Inteligencia artificial con agentes
Se trata de un tipo de sistema de software diseñado para interactuar con datos y herramientas casi sin necesidad de la intervención humana. La inteligencia artificial con agentes, que se centra en el comportamiento orientado a objetivos, puede realizar tareas mediante la creación de una lista de pasos y su posterior ejecución autónoma.
Se puede concebir como una manera de combinar la automatización con las habilidades creativas de un modelo de lenguaje de gran tamaño (LLM). Para llevarla a la práctica, hay que crear un sistema que proporcione a un LLM acceso a herramientas externas y algoritmos con indicaciones sobre el uso que deben hacer de ellas los agentes de inteligencia artificial.
Para que los agentes se comuniquen con las herramientas es necesaria la organización, con flujos o gráficos, según el marco que se utilice. Este enfoque permite al LLM "razonar" y determinar la mejor manera de responder a una pregunta, como decidir si la consulta puede resolverse con la información disponible o si hace falta realizar una búsqueda externa.
Funciones de la inteligencia artificial con agentes
Un agente de inteligencia artificial puede considerarse como una entidad que se instala sobre otras herramientas de software y se encarga de su funcionamiento. La inteligencia artificial con agentes puede ser una estructura física, un programa de software o una combinación de ambos.
Un agente de inteligencia artificial en un sistema robótico puede utilizar cámaras, sensores y monitores para recopilar datos sobre su entorno y, a continuación, ejecutar esa información junto con el software para tomar decisiones sobre su próximo paso. Se trata de un proceso que se denomina fusión de sensores.
Por su parte, la inteligencia artificial con agentes en un entorno de software recopilaría datos de otras fuentes, como las API, las búsquedas en línea, los mensajes de texto y las bases de datos, que permiten que los agentes generen un sentido de la percepción y el contexto.
Analicemos más en detalle algunas de las características específicas de la inteligencia artificial con agentes:
Es adaptable y dinámica
La inteligencia artificial con agentes se basa en patrones y datos anteriores, es decir, puede cambiar su estrategia en función de la información nueva o variable que reciba, en tiempo real. Mientras que los flujos de trabajo tradicionales solo avanzan, los flujos de trabajo basados en este tipo de tecnología pueden avanzar y retroceder, y tienen la posibilidad de volver atrás y corregir los errores sobre la marcha. En otras palabras, la inteligencia artificial con agente puede anticiparse a las necesidades de manera preventiva y analizar su propio trabajo.
Por ejemplo, un vehículo autónomo puede utilizar inteligencia artificial con agentes para mejorar su habilidad a la hora de distinguir entre un trozo de basura en la carretera y una ardilla. Al supervisar y analizar de manera permanente su propio comportamiento, puede optimizar el resultado de sus acciones.
Puede gestionar y completar tareas de manera independiente
En ocasiones, el término se utiliza para referirse a la inteligencia artificial autónoma. Esto se debe a que puede comunicarse y colaborar con otros sistemas de inteligencia artificial e infraestructuras digitales en nombre de una persona o de otro agente.
Por ejemplo, puedes decirle a un agente de inteligencia artificial que quieres cenar espaguetis. En ese caso, el agente podría seguir los pasos necesarios para encontrar una receta, elaborar una lista de ingredientes y encargar que se los envíen a casa desde un almacén local.
Posee la habilidad de crear cadenas de acciones
Esto significa que el sistema de inteligencia artificial puede realizar una secuencia de acciones a partir de una única solicitud. Por ejemplo, si le pides a un agente que cree un sitio web, puede realizar todos los pasos necesarios para llevar a cabo esa tarea. De este modo, a partir de una sola solicitud, el agente puede escribir el código de la estructura, llenar las páginas de contenido, diseñar los elementos visuales y comprobar la capacidad de respuesta.
Recursos de Red Hat
Beneficios de la inteligencia artificial con agentes
La inteligencia artificial con agentes se utiliza especialmente para tareas que requieren una supervisión permanente o decisiones rápidas. Entre los beneficios que aporta se incluyen:
Más productividad. La delegación de tareas a un agente de inteligencia artificial permite centrarse más en iniciativas que aportan valor a una empresa. Imagínate que se trata de un becario que trabaja todos los días de manera ininterrumpida.
