
- Juicio sin configuración
La mayoría de los sistemas de automatización de CRM se basan en reglas predefinidas. La IA general (AGI) podría reducir esa dependencia al determinar qué respuesta ofrece el resultado óptimo cuando una situación se sale de esos límites. En lugar de ejecutar un flujo de trabajo estático, el sistema evalúa el contexto para determinar el curso de acción más estratégico.
- Contexto que perdura tras las transferencias
La información del cliente a menudo se mueve entre los equipos de ventas, marketing y soporte, creando brechas que los empleados tienen que cerrar manualmente. Un sistema AGI podría transportar el contexto relevante de la cuenta a través de una transición de ventas a soporte, que es la brecha. equipos de operaciones de ingresos A menudo hay que aplicar parches manualmente.
- Explicación junto con la predicción
Una predicción es más útil cuando la persona que la recibe entiende por qué se hizo. En lugar de simplemente marcar una cuenta como propensa a abandonar el servicio, un sistema AGI podría conectar las señales relevantes del cliente, explicar el razonamiento detrás de la predicción y sugerir una respuesta apropiada. Esto podría cambiar Experiencia del cliente con IA El trabajo consiste en partir de la simple identificación de problemas y planificar cómo abordarlos.
- Reducción del trabajo administrativo
Los administradores de CRM dedican mucho tiempo a crear campos, reglas, flujos de trabajo y excepciones para situaciones que el sistema no puede gestionar por sí solo. Una mayor generalidad podría reducir parte de esta configuración, permitiendo que el sistema determine cómo responder cuando una situación no se ajusta a un flujo de trabajo existente.
Desafíos del uso de AGI en CRM
Los desafíos que plantea el uso de la IA general en la gestión de relaciones con el cliente (CRM) no son del todo nuevos. Los sistemas de IA convencionales ya exponen a las empresas a muchos de los mismos riesgos, pero la IA general los incrementaría, ya que podría acceder a más datos, tomar decisiones más amplias y requerir menos intervención humana.
- Privacidad de datos: Un sistema que razona sobre todos los registros de clientes necesita acceso a todos ellos, lo que amplía el alcance de cualquier violación de seguridad y complica el consentimiento según la legislación de protección de datos.
- Precisión y fabricación: Los modelos generativos producen respuestas fluidas, seguras y erróneas, sin que el tono indique la diferencia. Cuando una persona revisa el resultado, un error supone una pérdida de tiempo. Cuando el sistema actúa en función de su propio resultado, el error llega al cliente y la siguiente decisión se basa en él.
- Responsabilidad: Cuando un sistema autónomo envía un mensaje erróneo a una cuenta empresarial, la cuestión de quién lo autorizó no tiene una respuesta clara según los modelos de gobernanza actuales.
- Supervisión humana: Una revisión significativa requiere comprender el razonamiento, y revisar decisiones tomadas más rápido de lo que una persona puede leerlas es una supervisión solo de nombre.
- Complejidad de integración: Un sistema de razonamiento es tan bueno como su acceso a los sistemas donde se realiza el trabajo, lo que convierte esto en un problema de arquitectura antes que en un problema de IA.
- Postura de seguridad: Un mayor acceso al sistema aumenta el valor de una cuenta comprometida, por eso controles de seguridad de CRM A medida que la automatización se profundiza, las estructuras se vuelven más capaces de soportar cargas, no menos.
El futuro de la IAG y la CRM
Las conversaciones sobre la hoja de ruta de la IA general dan por sentado que la industria avanza hacia ella. Sin embargo, las previsiones publicadas describen la trayectoria opuesta. Cada año, lo que se desarrolla y se vende es más limitado, y la hoja de ruta de CRM que se le ofrece sigue esa misma dirección.
Agentes especializados en tareas específicas: esa es la clave para 2026.
Gartner predice que 40% de las aplicaciones empresariales Se integrarán agentes de IA específicos para tareas a finales de 2026, frente a menos del 5 % en 2025, y sitúan los ecosistemas multiagente en 2029. La clave está en la expresión «específico para tareas», que es el antónimo de «general».
En este sentido, un agente ejecuta una tarea de principio a fin, como redactar un presupuesto de renovación o gestionar una cola de soporte, y luego se detiene al finalizarla. Eso es autonomía dentro de un límite establecido.
La amplitud proviene del ensamblaje, no de la generalidad.
Esa hoja de ruta permite alcanzar una amplia capacidad mediante el ensamblaje de muchos agentes especializados que se complementan entre sí, en lugar de construir un sistema general por sí mismo.
Si el ensamblaje proporciona amplitud es todavía una cuestión de investigación abierta. Un equipo de UC Berkeley anotó más de 1,600 rastros de ejecución Se realizaron pruebas en siete marcos multiagente y se informó que las mejoras en el rendimiento con respecto a las configuraciones de un solo agente a menudo eran mínimas.
Su taxonomía identifica 14 modos de fallo en tres grupos, que abarcan especificaciones poco claras, desalineación entre agentes y falta de verificación de los resultados de cada uno. La mayoría se deben al diseño del sistema, más que a las limitaciones del modelo subyacente.
