RevOps

AT&T ya tiene casi 500 flujos con agentes de IA en producción y solo les quita la supervisión humana con precisión en la franja media-alta del 90%

AT&T opera cerca de 500 flujos de trabajo con agentes de IA, procesa 45.000 millones de tokens al día y planea triplicarlos el próximo año. Ningún flujo parte autónomo: primero pasa por revisión humana.

5 min de lecturaFuente: SiliconANGLE
Ir a comentarios
Logo de AT&T en la imagen del artículo de SiliconANGLE sobre sus agentes de IA
Imagen: SiliconANGLE

La noticia en 30 segundos

AT&T opera casi 500 flujos de trabajo con agentes de IA en producción y planea triplicarlos el próximo año, según explicó Luke Corbin, de AT&T Business, en un evento de AWS en Boston reportado por SiliconANGLE el 14 de noviembre de 2026. Su plataforma procesa cerca de 45.000 millones de tokens diarios y más de un millón de transacciones al mes. Cada flujo parte con supervisión humana y solo opera solo cuando su precisión llega a la franja media-alta del 90%. Entre los usos está la prospección comercial: validar cobertura de fibra antes de que un vendedor trabaje la oportunidad.

AT&T tiene casi 500 flujos de trabajo con agentes de IA en producción y planea triplicar esa cifra el próximo año. Lo detalló Luke Corbin, vicepresidente asistente de transformación digital e IA de AT&T Business, en un evento de Amazon Web Services en Boston, en un caso publicado por SiliconANGLE el 14 de noviembre de 2026. La plataforma de agentes de la compañía procesa cerca de 45.000 millones de tokens de IA al día y más de un millón de transacciones al mes.

El dato más útil para un líder comercial no es el volumen, sino la regla de operación: ningún flujo parte autónomo. Todos comienzan con supervisión humana y solo pasan a operar solos cuando su precisión llega a la franja media-alta del 90% y el riesgo se considera aceptable.

¿Qué procesos automatizó AT&T con agentes de IA?

Los casos que describió Corbin están en el corazón de la operación de una empresa de servicios B2B:

  • Cambios en órdenes de instalación de fibra: los agentes interactúan directamente con los mainframes de la compañía, una tarea que antes obligaba a personas a sacar tickets, actualizar registros a mano y devolverlos al flujo.
  • Aprovisionamiento de internet dedicado: en edificios que ya tienen fibra instalada, AT&T redujo a la mitad el tiempo necesario.
  • Aprovisionamiento de clientes: parte de esta tarea ya la ejecutan flujos autónomos.
  • Prospección comercial: los agentes validan la ubicación del cliente y verifican si hay fibra disponible antes de que un vendedor invierta tiempo en la oportunidad.

Según la compañía, sus inversiones de IA en producción devuelven cinco veces su costo dentro del primer año. Es una cifra reportada por la propia empresa, no una auditoría independiente.

¿Cómo decide AT&T cuándo un agente puede trabajar sin supervisión?

La regla es explícita: cada flujo productivo arranca con un humano revisando. Solo cuando la precisión alcanza el rango medio-alto del 90% y el perfil de riesgo es aceptable, se retira la revisión. Desde ahí, un monitoreo continuo vigila el rendimiento y detecta desviaciones.

La gobernanza separa dos carriles. Los empleados pueden crear agentes para su productividad personal; Corbin lo resumió así: «Hemos democratizado los agentes al punto de que las personas pueden usarlos para su productividad personal». Pero cualquier flujo que afecte a clientes debe pasar por el Business Agent Foundry, un equipo creado a comienzos de 2025 que trabaja con cada unidad de negocio y exige revisiones de seguridad, privacidad y cumplimiento.

¿Por qué AT&T rediseña el proceso antes de poner el agente?

El Foundry mapea cada proceso con marcos de la industria para eliminar pasos, traspasos y dependencias de aplicaciones antiguas antes de construir el agente. Corbin explicó que la lógica de negocio se guarda en el contexto o en la memoria de los agentes, y que el costo de mantener aplicaciones, capacitar a las personas para usarlas y sostenerlas en el tiempo es muy alto. Su conclusión fue llamativa: «En el largo plazo, mi equipo no debería existir».

Para el próximo año, la compañía no solo quiere triplicar los flujos. También quiere pasar de mejorar procesos existentes a usar agentes para lanzar servicios, entrar a mercados y apoyar nuevos canales de venta.

¿Qué significa para las empresas en Chile y Latinoamérica?