Reducción de costos. Su uso disminuye los errores humanos, con lo cual se eliminan los costos asociados a la ineficacia, los descuidos y los errores.
Toma de decisiones informada. La inteligencia artificial con agentes utiliza el machine learning (aprendizaje automático) para filtrar y procesar grandes volúmenes de datos en tiempo real, más de lo que podría hacer cualquier persona. La obtención de información a partir de grandes conjuntos de datos de calidad se traduce en predicciones y estrategias más acertadas.
Experiencia del usuario mejorada. Hasta ahora, la creación de un flujo de trabajo automatizado requería conocimientos de ingeniería y codificación. Con la inteligencia artificial con agentes, los usuarios pueden interactuar con un lenguaje sencillo, del mismo modo que aprendimos a hacerlo con plataformas como ChatGPT.
Casos prácticos de inteligencia artificial con agentes
Gracias a estas funciones únicas, la inteligencia artificial con agentes puede utilizarse para diversos fines. A continuación, analizaremos cómo puede usarse en diferentes sectores:
- En las operaciones comerciales, se podría utilizar un agente de inteligencia artificial para gestionar las cadenas de suministro, optimizar los niveles de inventario, prever las exigencias de los clientes y planificar la logística.
- En el sector de la salud, un agente de inteligencia artificial podría interactuar con los clientes, supervisar sus necesidades, llevar a cabo planes de tratamiento y ofrecer soporte personalizado.
- En el área del desarrollo de software, el uso de la inteligencia artificial con agentes permitiría aumentar la eficiencia al generar código de depuración de manera automática, gestionar el ciclo de vida del desarrollo y diseñar la arquitectura del sistema.
- En las operaciones de software, podría utilizarse para el funcionamiento autónomo de redes y otras infraestructuras o servicios de TI.
- En materia de ciberseguridad, un agente de inteligencia artificial podría servir para supervisar el tráfico de la red, detectar los problemas y responder a las amenazas en tiempo real.
- Los investigadores podrían utilizar este tipo de tecnología para diseñar y llevar a cabo experimentos, analizar datos, formular nuevas hipótesis y, en general, acelerar el ritmo de la innovación más rápido de lo que lo haría una sola persona (o un grupo de investigadores).
- Los sectores financiero y comercial podrían mejorar su rendimiento gracias a que la inteligencia artificial con agentes puede analizar de manera permanente las tendencias del mercado, tomar decisiones comerciales y ajustar la estrategia en función de los flujos de datos en tiempo real a los que tiene acceso.
Flujo de trabajo con agentes
La inteligencia artificial con agentes facilita la creación de sistemas inteligentes que puedan funcionar de manera autónoma, colaborar con eficacia y aprender de sus interacciones con los datos. Funciona gracias a un proceso denominado flujo de trabajo con agentes.
Un flujo de trabajo con agentes consiste en una serie estructurada de acciones que gestionan y completan los agentes de inteligencia artificial. Cuando se le asigna un objetivo a uno de ellos, divide primero la tarea en pequeños pasos individuales y luego los ejecuta.
Para llevar a cabo esta serie de pasos, el agente genera más versiones de sí mismo y así crea un sistema multiagente (MAS). En este flujo de trabajo, el agente principal (también denominado metaagente, orquestador o supervisor) delega tareas en otros agentes, asigna valores e interactúa con la memoria en un ciclo de retroalimentación. En conjunto, el comité de agentes funciona de manera simultánea hasta que se completa el objetivo general.
Dentro de este MAS, cada agente se compone de una estructura interna que le permite funcionar de manera independiente y colaborativa a la vez. Esta colaboración se basa en almacenes de memoria compartida, que proporcionan el contexto relativo al conocimiento individual, las experiencias pasadas y los estados de creencias.
Inteligencia artificial generativa y con agentes
Si la inteligencia artificial generativa se centra en crear, aquella con agentes, en actuar. Mientras que la primera se encarga de crear contenidos nuevos utilizando modelos predictivos y de regresión lineal, la segunda se sirve de sistemas matemáticos para tomar decisiones basadas en modelos predictivos. Sin embargo, la inteligencia artificial con agentes no se limita solo a eso, sino que lleva a cabo una acción (o una serie de ellas) en nombre del usuario.
