¿Qué es la inteligencia artificial con agentes?

La inteligencia artificial con agentes es un sistema de software que interactúa con datos y herramientas para que la intervención humana sea mínima. Esta tecnología, también conocida como agentes de inteligencia artificial, se centra en el comportamiento orientado a objetivos y puede realizar tareas mediante la creación de una lista de pasos y su posterior ejecución autónoma.

Se puede concebir la inteligencia artificial con agentes como una forma 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 garantice a un LLM el acceso a herramientas externas, así como los algoritmos que den indicaciones a los agentes de inteligencia artificial sobre el uso que deben hacer de ellas.

El modo en que los agentes se comunican con las herramientas implica un proceso de organización, con flujos o gráficos, según el marco que se utilice. Este enfoque permite que el LLM "razone" y determine la mejor manera de responder una pregunta, por ejemplo, decidir si la consulta puede resolverse con la información disponible o si es necesario realizar una búsqueda externa.

Descubre Red Hat AI 

Un agente de inteligencia artificial puede considerarse como una entidad que se instala en 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.

En un sistema robótico, un agente de inteligencia artificial puede utilizar cámaras, sensores y monitores para recopilar datos sobre su entorno y, luego, ejecutar esa información junto con el software para tomar decisiones sobre su próximo paso. Este proceso se denomina fusión de sensores.

En cambio, en un entorno de software, la inteligencia artificial con agentes recopila los datos de otras fuentes, como las API, las búsquedas en línea, las peticiones de texto y las bases de datos, que permiten que los agentes mejoren su percepción y comprendan el contexto.

A continuación, analizaremos algunas de las funciones específicas de la inteligencia artificial con agentes:

Es adaptable y dinámica

La inteligencia artificial con agentes aprende de los patrones y los datos que se encontró con anterioridad. Esto significa que puede cambiar su estrategia de inmediato en función de la información nueva o variable que reciba. Los flujos de trabajo tradicionales solamente avanzan, mientras que aquellos basados en este tipo de tecnología pueden avanzar y retroceder, por lo que pueden volver atrás y corregir los errores sobre la marcha. En otras palabras, la inteligencia artificial con agentes se anticipa a las necesidades de manera preventiva y analiza su propio trabajo.

Por ejemplo, un vehículo autónomo utiliza la inteligencia artificial con agentes para distinguir mejor entre basura en la carretera y una ardilla. Al supervisar y analizar su propio comportamiento de forma permanente, puede optimizar el resultado de sus acciones.

Puede gestionar y completar tareas de manera independiente

En ocasiones, a esta tecnología también se la conoce como 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 cocinar espaguetis para la cena. En ese caso, el agente podría seguir los pasos necesarios para encontrar una receta, elaborar una lista de ingredientes o encargar que te los envíen a tu casa desde un almacén local.

Puede crear "cadenas de acciones"

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 petición, el agente puede escribir el código de la estructura, llenar las páginas de contenido, diseñar los elementos visuales y comprobar la capacidad de respuesta.

La inteligencia artificial con agentes es ideal especialmente para las tareas que requieren una supervisión permanente o decisiones rápidas. Estas son algunas de sus ventajas:

Aumento de la productividad. La delegación de tareas a un agente de inteligencia artificial permite centrarse en iniciativas que aportan valor a una empresa, como si se tratara de un pasante 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 sólidos permite hacer predicciones y estrategias más acertadas.

Experiencia del usuario mejorada. La creación de un flujo de trabajo automatizado siempre requirió 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.

Gracias a estas funciones únicas, la inteligencia artificial con agentes puede utilizarse con varios fines. A continuación, analizaremos el uso que se le puede dar en distintos 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 el código de depuración, gestionar el ciclo de vida del desarrollo y diseñar la arquitectura del sistema de manera automática.
• En las operaciones de software, se podría utilizar la inteligencia artificial con agentes 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 esta 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 la capacidad de la inteligencia artificial con agentes para analizar las tendencias del mercado, tomar decisiones comerciales y ajustar la estrategia de manera permanente en función de los flujos de datos en tiempo real a los que tiene acceso.

Descubre los casos prácticos de la inteligencia artificial generativa
Descubre los casos prácticos de la inteligencia artificial predictiva

La inteligencia artificial con agentes facilita la creación de sistemas inteligentes que puedan funcionar de manera independiente, 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, primero divide 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, organizador 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 sistema multiagente, cada agente tiene una estructura interna que le permite funcionar de manera independiente y cooperativa a la vez. Esta colaboración se basa en almacenes de memoria compartidos, que proporcionan el contexto relativo al conocimiento individual, las experiencias pasadas y los estados de creencias.

La inteligencia artificial generativa se centra en crear contenido y, la inteligencia artificial con agentes, en ejecutar tareas. La primera genera contenido nuevo mediante la creación de modelos predictivos y la regresión lineal, mientras que 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 peticiones que le hacemos. 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 peticiones y resultados en función de la información a la que tiene acceso.

La generación aumentada por recuperación (RAG) es un método mediante el cual se vincula un modelo de lenguaje de gran tamaño a una petición alternativa o un recurso externo para obtener mejores respuestas de una aplicación de inteligencia artificial generativa. La RAG con agentes amplía las funciones de la RAG tradicional, ya que permite que el LLM lleve a cabo investigaciones 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 de peticiones manuales. Además, la RAG 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 tome mejores decisiones por ti sin que debas intervenir.

Por ejemplo, con la RAG tradicional, puedes pedirle a un chatbot que te 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 iniciar una. En ese caso, los agentes de inteligencia artificial podrían llevar a cabo las tareas logísticas necesarias, como llenar el formulario de devolución con el número de pedido, comprobar la información de la tarjeta de crédito para obtener el reembolso y completar la transacción en tu nombre.

La inteligencia artificial con agentes nos da la posibilidad de innovar y agilizar muchos de nuestros sistemas. 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 con agentes se adecuen a nuestros valores o de determinar al responsable de los errores que pueda cometer este tipo de tecnología. En algunos casos, nos enfrentamos a problemas relacionados con la transparencia, ya que no sabemos con certeza el proceso del agente para llegar 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 tratar con cautela cualquier modelo de inteligencia artificial que diseñemos o utilicemos. En otras palabras, debemos asegurarnos de que la arquitectura se diseñe con parámetros de seguridad que protejan el flujo de datos.

También hay que tener en cuenta que la inteligencia artificial con agentes requiere una gran cantidad de recursos informáticos, en particular una amplia capacidad de procesamiento y de almacenamiento, así como el impacto ambiental que esto implica.

Por último, como ocurre con cualquier tecnología nueva, debemos recordar que hay una curva de aprendizaje. Para implementar y gestionar flujos de trabajo con agentes basados en LLM, se requieren conocimientos especializados, especialmente en el ámbito empresarial.

Descubre los casos prácticos de inteligencia artificial/machine learning

Para aquellas empresas que aún están conociendo las ventajas de la inteligencia artificial generativa, los agentes de inteligencia artificial pueden ser la clave para obtener beneficios concretos. Red Hat® AI y nuestro ecosistema de partners de inteligencia artificial pueden ayudarte a diseñar los marcos adecuados para crear flujos de trabajo de inteligencia artificial con agentes y ampliar su capacidad.

Red Hat Enterprise Linux® AI es un sistema de organización basado en agentes de InstructLab, y se puede emplear para perfeccionar los modelos de lenguaje de gran tamaño y los pequeños que utilizan 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.

Descubre Red Hat OpenShift AI