Autor: Txema Fernández | Client Success Manager 

En los últimos meses, se ha desatado un debate candente en la comunidad tecnológica: ¿Está el RPA (Automatización Robótica de Procesos) en peligro de extinción frente al avance imparable de la inteligencia artificial? El lanzamiento de herramientas como Claude Sonnet 3.5 ha encendido esta discusión, al prometer capacidades de control de dispositivos informáticos mediante IA que, al analizar más de cerca, resultan ser limitadas y poco efectivas. Sin embargo, esta narrativa ignora un punto esencial: la IA y el RPA no son rivales, sino aliados complementarios en el ecosistema de automatización. 

El mito del control computacional por IA 

Claude Sonnet 3.5 es un ejemplo emblemático de lo que se promete, pero no se entrega. Su capacidad declarada de “controlar tu computadora” en realidad se reduce a la captura de pantallazos y el uso de este contenido para contextualizar respuestas. Si bien esto puede parecer innovador a simple vista, en la práctica es un enfoque rudimentario que no alcanza las capacidades reales de control y ejecución que ofrece una solución RPA. La lentitud del procesamiento y las limitaciones inherentes a la comprensión de contexto en tiempo real hacen que la experiencia sea frustrante y, en muchos casos, inviable para entornos empresariales. 

En contraposición, el RPA se basa en la interacción directa con interfaces gráficas y APIs, lo que permite ejecutar tareas repetitivas con precisión y velocidad. Mientras que la IA, en su estado actual, tiene problemas para gestionar complejidades operativas que van más allá de sugerencias o predicciones, el RPA ejecuta acciones concretas de manera robusta y fiable. 

IA y RPA: Dos caras de la misma moneda 

Es un error común asumir que el auge de una tecnología implica la obsolescencia de otra. La inteligencia artificial y el RPA no son excluyentes, sino complementarios. De hecho, la verdadera revolución se produce cuando ambas se integran para crear flujos de trabajo más inteligentes y eficientes. Ya hace muchos años, UiPath, líder en el mercado de automatización, trasladaba el mensaje de que la tecnología RPA iba a ser el catalizador perfecto de todas las tecnologías que estaban apareciendo en el horizontes. 

Estas capacidades que “vende” Anthropic, ya las estábamos incorporando en algunos de nuestros proyectos. En momentos clave incluíamos pantallazos de la situación del proceso en un aplicativo concreto para enriquecer el contexto y facilitar la toma de decisiones con modelos de IA. Esto no solo mejora la precisión de las respuestas, sino que también refuerza la eficacia operativa. Sin embargo, es crucial destacar que esta estrategia solo es viable porque las herramientas de automatización, como el RPA o las plataformas iPaaS (Plataforma de Integración como Servicio), proporcionan el marco necesario para ejecutar las tareas de manera sistemática. 

Un caso paradigmático es la integración de RPA con modelos fundacionales. Mientras la IA proporciona análisis contextualizado, el RPA ejecuta acciones operativas como extracción de datos, envío de correos o actualización de registros en sistemas empresariales. Esta sinergia es la clave para abordar procesos complejos en los que la toma de decisiones requiere tanto análisis avanzado como ejecución efectiva. 

Limitaciones actuales de la IA en la automatización operativa 

Para comprender por qué la IA no sustituirá al RPA en el corto plazo, es importante analizar algunas de sus limitaciones: 

• Falta de interacción directa con sistemas operativos: A diferencia del RPA, que interactúa con aplicaciones directamente a través de sus interfaces, la IA depende de la interpretación contextual. Esto la hace incapaz de realizar acciones concretas como mover archivos, introducir datos en formularios o ejecutar comandos específicos. 

• Dependencia de la calidad de los datos: Los modelos de IA son tan buenos como los datos que reciben. Si los pantallazos o las entradas proporcionadas son incompletas o ambiguas, el resultado será inútil. En cambio, el RPA se basa en reglas predefinidas, lo que minimiza el margen de error. 

• Escalabilidad y velocidad: Aunque la IA ha mejorado significativamente en términos de procesamiento de datos, su aplicación en tareas repetitivas sigue siendo ineficiente en comparación con el RPA. La capacidad de este último para ejecutar miles de tareas en paralelo es incomparable. 

Para que los modelos fundacionales logren un nivel similar de automatización, tendrían que desarrollar las capacidades que ya ofrecen herramientas líderes como UiPath o Workato. Esto incluye interacción con interfaces gráficas, integración con APIs y ejecución de flujos de trabajo complejos. Sin embargo, este camino resulta poco práctico para los desarrolladores de modelos fundacionales, ya que duplicarían funcionalidades que ya existen en soluciones consolidadas. En lugar de reinventar la rueda, la sinergia entre estas tecnologías es el enfoque más eficiente y efectivo. 

Prueba del impacto positivo de la IA en el RPA, es que las proyecciones del mercado de hiperautomatización refuerzan esta perspectiva. Según un estudio reciente de Mordor Intelligence, el mercado crecerá de 12,95 mil millones de dólares en 2024 a 31,95 mil millones de dólares en 2029, con una tasa de crecimiento anual compuesto (CAGR) del 19,8%. Este crecimiento subraya el impacto positivo de la IA cuando se combina con herramientas de automatización establecidas, como RPA e iPaaS, para abordar las necesidades crecientes de eficiencia y escalabilidad en las organizaciones.