Pocas empresas en Chile y Latinoamérica operan a la escala de AT&T, pero el método se puede copiar a cualquier tamaño. La mayoría de los proyectos de IA comercial de la región parte al revés: se compra la herramienta, se conecta al CRM y se espera que el agente funcione sobre procesos que nadie documentó. El caso muestra la secuencia contraria: mapear el proceso, sacar los pasos que sobran, definir un umbral de precisión medible y recién entonces quitar la revisión humana.

Análisis de Revenue Hub

El caso de prospección es el más replicable para un equipo B2B: un agente que descarta oportunidades no viables antes de que el vendedor las trabaje. En una empresa de servicios, software o distribución, el equivalente es validar cobertura, segmento, tamaño o capacidad de entrega con datos del CRM antes de asignar el lead. Ese tipo de agente no reemplaza al vendedor; le devuelve horas. Pero solo funciona si los campos que usa para decidir están completos y son confiables.

La recomendación concreta es adoptar la regla de AT&T como política interna: ningún agente que toque clientes o pipeline opera sin revisión humana hasta demostrar, con una muestra medida, una precisión que el área comercial haya acordado por escrito. Elijan un solo proceso con volumen y reglas claras, como la calificación o el enrutamiento de leads, midan la tasa de error durante cuatro semanas y documenten quién aprueba el paso a autonomía. En nuestra guía sobre cómo los agentes de IA cambian el trabajo de RevOps y en el artículo sobre preparar el CRM antes de poner agentes de IA detallamos qué revisar primero.

El segundo aprendizaje es de gobierno: separar la IA de productividad personal de la IA que actúa sobre clientes. La primera puede ser libre; la segunda necesita un dueño, una revisión de riesgos y un monitoreo continuo. Sin esa separación, el CRM termina recibiendo cambios que nadie sabe quién autorizó.

Profundiza con Revenue Hub Latam

Guías y artículos para aplicarlo en tu empresa

Fuente y criterio editorial

Revenue Hub resume, contextualiza y analiza esta información para equipos B2B de Chile y Latinoamérica. La publicación original pertenece a SiliconANGLE.

Leer la fuente original

Para profundizar

Preguntas frecuentes

¿Cuántos agentes de IA tiene AT&T en producción?

AT&T tiene casi 500 flujos de trabajo con agentes de IA en producción y planea triplicar esa cifra el próximo año. Lo informó Luke Corbin, de AT&T Business, en un evento de AWS en Boston, según SiliconANGLE.

¿Cuántos tokens de IA procesa AT&T al día?

AT&T procesa cerca de 45.000 millones de tokens de IA al día. Su plataforma de agentes maneja además más de un millón de transacciones al mes.

¿Cuándo deja AT&T que un agente de IA opere sin supervisión humana?

Todos los flujos productivos parten con revisión humana. Solo se retira cuando la precisión alcanza la franja media-alta del 90% y el riesgo se considera aceptable, y después un monitoreo continuo detecta desviaciones.

¿Cómo usa AT&T los agentes de IA en ventas?

En prospección, los agentes validan la ubicación del cliente y verifican si hay fibra disponible antes de que un vendedor invierta tiempo en la oportunidad. Así el equipo comercial trabaja solo oportunidades que la compañía puede atender.

¿Qué es el Business Agent Foundry de AT&T?

Es un equipo creado a comienzos de 2025 que trabaja con cada unidad de negocio para mapear procesos y eliminar pasos, traspasos y dependencias de sistemas antiguos antes de construir agentes. Los flujos que afectan a clientes deben pasar por revisiones de seguridad, privacidad y cumplimiento.

¿Qué retorno reporta AT&T por sus inversiones en IA?

Según la compañía, sus inversiones de IA en producción devuelven cinco veces su costo dentro del primer año. Es una cifra reportada por la propia empresa y no una auditoría independiente.

¿Qué pueden aprender las empresas de Chile y Latinoamérica del caso de AT&T?

Que el orden importa: primero se mapea y simplifica el proceso, luego se define un umbral de precisión medible y recién entonces se retira la revisión humana. Esa secuencia aplica a cualquier tamaño de empresa, por ejemplo en la calificación o el enrutamiento de leads en el CRM.

De la lectura a la conversación

¿Cómo se vive esto en tu equipo?

Participa con tu nombre o un alias. Sin crear una cuenta ni dejar tu correo.

Cargando comentarios…

Revisamos cada comentario antes de publicarlo.

0/1500 · Evita datos privados de clientes o de tu empresa.

Comparte este análisis con tu equipo