Ang artificial intelligence (AI) ay sumusulong nang malaki. Hindi na lamang ito tungkol sa mga chatbot na sumasagot sa mga tanong o mga sistemang nag-aautomat ng mga paulit-ulit na gawain. Ang tinatawag na agentic AI ay mas malalim pa: ang mga ito ay mga ahente na may kakayahang magplano, magsagawa, at mag-adapt ng mga aksyon nang awtomatiko, palaging nasa loob ng mga limitasyong itinakda ng organisasyon. Binabago ng pagbabagong ito ng paradigma ang paraan ng pagpapatakbo ng mga kumpanya, mula sa serbisyo sa customer hanggang sa pamamahala ng human resources.
Sa Espanya at Europa, maraming kumpanya ang umaani na ng mga benepisyo ng teknolohiyang ito. Mula sa higanteng kompanya ng enerhiya na E.ON, kasunod ng mga startup tulad ng HappyRobot at Orbio AI, dumarami ang mga kwento ng tagumpay. Ngunit hindi lahat ay madali: ang pag-aampon ng agentic AI ay nangangailangan ng maingat na paghahanda, lalo na tungkol sa datos, pamamahala, at pagsasanay ng pangkat. Sa ibaba, susuriin natin ang mga pangunahing aspeto at ang mga pinakakilalang halimbawa.
Ano ang agentic AI at bakit nito binabago ang mga patakaran ng laro?
Ang Agent AI ay naiiba sa tradisyonal na AI dahil hindi ito limitado sa pagtugon lamang sa mga stimuli. Ang mga ahente na ito ay maaaring gumawa ng mga desisyon, mag-coordinate ng iba pang mga sistema, at makipagtulungan sa mga empleyado upang malutas ang mga problema sa kanilang ugat. Ayon sa isang pagsusuri ng McKinsey, ang mga kumpanyang nagpatupad ng modelong ito sa malawakang saklaw ay nakakakita na ng mga pagbawas sa gastos sa pagitan ng 30% at 50%, at mga pagpapabuti ng hanggang 20% ​​sa kasiyahan ng customer. Hindi nakakapagtaka na ang merkado ng agent AI ay nagkakahalaga ng humigit-kumulang $10.000 bilyon at lumalaki sa rate na higit sa 40% taun-taon.
Gayunpaman, ang landas na ito ay hindi walang mga balakid. Tinatantya ng Gartner na mahigit 40% ng mga proyekto ng agentic AI ay maaaring makansela bago ang 2027 dahil sa kakulangan ng nakikitang halaga o mga problema sa pagpapatupad. Ang susi ay ang pag-iwas sa mga walang kabuluhang pangako: hindi sapat ang pagbibigay lamang sa mga empleyado ng access sa ChatGPT ; dapat isama ang mga ahente sa mga totoong daloy ng trabaho at sukatin ang kanilang epekto.
Mga kwento ng tagumpay: mula sa E.ON Next hanggang sa mga startup sa Espanya
Isa sa mga pinakamadalas banggiting halimbawa ay ang E.ON Next, ang kompanya ng enerhiya sa Britanya na nakatanggap ng mahigit pitong milyong tawag kada taon. Nagpatupad ito ng voice analytics platform na may agentic AI upang awtomatikong uriin ang dahilan ng bawat tawag at matukoy ang mga problema. Ang resulta: halos 50% na pagbaba sa dami ng papasok na tawag at anim na puntos na pagtaas sa kasiyahan ng customer. Sa sektor ng mga utility, kinikilala ng McKinsey ang apat na prayoridad na lugar: pagsingil, pamamahala ng outage, serbisyo sa field, at pamamahala ng hindi pagbabayad. Sa lahat ng ito, maaaring mabawasan ng agentic AI ang mga gastos at mapabuti ang karanasan ng customer.