La inteligencia artificial generativa produce resultados a partir de las indicaciones que le damos. Por su parte, la inteligencia artificial con agentes se diferencia de la tradicional en que puede iniciar acciones; por ejemplo, un agente puede crear sus propias indicaciones y resultados en función de la información a la que tenga acceso.
RAG con agentes
La
generación aumentada por recuperación (RAG) es un método mediante el cual se vincula un modelo de lenguaje de gran tamaño (LLM) a una indicación alternativa o un recurso externo para obtener mejores respuestas de una aplicación de inteligencia artificial generativa. La RAG con agentes amplía la RAG tradicional, ya que permite que el LLM investigue de manera activa en lugar de limitarse a recuperar información.
Si bien la RAG puede obtener respuestas y proporcionar cierto contexto a partir de la documentación y los conjuntos de datos a los que tiene acceso, depende de la ingeniería manual de las indicaciones. Además, la herramienta tradicional tiene un conocimiento limitado del contexto y se basa exclusivamente en la consulta inicial para recuperar la información pertinente.
Por su parte, la RAG con agentes es bastante más sofisticada y dinámica, ya que puede formular sus propias preguntas, crear contexto a partir de su memoria y llevar a cabo tareas adicionales sin que se le pida explícitamente que lo haga. Este avance con respecto a la RAG tradicional permite que aquella con agentes tome decisiones más informadas en tu nombre sin que debas intervenir.
Por ejemplo, con el sistema tradicional, puedes pedirle a un chatbot que muestre la política de devoluciones de una empresa. Con la RAG con agentes, la consulta podría indicarte la política de devoluciones y, luego, ofrecerte la opción de hacerla. En ese caso, los agentes de inteligencia artificial pueden llevar a cabo las tareas logísticas necesarias, como llenar el formulario de devolución con el número de pedido, verificar la información de la tarjeta de crédito para obtener el reembolso y completar la transacción en tu nombre.
Limitaciones y aspectos relevantes de la IA con agentes
La inteligencia artificial con agentes aporta a muchos de nuestros sistemas perspectivas de innovación y agilidad. Sin embargo, plantea ciertas cuestiones éticas y técnicas que aún no se resuelven. Por ejemplo, el problema de garantizar que los sistemas de inteligencia artificial se adecuen a nuestros valores o de determinar el responsable de los errores que pueda cometer este tipo de tecnología. En algunos casos, nos enfrentamos a problemas de transparencia, ya que no sabemos con certeza el modo en que el agente llegó a la conclusión que ofrece como resultado (esto también se conoce como el problema de la "caja negra").
Desde el punto de vista de la privacidad y la seguridad, es importante que tratemos cualquier modelo de inteligencia artificial que diseñemos o utilicemos con cautela y consideración. En otras palabras, debemos asegurarnos de que la arquitectura se diseñe con determinados parámetros de seguridad para proteger el flujo de datos.
También hay que tener en cuenta que la inteligencia artificial con agentes requiere grandes recursos informáticos, en particular una gran capacidad de procesamiento y de almacenamiento. Además, es importante considerar su impacto en el medio ambiente.
Por último, como ocurre con cualquier tecnología incipiente, debemos recordar que existe una curva de aprendizaje. La implementación y la gestión de flujos de trabajo con agentes que integra un LLM requieren conocimientos especializados, sobre todo en el ámbito empresarial.
Red Hat puede ayudarte
Para aquellas empresas que aún se encuentran en proceso de descubrimiento de las ventajas de la inteligencia artificial generativa, los agentes de inteligencia artificial pueden ser la clave para obtener beneficios concretos. El ecosistema de partners de inteligencia artificial y Red Hat® AI pueden ayudarte a diseñar los marcos adecuados para crear flujos de trabajo de inteligencia artificial y ampliar la capacidad de estos agentes.
Red Hat Enterprise Linux® AI es un sistema de organización basado en agentes de InstructLab, y se puede emplear para ajustar los LLM y SLM que utilizan los flujos de trabajo con agentes.
Red Hat OpenShift® AI ofrece una plataforma unificada para crear sistemas multiagente. Además, el aprendizaje adaptativo y el razonamiento que utilizan los agentes de inteligencia artificial pueden controlarse por medio de las funciones MLOps de OpenShift.
Blogs de Red Hat
Aquí encuentras la información más reciente sobre nuestros clientes, partners y comunidades open source.