«Con la IA, lo más complicado suele ser la gestión del cambio en la organización»

HappyRobot quiere que los agentes de inteligencia artificial dejen de ser solo interlocutores para convertirse en ejecutores de trabajo dentro de las empresas. Su plataforma permite construirlos y desplegarlos en grandes organizaciones, con especial atención a los procesos transaccionales e intensivos en comunicación. Tras comenzar en la logística estadounidense, la compañía ha ampliado su actividad hacia sectores como la energía, la banca y los seguros, con clientes como Naturgy y Repsol.

Fundada en Estados Unidos por emprendedores españoles, HappyRobot atraviesa una etapa de expansión impulsada por una Serie C de 150 millones de dólares que la ha ayudado a convertirse en unicornio. España tiene un papel importante en ese crecimiento y Madrid se consolida como su hub europeo, con funciones comerciales, operativas y de despliegue, mientras que Barcelona alberga el equipo de investigación responsable de parte de su tecnología propia de voz.

Carlos Becker, Enterprise Lead de HappyRobot, ha vivido esa evolución desde sus comienzos. Fue el tercer empleado de la compañía y el primero en incorporarse fuera de San Francisco. Actualmente supervisa los despliegues de clientes en EMEA, una responsabilidad que le permite observar tanto las posibilidades de la IA agéntica como las dificultades de llevarla a producción. En su experiencia, conectar los sistemas no suele ser el principal obstáculo; alinear a las personas y cambiar los procesos resulta bastante más complicado.

En esta entrevista con MCPRO, Carlos Becker nos explica cómo trabaja HappyRobot con las grandes cuentas, por qué sus compradores suelen estar más cerca del negocio que de TI y qué aporta desarrollar modelos propios. También aborda la búsqueda de talento, la disponibilidad de infraestructura y los controles necesarios para dar autonomía a un agente. Su visión del futuro de la IA empresarial parte de una idea clara: disponer de modelos capaces no basta si estos carecen del contexto y de las herramientas que necesitan para actuar.

[MCPRO] ¿Qué responsabilidades tiene un Enterprise Lead en HappyRobot y cuál ha sido tu trayectoria dentro de la compañía?

[Carlos Becker] Mi posición tiene un componente más transversal de lo habitual. Normalmente, un Enterprise Lead en HappyRobot lidera el despliegue con un cliente o supervisa una serie de despliegues. En mi caso, superviso la parte de despliegues de clientes en la región de EMEA.

Fui el tercer empleado de la compañía y el primero en incorporarse fuera de San Francisco. Entré desde España porque ya teníamos clientes aquí y necesitábamos una presencia que nos permitiera darles soporte en un horario más adecuado. Al ser uno de los veteranos, conozco bien la empresa y todo lo que hemos vivido. Eso también hace que participe como portavoz en entrevistas, eventos y charlas.

[MCPRO] Para quien todavía no conozca HappyRobot, ¿qué problema empresarial resolvéis y qué os diferencia de un proveedor de asistentes conversacionales o de automatización tradicional? ¿Qué perfil de cliente encuentra más valor en vuestra plataforma?

[Carlos Becker] HappyRobot es una plataforma para construir y desplegar agentes de inteligencia artificial en el entorno empresarial. Nos especializamos en empresas muy grandes y en entornos especialmente complejos. Sobre todo, nos enfocamos en procesos muy intensivos en comunicación y que suelen ser muy transaccionales.

Eso abarca muchas partes de una empresa. La atención al cliente suele ser un punto de entrada evidente porque tiene mucho impacto, pero después vamos ampliando las funciones en las que trabajamos. Ayudamos a nuestros clientes a descubrir dónde pueden aplicar los agentes de IA con el objetivo de cambiar cómo se hace el trabajo en las empresas. Esa es nuestra premisa.

Empezamos en el mundo logístico, muy enfocados en Estados Unidos. Hacia noviembre y diciembre del año pasado comenzamos a centrarnos más en España y a abrirnos a otras industrias. Ya trabajábamos con Naturgy y empezamos a hacerlo también con otras empresas como Repsol. Hoy estamos trabajando con bancos y aseguradoras, y seguimos ampliando ese abanico.

Los casos de uso dependen de dónde tenga el problema cada organización. Nuestro trabajo consiste en identificar esa necesidad concreta y ver cómo podemos ayudar a resolverla. Hay un rango muy amplio de posibilidades.

[MCPRO] Cuando entráis en una gran organización, ¿desplegáis la plataforma de forma transversal o empezáis por determinadas divisiones y departamentos?