Sa Espanya, ang startup na HappyRobot, na itinatag ng inhinyero na si Pablo Palafox, ay umabot sa halagang $1.200 bilyon sa loob lamang ng dalawang taon. Ang platform nito ay gumagamit ng mga voice agent na nag-aautomat ng mga proseso sa logistik, enerhiya, at telekomunikasyon . Ginagamit na ng mga kliyente tulad ng DHL at Naturgy ang mga ahente nito: sa Naturgy, itinaas ng mga ahente ang rating ng kasiyahan ng customer sa 9,4 sa 10, na nilulutas ang mga isyu nang isang libong beses na mas mabilis at sa 25% ng nakaraang gastos. Isa pang Spanish startup, ang Orbio AI, ay katatapos lamang ng isang $21 milyong Series A funding round upang ilapat ang agentic AI sa human resources. Ang teknolohiya nito ay nagpoproseso ng higit sa isang milyong kandidato bawat taon, na binabawasan ang oras ng pagkuha ng empleyado ng 60% at ang initial turnover ng 20%.
Ang limang salik na tumutukoy sa tagumpay ng agentic AI
Ang SoftwareOne, isang pandaigdigang tagapagbigay ng software at mga solusyon sa cloud, ay tumukoy ng limang mahahalagang salik para mapakinabangan ang potensyal ng agentic AI. Ang una ay ang paghahanda ng datos: ang kalidad, accessibility, at seguridad ng impormasyon ang pundasyon ng anumang sistema ng AI . Kung walang malinis at napapanahong datos, ang mga ahente ay nakakagawa ng mga maling desisyon. Ang pangalawang salik ay ang seguridad, pagsunod, at pamamahala mula sa simula pa lamang. Mahalagang tukuyin kung ano ang magagawa at hindi magagawa ng isang ahente at magtatag ng mga mekanismo ng traceability at control.
Ang ikatlong salik ay ang pagsusuri sa mga proseso bago i-automate. Ang pag-automate ng isang hindi episyenteng proseso ay nagpapalala lamang ng mga problema. Ang pang-apat ay ang paghahanda ng mga tao: dapat matutunan ng mga koponan na makipagtulungan sa mga digital agent, unawain ang kanilang mga limitasyon, at alamin kung kailan dapat makialam. Panghuli, mahalagang sukatin ang epekto, mga gastos, at balik sa puhunan. Ang pag-aampon ng AI ay hindi tungkol sa pagsunod sa isang trend; ito ay tungkol sa pagbuo ng napapanatiling halaga.
Pamamahala, ang malaking hamon para sa sektor ng pananalapi
Ang sektor ng pananalapi ay isa sa mga pinaka-aktibong nagninilay-nilay sa pamamahala ng agentic AI . Ayon sa 2026 Global AI in Financial Services Report ng University of Cambridge, 81% ng mga institusyong pinansyal ang gumagamit na ng AI, ngunit 14% lamang ang itinuturing itong nakamit ang isang makabuluhang pagbabago. Ang kakulangan ay wala sa teknolohiya mismo, kundi sa kakayahang pamahalaan ang awtonomiya ng mga ahente. Ang mga konsepto tulad ng 'humanware'—ang hanay ng mga patakaran, responsibilidad, at mekanismo ng pangangasiwa na nakapalibot sa AI—ay nagiging mahalaga. Ang tiwala ay nangangailangan ng arkitektura : kinakailangang tukuyin kung sino ang mananagot kapag ang isang algorithm ay nagkamali at sa ilalim ng anong mga kondisyon maaaring kumilos ang isang ahente nang walang pangangasiwa ng tao.
Sa madaling salita, ang agentic AI ay hindi isang panandaliang uso. Ang mga kumpanyang gumagamit nito nang may malinaw na estratehiya, namumuhunan sa datos, pamamahala, at pagsasanay, ay nagkakaroon ng malaking kalamangan sa kompetisyon. Ang mga basta na lang nag-eeksperimento nang walang plano ay nanganganib na mahuli. Ang kinabukasan ng trabaho ay hindi lamang magiging pantao o awtonomiya lamang: ito ay magiging kombinasyon ng pareho, kung saan ang matatalinong ahente ay hahawak sa mga paulit-ulit na gawain at ang mga tao ay nakatuon sa pagkamalikhain, estratehiya, at kritikal na paggawa ng desisyon.