Cuando un agente interpreta erróneamente su entrada, todos los agentes posteriores actúan en consecuencia sin saber que ha ocurrido, por lo que el error sale a la luz al final de la cadena en lugar de en su origen.
La cuestión de la gobernanza cambia de forma. No se trata de aprobar el criterio de un sistema, sino de establecer límites para cada agente y registrar qué agente realizó cada decisión.
¿Qué cambios se producen en el CRM?
El cambio realista a corto plazo es de un sistema de registro a un sistema que recomienda. Puntuación de acuerdos, Previsión de ventas mediante IAy las sugerencias de acciones futuras ya funcionan de esta manera en carriles estrechos, y esos carriles se ensanchan en lugar de desaparecer.
La cuestión de la compra evoluciona con ellos. En lugar de preguntar si un CRM tiene IA, pregunte qué puede hacer cada agente sin la aprobación de una persona y dónde se registra ese permiso.
Cómo Vtiger One se está preparando para la gestión de relaciones con el cliente (CRM) impulsada por IA
Vtiger One No proporciona IA general, y esto es así para los CRM en general hoy en día. Sus capacidades de IA representan una capa de IA específica que respalda la automatización actual de CRM, ayudando a integrar los datos y flujos de trabajo de los clientes en un entorno unificado. Esta base también puede ayudar a proporcionar el contexto que los futuros sistemas de IA necesitarán para razonar de manera más eficaz en las interacciones con los clientes.
IA de cálculo predice resultados como el cierre de acuerdos y recomienda las siguientes acciones, dejando la decisión final a la persona que gestiona la cuenta. Junto a ello, Capacidades de IA CRM tareas de apoyo como el resumen y la redacción de conversaciones, mientras que construcción de agentes de IA Permite realizar tareas repetibles y con un alcance definido dentro de límites establecidos.
La efectividad de cualquier sistema de IA depende de la calidad de la información a la que puede acceder. Una etapa de negociación faltante o un registro de contacto duplicado pueden llevar a una conclusión incorrecta incluso cuando el sistema en sí funciona según lo previsto. Por eso Productividad de CRM habilitada por IA Los beneficios son mayores cuando los datos de los clientes son precisos, completos y se actualizan de forma constante.
Preguntas frecuentes
¿Cuál es el significado completo de AGI?
AGI significa Inteligencia Artificial General. Describe un sistema capaz de adquirir nuevas habilidades y resolver problemas para los que no fue diseñado ni entrenado en diversos ámbitos. Esto contrasta con la IA estrecha, que realiza una tarea específica y requiere reentrenamiento para abordar otras diferentes.
¿En qué se diferencia la IAG de la IA?
La IA es el término general que engloba cualquier sistema que realiza tareas que normalmente requieren inteligencia humana. Casi toda la IA implementada es limitada, lo que significa que se especializa en una sola tarea y falla fuera de sus datos de entrenamiento. La IAG (Inteligencia General Aguda) es el subconjunto que puede realizar tareas desconocidas sin necesidad de reentrenamiento.
¿Cuál es la diferencia entre la IA general y la IA generativa?
La IA generativa produce contenido como texto, imágenes o código, y generaliza a través de diferentes formatos, aunque su capacidad es limitada. No puede aprender una habilidad completamente nueva a partir de unos pocos ejemplos. La IAG se define por su eficiencia de aprendizaje, más que por la variedad de sus resultados, y aún no existe en el mercado.
¿Cómo podría la IA general transformar la gestión de relaciones con los clientes (CRM)?
Esto transformaría el CRM, pasando de ejecutar flujos de trabajo configurados por una persona a tomar decisiones que nadie ha configurado. Esto incluye decidir si contactar o no a una cuenta, calificar clientes potenciales basándose en señales que nunca se registraron en los campos, explicar el motivo de una predicción y coordinar las decisiones entre ventas, marketing y soporte.
¿Algún sistema CRM ofrece AGI actualmente?
No. Todas las funciones de IA para CRM disponibles actualmente son limitadas y abarcan la puntuación de clientes potenciales, la previsión, el resumen, la redacción o agentes con ámbitos definidos que ejecutan tareas específicas. Cualquier proveedor que describa un producto como IA general utiliza el término con fines de marketing, no como una afirmación técnica sobre sus capacidades.
¿Cuáles son los beneficios de AGI en CRM?
La principal ventaja reside en la capacidad de realizar juicios sin configuración, lo que significa que el sistema gestiona situaciones que un administrador jamás habría previsto. Otras ventajas incluyen un contexto que se mantiene tras los traspasos de información entre equipos, explicaciones que acompañan a las predicciones en lugar de simples puntuaciones, y una configuración manual mucho menos laboriosa que la que requiere actualmente la administración de CRM.
¿Cuáles son los retos que supone el uso de la IA general en los negocios?
La privacidad de los datos se ve comprometida a medida que se amplía el acceso al sistema, y los modelos generativos siguen produciendo resultados incorrectos pero fiables. La rendición de cuentas por las decisiones autónomas no tiene una respuesta definitiva, y la supervisión humana efectiva resulta difícil cuando la toma de decisiones supera la velocidad de lectura. La complejidad de la integración y un mayor impacto en la seguridad se aplican desde el primer despliegue.