[Carlos Becker] Tenemos un modelo de «land and expand». Empezamos siempre por una parte y hacemos lo que llamamos una prueba de valor, no de concepto. La tecnología está validada; lo que queremos demostrar es cómo aportamos valor a esa empresa en concreto.

A medida que entendemos mejor el negocio y cómo opera la organización, vamos ampliando las funciones que abarcamos. Eso también nos ayuda a acompasar los despliegues con nuestro propio crecimiento. Nuestros clientes son empresas muy grandes y nosotros, aunque hemos crecido, seguimos siendo pequeños en comparación. Es un proceso bastante orgánico, ya que vamos descubriendo dónde podemos aportar más valor y cuáles son sus principales problemas, y a partir de ahí nos expandimos.

[MCPRO] ¿Quién suele ser vuestro interlocutor dentro del cliente? ¿El departamento de TI o las áreas de negocio?

[Carlos Becker] La intuición diría que son los equipos de TI, pero no siempre es así. Esta tecnología afecta directamente al negocio y nosotros desplegamos principalmente con esos equipos. Evidentemente, TI tiene que estar involucrado porque tiene las llaves de los sistemas y necesitamos conectarnos a ellos. Sin embargo, nuestro comprador suele estar más en negocio que en TI. Ten en cuenta que no vendemos solo tecnología, vendemos nuestra capacidad para cambiar la forma en la que trabaja una empresa, y por eso el interlocutor suele estar en negocio.

Cuando ya estamos interactuando con muchas personas dentro de una organización, la centralización suele llegar a través de los equipos de IA que están surgiendo. Dependiendo de la estructura de cada empresa, estos equipos centralizan las peticiones de casos de uso, su priorización y la coordinación.

[MCPRO] ¿Qué cambia con vuestra nueva sede en Madrid dentro de la estrategia internacional de HappyRobot? ¿Qué funciones asume este equipo y cómo se complementa con el Lab de Barcelona?

[Carlos Becker] Aunque somos una empresa estadounidense, el hecho de que los fundadores sean españoles hace que siempre tengamos un pie aquí. Esa cultura y esa forma de ver las cosas influyen en la compañía. La reciente inauguración de la oficina viene a confirmar el papel de España. A día de hoy, Madrid es nuestro hub europeo y nuestro principal centro para EMEA.

Habrá que ver cómo evolucionan otras regiones, como Oriente Medio, y si en el futuro tiene sentido establecer hubs específicos allí o seguir centralizando desde Madrid determinadas funciones operativas y transversales. Por ahora, esa estructura no está separada.

En España tenemos actividad comercial y equipos de ventas, pero no nos limitamos a eso. Contamos con equipos de despliegue tanto en Madrid como en Barcelona, con perfiles como los Forward Deployed Engineers y los especialistas en estrategia de despliegue. En Madrid también tenemos equipos de operaciones y de crecimiento, incluida la parte de marketing.

Barcelona alberga, además, nuestro centro de investigación, con el equipo de machine learning e investigación en IA. Se encarga de los modelos que desarrollamos internamente, como nuestro sistema de síntesis de voz, o text-to-speech, y los modelos que utilizamos para gestionar las interrupciones. También realiza pruebas comparativas y evalúa continuamente las novedades que aparecen para asegurarnos de que el producto se mantiene al nivel de lo que está ofreciendo la industria.

[MCPRO] La Serie C os ha aportado 150 millones de dólares y os sitúa por encima de los 1.000 millones de valoración. ¿A qué vais a destinar ese capital? ¿Os preocupa que la expansión avance más deprisa que vuestra capacidad de desplegar soluciones en los clientes?

[Carlos Becker] El dinero se va a destinar, sobre todo, a invertir en producto y a permitirnos crecer al ritmo de la demanda que estamos teniendo. La capacidad de acompañar ese crecimiento sí es un reto. Los Forward Deployed Engineers son perfiles muy demandados, exigen un nivel de formación alto y nosotros tenemos unos requisitos de talento muy elevados. Eso acaba siendo un cuello de botella, ya que muchas empresas estamos buscando ese mismo talento.

Además, no se trata simplemente de encontrar a alguien que ya tenga ese puesto. Tenemos que identificar a personas que vienen de otros sectores o funciones y que pueden encajar en esta responsabilidad. Estamos construyendo esa función y parte de la inversión nos ayudará a reforzarla para mantener el nivel de servicio con los clientes y responder a todo lo que está entrando.

[MCPRO] ¿Qué perfiles buscáis para esos equipos y qué oportunidades puede encontrar alguien que esté empezando su carrera profesional?

