Cómo ServiceNow Agentic AI está reconfigurando los flujos de trabajo empresariales

De la IA generativa a la IA agente en ServiceNow

La primera oleada de IA generativa giraba en torno a la producción: redactar este correo, resumir este documento, crear esta imagen. Útil, impresionante y fundamentalmente pasivo. Un humano aún tenía que encontrar los datos, introducirlos, leer el resultado y decidir qué hacer a continuación. 

Ahora estamos firmemente en la era de la IA agente. Un agente de IA no solo responde; Percibe, razona y actúa. Extrae datos de los sistemas donde realmente ocurre el trabajo, los interpreta y luego hace algo con ellos: actualiza un registro, enruta un ticket, señala un cambio arriesgado, recomienda una solución. 

Esa acción puede ocurrir en dos modos: 

• Supervisado, donde el agente propone matrimonio y un humano lo aprueba. Aquí es donde empiezan la mayoría de las organizaciones, y con razón. 

• Autónoma, donde tareas bien entendidas y de bajo riesgo se completan de principio a fin por un agente de IA sin supervisión humana. 

La pregunta interesante ya no es «¿Puede la IA escribir esto?» Es «¿Qué decisiones nos sentimos cómodos dejando que tome la IA y cuáles debería preparar para nosotros?» 

Cómo funciona la IA Agente en ServiceNow Hoy

En ITCE, la mayor parte de nuestro trabajo reciente en IA ha sido en Gestión de Servicios de TI (ITSM), y la evolución refleja ese cambio más amplio. 

Otto (anteriormente Now Assist) incorporó la IA generativa directamente a la plataforma. Sus modelos funcionan con datos de instancias reales (incidentes, artículos de conocimiento, elementos de catálogo, perfiles de usuario) respetando los controles de acceso ya existentes. Para un agente de service desk, eso significa resumir un largo hilo de incidente en segundos, generar notas de resolución al cierre y convertir un incidente resuelto en un borrador de un artículo de conocimiento con un solo clic. También soporta una estrategia multimodelo: los propios modelos de ServiceNow, Claude, OpenAI, Gemini, o un modelo que tú mismo traigas. 

Otto en Virtual Agent cambió el lado del empleado. Los usuarios describen los problemas con sus propias palabras en lugar de adivinar palabras clave, acceden al catálogo completo de servicios mediante conversación y pueden cambiar de tema a mitad de la conversación, pidiendo un portátil y luego preguntando por el permiso sin empezar de nuevo. 

Los flujos de trabajo agentivos son donde se pone realmente interesante. En lugar de que una sola habilidad de IA haga una tarea, varios agentes especializados colaboran bajo un orquestador, un poco como un equipo de construcción donde cada trabajador conoce su trabajo y un jefe de obra los mantiene sincronizados. Los flujos de trabajo ITSM más populares que hemos implementado y demostrado incluyen: 

• Triaje y categorización de incidentes: los agentes leen el incidente y establecen categoría, subcategoría, servicio, oferta y elemento de configuración, el tedioso primer paso que a menudo decide la rapidez con la que se resuelve un ticket. 

• Investigar y resolver incidentes: dado un número de incidente, los agentes revisan artículos de conocimiento, elementos relacionados del catálogo y incidentes similares resueltos, y luego proponen pasos concretos para la resolución. 

• Evalúa los conflictos para una solicitud de cambio: los agentes ejecutan la detección de conflictos, identifican los elementos de configuración afectados y ponen a la superficie los servicios afectados antes de que alguien pulse «implementar». 

Conectando ServiceNow a agentes de IA externos con MCP

El ejemplo inicial de este artículo proviene de un experimento que hicimos nosotros mismos. ServiceNow posee algunos de los datos operativos más fiables de la empresa. Los asistentes de IA de propósito general son brillantes en razonamiento, análisis y visualización. ¿Y si pudiéramos fusionar ambas cosas, de modo que el pensamiento de la IA funcione directamente sobre los datos de ServiceNow? 

Utilizando el Model Context Protocol (MCP), un estándar abierto emergente que funciona como un adaptador universal entre asistentes de IA y sistemas empresariales, construimos un servidor MCP en una de nuestras instancias de ServiceNow y lo conectamos a nuestra cuenta corporativa de Claude. 

Esto fue un cambio radical. Un gestor de proyecto ahora podía pedir un informe de sprint y obtener los datos, los gráficos y una presentación lista para presentar sin tener que iniciar sesión en ServiceNow. Un agente del service desk podría consultar los incidentes críticos de esta semana y ver las tendencias en un solo chat. Un director de TI podría entrar en una reunión con una imagen actualizada de los cambios pendientes, en minutos en lugar de días. 

En resumen, ServiceNow aporta los buenos datos y las barreras de seguridad; el LLM aporta el razonamiento y la narrativa. Juntos, hacen que los datos de la plataforma sean útiles mucho más allá de las propias pantallas de la plataforma. 

Tendencias clave de IA Agentic ServiceNow

De nuestras conversaciones con los clientes, destacan algunos patrones. 

Los copilotos se están convirtiendo en agentes. Los clientes que empezaron con la resumen ahora preguntan hasta dónde puede llegar la automatización: qué pasos pueden ejecutarse por sí mismos y dónde debe mantenerse un humano al tanto. 

La IA va donde la gente ya trabaja. Los empleados no quieren otro portal. Quieren ServiceNow dentro de Microsoft Teams, Copilot, Claude o cualquier asistente que su empresa haya adoptado. Estándares abiertos como MCP hacen que estas solicitudes sean realistas y factibles. 

Multimodelo es la nueva normalidad. Pocas organizaciones quieren apostarlo todo a un solo proveedor de IA. El soporte de ServiceNow para múltiples modelos, incluido el traer el tuyo propio, refleja lo que las empresas están pidiendo. 

La calidad de los datos es el nuevo cuello de botella. Un agente solo es tan bueno como los datos sobre los que razona. Un CMDB desordenado, descripciones breves y vagas o notas vacías de resolución limitan lo que la IA puede hacer. Los proyectos de limpieza que nadie quería financiar se vuelven de repente estratégicos. 

La gobernanza está pasando al centro de la conversación. Una vez que la IA puede actualizar registros y no solo leerlos, las preguntas sobre permisos, pistas de auditoría y puntos de aprobación se convierten en decisiones de diseño, no en pensamientos secundarios. 

De pedir permisos a actuar 

Recuerda aquella frase sobre incidentes críticos al principio de este artículo. Hace unos años, lo mejor que una IA podía hacer era ayudarme a formular mejor la pregunta. Esta vez, entré en ServiceNow, sacó los registros, los comparó, averigué cuáles debían estar juntos y me explicó por qué. Nadie hizo un informe. Nadie exportó una hoja de cálculo. La IA hizo el trabajo que habría hecho un analista, y razonó hasta llegar a una conclusión en la que yo podía actuar. 

Esa es la línea que hemos cruzado. La IA ya no es simplemente mover datos de un lugar a otro. Pesa la evidencia, saca conclusiones y, cada vez más, da el siguiente paso por sí mismo. 

ServiceNow siempre ha sido el lugar donde se graban trabajos empresariales. Con Otto, los flujos de trabajo agentes y las conexiones abiertas a IA de propósito general, se está convirtiendo en el lugar donde ese trabajo se entiende y se pone en práctica. Las organizaciones que más se beneficien no serán las que tengan las demos más llamativas. Serán ellos quienes limpian sus datos, decidan deliberadamente dónde actúa la IA sola y dónde pide primero, y empiecen a construir hoy mismo.