¿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. Este sistema, que se centra en el comportamiento orientado a los 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 garantice que el LLM pueda acceder a herramientas externas, así como 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 a una pregunta, por ejemplo, que decida si la consulta puede resolverse con la información disponible o si hace falta realizar una búsqueda externa.

Ventajas de elegir Red Hat para la inteligencia artificial con agentes

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 las cámaras, los sensores y los monitores para recopilar datos sobre su entorno y, a continuación, ejecutar esa información junto con el software para tomar decisiones sobre su próximo paso. Este proceso se denomina fusión de sensores.

Por otro lado, 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.

Adentrémonos un poco más en algunas de las funciones especializadas de la inteligencia artificial con agentes:

La inteligencia artificial con agentes es adaptativa y dinámica

Aprende de los patrones y los datos con los que trabaja. Esto significa que puede cambiar su estrategia en función de la información nueva o variable que reciba y en tiempo real. Mientras que los flujos de trabajo tradicionales solo avanzan, aquellos 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 agentes 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 y una ardilla en la carretera. Al supervisar y analizar de manera permanente su propio comportamiento, puede optimizar el resultado de sus acciones.

La inteligencia artificial con agentes puede gestionar tareas y completarlas por sí sola

Hay quienes la llaman 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 y encargar que te los envíen a tu casa desde un almacén local.

La inteligencia artificial con agentes puede actuar “en cadena”

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.

La inteligencia artificial con agentes es útil sobre todo para aquellas tareas que requieren una supervisión permanente o decisiones rápidas. Entre los beneficios que aporta se incluyen:

Aumento de la productividad. La delegación de tareas a un agente de inteligencia artificial permite centrarse más en iniciativas que aportan valor a la empresa. Imagínate que se trata 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 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.

Gracias a estas funciones únicas, la inteligencia artificial con agentes puede utilizarse para diversos fines. A continuación, analizaremos el uso que se le puede dar 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 experimentos y llevarlos a cabo , 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.

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 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, 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, 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.

En este sistema multiagente, cada agente tiene una estructura interna que le permite funcionar de manera independiente y colaborativa 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.

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 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 tenga acceso.

Comparación entre la IA con agentes y la IA generativa

La generación aumentada por recuperación (RAG) es un método mediante el cual se vincula un modelo de lenguaje de gran tamaño (LLM) a una petición 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 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 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, comprobar la información de la tarjeta de crédito para obtener el reembolso y completar la transacción en tu nombre.

Cuando los sistemas de inteligencia artificial con agentes necesitan conectarse a un recurso externo, pueden hacerlo mediante el protocolo de contexto de modelos (MCP). Este es un protocolo open source que permite la conexión bidireccional y la comunicación estandarizada entre las aplicaciones de inteligencia artificial y los servicios externos. 

Permite que los sistemas de inteligencia artificial se conecten virtualmente a distintas fuentes de datos y herramientas de manera sencilla y confiable. Es como si fuera un cable USB-C que conecta los dispositivos con los accesorios y permite la transmisión de los datos. 

El MCP y la inteligencia artificial con agentes se ayudan mutuamente para crear sistemas de inteligencia artificial inteligentes. Con el MCP, los sistemas de inteligencia artificial pueden interactuar con el ecosistema digital más amplio para llevar a cabo las tareas de los usuarios. Sin el MCP, la inteligencia artificial con agentes puede pensar y planificar (todas las características de la inteligencia artificial generativa), pero no puede interactuar con ningún sistema externo. 

Descubre el conjunto de servidores MCP de Red Hat

La inteligencia artificial con agentes aporta perspectivas de innovación y agilidad a 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 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 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 grandes recursos informáticos, en particular una gran capacidad de procesamiento y de almacenamiento. Es importante considerar el impacto ambiental que esto implica.

Por último, como ocurre con cualquier tecnología incipiente, debemos recordar que hay una curva de aprendizaje. La implementación y la gestión de flujos de trabajo con agentes basados en LLM requieren conocimientos especializados, sobre todo en el ámbito empresarial.

Descubre los casos prácticos de inteligencia artificial/machine learning

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 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