[Carlos Becker] Creo que ser Forward Deployed Engineer es un puesto ideal para un ingeniero al que le guste la tecnología. Combina una parte técnica, en la vas a asumir mucha responsabilidad sobre los resultados, con la exposición directa al cliente. Ese equilibrio lo hace muy dinámico y atractivo para alguien que empieza a trabajar.

Tenemos las posiciones abiertas en nuestra página web y no buscamos únicamente perfiles de despliegue. También necesitamos científicos de datos, especialistas en estrategia de despliegue y profesionales para otras funciones de la empresa. Creo que en el último cuatrimestre recibimos unas 70.000 solicitudes para el conjunto de posiciones de HappyRobot. El equipo de talento está haciendo un trabajo excepcional para ayudarnos a encontrar a las personas adecuadas.

Entre los perfiles técnicos hay muchos ingenieros industriales y de telecomunicaciones, pero también personas que vienen de matemáticas, física y ciencia de datos. Incorporamos tanto a recién graduados como a profesionales con experiencia. Es importante equilibrarlos para que quienes ya tienen recorrido puedan acompañar a los que están dando sus primeros pasos.

[MCPRO] Para los modelos de lenguaje trabajáis con distintos proveedores, pero habéis desarrollado tecnología propia de voz. ¿Cómo decidís qué construir internamente y qué ventajas os aporta frente a las alternativas del mercado?

[Carlos Becker] Nuestro objetivo es optimizar el rendimiento de los agentes. Para ello utilizamos lo mejor que haya disponible. Si encontramos en el mercado algo suficientemente bueno, lo usamos. Si no cubre nuestras necesidades, valoramos desarrollarlo internamente. Eso nos lleva a probar distintas combinaciones.

Un caso muy concreto fue el de los modelos text-to-speech, los sintetizadores de voz. Lo que encontrábamos estaba muy orientado al entretenimiento, a la traducción y a ese tipo de servicios, pero no tanto a la IA conversacional en tiempo real ni a las situaciones que vivíamos en logística. En ese sector hay muchos números de referencia, matrículas e identificadores de envío. Las voces disponibles tenían dificultades con esas secuencias y nos costaba conseguir que funcionaran bien. Decidimos probar con un modelo propio y empezamos a obtener buenos resultados.

Ahora estamos trabajando en la cuarta versión, que creo que incluirá unos 80 idiomas. La tercera salió a principios de verano y ya cubría lenguas cooficiales de España, como el gallego, el euskera y el catalán, además de algunas variantes. Tener un modelo propio nos da mucho más control sobre la hoja de ruta de idiomas y nos permite adaptarnos mejor y más rápido a las necesidades de los clientes. También aporta soberanía, porque gestionamos dónde se ejecutan esos modelos y tenemos más control sobre lo que ocurre con ellos.

También hemos desarrollado modelos auxiliares, especialmente en voz, que es el ámbito por el que más se nos conoce. Tenemos modelos propios para gestionar las interrupciones y para detectar ruido de fondo; son modelos más pequeños que ejecutamos nosotros y que contribuyen a mejorar la experiencia de los agentes.

[MCPRO] Has mencionado la soberanía. ¿Qué infraestructura utilizáis para entrenar esos modelos y cómo resolvéis los requisitos de residencia de los datos?

[Carlos Becker] Utilizamos infraestructura cloud y recurrimos a la capacidad que necesitamos para cada desarrollo. Ahora, por ejemplo, estamos trabajando, como he mencionado antes, en la cuarta versión del modelo. En este caso se está ejecutando en centros de datos europeos. Hay que diferenciar entre entrenamiento e inferencia. En el entrenamiento dependemos también de la disponibilidad, porque no siempre encontramos capacidad. Las noticias sobre la falta de GPU en los centros de datos responden a una situación real y nosotros nos la estamos encontrando cada vez más.

En la inferencia nos adaptamos a los requisitos de cada cliente. Si un cliente europeo necesita que todos sus datos estén alojados en Europa, la inferencia se realiza en Europa, de manera que ajustamos el despliegue a esas necesidades.

[MCPRO] ¿Qué suele ser más difícil al pasar de un piloto a producción: integrar los sistemas, preparar los datos o rediseñar los procesos? ¿Cómo medís el impacto del proyecto?

[Carlos Becker] Siempre ponemos mucho énfasis en el impacto. Lo primero es entender qué problema estamos resolviendo y cuánto supone para la empresa. Ese impacto puede llegar de varias formas. Puede ser una reducción de costes, aligerar un proceso o utilizar mejor los recursos disponibles. También puede consistir en generar más ingresos, como ocurre en un caso de uso de ventas, o en mejorar los niveles de servicio.

