Agentes proactivos: la propuesta del Context Graph para empresas

Los agentes empresariales actuales comparten un límite incómodo: esperan. Un comercial tiene que preguntar por el estado de una oportunidad, un ingeniero abre el dashboard cuando ya hay un incidente y un jurista revisa un contrato porque alguien le avisó. Un nuevo trabajo publicado en arXiv, Context Graphs for Proactive Enterprise Agents, parte de esa observación para defender una tesis concreta: la ganancia real de productividad no llega con agentes que responden mejor, sino con agentes que hablan primero.

La distinción no es retórica. Los autores separan dos modos de operación. El reactivo es el que domina hoy en RAG y en los frameworks agénticos: el sistema espera una consulta humana y actúa sobre ella. El proactivo invierte el orden: el agente vigila el estado de la organización y hace emerger información accionable antes de que nadie la pida. Para sostener ese salto proponen una pieza central, el Context Graph.

Qué es un Context Graph

El Context Graph es una estructura relacional viva que modela las entidades de la empresa (contratos, incidentes, oportunidades de venta), sus relaciones y, sobre todo, sus transiciones de estado a lo largo del tiempo. No es un grafo estático de conocimiento: su valor está en registrar cambios. Sobre esa base, el paper define cuatro componentes.

El primero es un Delta Detection Engine que monitoriza de forma continua las variaciones de estado en el grafo. El segundo, un Proactivity Scorer que ordena los posibles insights según urgencia, relevancia y encaje con el perfil del destinatario (lo que llaman persona fit). El tercero es una Surfacing Layer apoyada en un LLM que entrega notificaciones ranqueadas con explicaciones fundamentadas, es decir, con el porqué unido al dato. Los autores formalizan cada bloque y derivan una función unificada de Proactivity Score que combina esas señales.

La implementación no se queda en el diagrama. El trabajo incluye código Python completo de extremo a extremo usando NetworkX para el grafo y la API de Anthropic Claude para la capa de generación. Esa decisión importa para quien quiera reproducirlo: NetworkX es una librería madura y accesible, y apoyar la capa de lenguaje en Claude deja el sistema dentro de un stack que muchos equipos ya tienen montado.

Por qué importa y para quién

La evaluación se apoya en tres casos de uso empresariales genéricos: gestión del ciclo de vida de contratos, respuesta a incidentes de ingeniería e higiene del pipeline comercial. Son tres dominios donde el coste de enterarse tarde es alto y medible: una cláusula que vence sin renovar, un incidente que escala porque nadie vio la señal temprana, una oportunidad que se enfría en el CRM. En ese terreno, un sistema que puntúa y prioriza qué merece una notificación tiene un encaje claro.

Conviene leer la propuesta con la cabeza fría. El paper describe una arquitectura y una evaluación sobre casos genéricos, no un despliegue en producción a gran escala con métricas de negocio a largo plazo. El riesgo evidente de cualquier sistema proactivo es el ruido: un agente que avisa de más se vuelve un filtro que la gente aprende a ignorar, y ahí el Proactivity Scorer carga con casi todo el peso. La calidad del ranking, y la capacidad de calibrar el umbral por persona, decidirán si esto ahorra tiempo o lo consume.

Para equipos que ya trabajan con Claude, el interés práctico es doble. Por un lado, el patrón grafo de estado más motor de deltas más capa de lenguaje es replicable con herramientas abiertas y una API que ya usan. Por otro, encaja con la dirección hacia la que apuntan los MCP servers y los subagentes: sistemas que no solo responden en un chat, sino que observan fuentes y actúan cuando toca.

En ElephantPink llevamos tiempo montando integraciones donde el valor no está en el modelo que contesta, sino en el circuito que decide cuándo merece la pena hablar. El Context Graph pone nombre y estructura a ese problema, y esa es su aportación más útil, más allá de que la ejecución concreta todavía tenga que probarse fuera del laboratorio.