Es muy importante tener claro desde el principio dónde estamos con ese caso de uso y definir los indicadores que nos dirán si lo estamos haciendo bien o mal. A partir de ahí decidimos si tiene sentido abordarlo y empezamos a trabajar. La parte de integraciones suele ser la que menos problemas da porque está bastante definida.

Lo más complicado suele ser la gestión del cambio en la organización. Hay que replantear el proceso porque ahora lo va a ejecutar un agente en lugar de una persona o de una automatización más sencilla. Hay que alinear a las organizaciones y la forma de trabajar en estos proyectos es algo distinta a la del software tradicional. Esa parte suele ser la más difícil porque se trata de poner de acuerdo a personas. La ventaja es que son proyectos más cortos. Estamos haciendo despliegues de media en unas ocho semanas, y hablo de pasar de cero a producción.

[MCPRO] ¿Cómo delimitáis los permisos de un agente y verificáis que ha actuado correctamente, más allá de mantener una conversación convincente? ¿Qué controles aplicáis antes y después de ponerlo en producción?

[Carlos Becker] Es importante entender los riesgos. Un agente puede tener acceso a muchas cosas, como una persona, pero actúa mucho más rápido y de forma autónoma. Por eso tenemos que construirlo de manera que sus accesos estén limitados a lo que necesita hacer. Por ejemplo, si llamas a un banco para cancelar una tarjeta, primero tiene que haber una autenticación. La arquitectura del agente debe impedir que acceda a determinados datos, herramientas o acciones hasta que hayas completado ese paso. Es una cuestión de diseño y arquitectura que nuestra plataforma soporta.

Después hay que comprobar que esas condiciones se cumplen y que siguen funcionando en producción. Para ello tenemos una suite de evaluaciones y auditorías. Antes del despliegue podemos crear pruebas para verificar las reglas establecidas, incluidas reglas de negocio como tratar de usted al cliente o identificarse siempre como una IA.

Utilizamos otros agentes para realizar «pruebas adversarias», una forma de red teaming. Programamos esos agentes para que intenten vulnerar al agente que estamos evaluando mediante prompt injection y otros ataques. Son agentes probando agentes.

Una vez en producción, las auditorías permiten revisar el cumplimiento de las reglas mediante muestras cuyo tamaño se puede configurar. El cliente tiene visibilidad sobre lo que está funcionando bien y mal, y puede recibir alertas para actuar. Cuando detectamos algo que no está bien, definimos las reglas y las pruebas necesarias para validarlo y seguimos iterando.

También acompañamos al cliente en la parte organizativa de la gobernanza. Hay que establecer estructuras para que, si ocurre algo, se sepa quién es el responsable y qué protocolos deben aplicarse. No es únicamente una cuestión de producto.

[MCPRO] Habláis de «superinteligencia empresarial», una visión en la que los agentes acumulan contexto y ayudan a mejorar el funcionamiento de la organización. ¿Qué parte de esa visión está ya en marcha y dónde ves el mayor potencial de evolución?

[Carlos Becker] El problema a día de hoy no son los modelos. Hace tiempo que su capacidad es suficiente para llevar a cabo casi cualquier proceso, al menos en el mundo empresarial. El problema es el contexto, es decir, que el agente sepa qué tiene que hacer, que entienda por ejemplo de qué pedido, de qué perfil de cliente o de qué factura estamos hablando y que, además, pueda realizar acciones. Esa es la parte difícil.

A medida que hacemos ese trabajo, vamos generando una colección de resoluciones e interacciones pasadas. El punto al que queremos llegar es lo que llamamos «superinteligencia empresarial», que consiste en reunir ese registro de interacciones de una organización y el acceso a sus sistemas de una forma que se pueda consultar y reutilizar.

Con eso obtenemos una gran cantidad de información sobre la organización y sobre cómo opera. Cuando hay que crear un agente nuevo, ya no partimos de cero, sino de esas interacciones anteriores. Eso permite avanzar mucho más rápido; de la misma forma que existe el interés compuesto, aquí hablamos de una inteligencia compuesta que va creciendo a medida que acumulamos ese conocimiento.

La realidad es que todavía tenemos muy poco agentizado y hay muchísimo trabajo por hacer. Pero las herramientas nos permiten avanzar cada vez más rápido. Además, conforme demostramos que estos procesos son seguros y tienen un impacto importante para las empresas, se nos abren más puertas y podemos seguir acelerando.