Cómo crear un agente de IA en 7 pasos

Las empresas trabajan para obtener más valor de la inteligencia artificial generativa (GenAI) incorporándola a los procesos corporativos cotidianos. Están empezando a implementar software denominado agentes de IA en una serie de aplicaciones y su función es mantener conversaciones escritas y habladas y consultar bases de datos para ejecutar tareas de varios pasos, sin ser programados de antemano sobre cómo proceder en todas las situaciones.

Las aplicaciones de inteligencia artificial agéntica se pueden implementar para trabajar paso a paso en la recopilación de la información que necesitan, interactuando con los usuarios y sus calendarios, aprovechando la información de los sistemas locales y en la nube y utilizando motores de búsqueda u otros sitios web para responder preguntas o realizar acciones. Se basan en grandes modelos de lenguaje (LLM) de IA subyacentes por su poder predictivo y capacidad para interactuar con usuarios humanos en lenguaje natural.

Los proveedores de aplicaciones de productividad, gestión de clientes y back-office han comenzado a proporcionar a sus clientes estudios de diseño para personalizar, instruir y activar agentes de IA, o crear los suyos propios. Aquí encontrarás una serie de directrices útiles sobre cómo equipar a un agente de IA para el servicio, incluidos siete pasos para crear un agente.

¿Qué son los agentes de IA?

El software de agente de IA aprovecha los LLM entrenados en grandes cantidades de datos para encontrar relaciones y hacer asociaciones entre conceptos, lo que puede dar lugar a predicciones relevantes sobre el significado que pretenden los usuarios, comunicándose en lenguaje conversacional. Los agentes están diseñados para intermediar entre los usuarios y los modelos de lenguaje, tomando medidas activamente para resolver los problemas en diversos ámbitos.

Pueden ayudar a las organizaciones a automatizar procesos repetitivos, como colaborar en previsiones financieras, auxiliar a los equipos de RR. HH. a recorrer varios pasos de un proceso de selección, o resumir información de las cuentas e identificar oportunidades de venta para los representantes de ventas.

Cómo crear un agente de IA en 7 pasos

Se pretende que los agentes de IA comprendan las funciones organizativas de los usuarios, aprovechen los datos de los documentos corporativos para que los flujos de trabajo sigan siendo relevantes, y respondan a las indicaciones del lenguaje natural en lugar de a instrucciones precodificadas. Para prepararlos para esa flexibilidad en circunstancias cambiantes, las empreasas deben hacer algún trabajo de preparación.

1. Elige tu estrategia de creación de agentes. Las empresas deben decidir por adelantado si desean personalizar los agentes predefinidos suministrados por proveedores de software para automatizar los procesos o crear sus propios agentes desde cero. Dada la fase inicial de pruebas y la implementación de agentes de IA, la mayoría de las empresas probablemente personalizarán los agentes predefinidos para estar mejor posicionados para comenzar a generar valor. Al tomar la decisión, las empresas deben considerar lo siguiente:

• Talento de IA en el personal: el diseño de agentes personalizados requiere que desarrolladores de IA, científicos de datos y expertos en interfaces de usuario realicen la programación y la integración de sistemas necesarias, mientras que los administradores de aplicaciones pueden trabajar en un entorno de estudio de diseño para personalizar agentes listos para usar.
• Experiencia en el entrenamiento de modelos: la mayoría de las empresas no tendrán el conocimiento interno para seleccionar un LLM, necesario para desarrollar agentes de IA desde cero, y hacer los ajustes para que un modelo incorporado desde cero no se derive hacia la inexactitud con el tiempo.
• Costo: crear desde cero requiere una mayor inversión inicial en desarrollo, además de tarifas por llamadas de API a un LLM. Personalizar agentes de IA predefinidos de un proveedor como Oracle no genera ningún cargo más allá de las suscripciones de aplicaciones SaaS que las empresas ya abonan.
• Datos de alta calidad: los datos empresariales deben estar preparados para la IA antes de que los agentes puedan utilizarlos. Eso a menudo implica transformar los datos en incrustaciones vectoriales, que muestran matemáticamente las relaciones entre los conceptos, útiles para deducir la intención de los usuarios cuando plantean preguntas. Las empresas que crean agentes desde cero también deben estar atentas al "sobreajuste", en el que un LLM se adapta demasiado a los datos en los que fue entrenado y no puede generalizar a nuevos campos de conocimiento.
• Gobernanza y supervisión: las empresas podrían querer agentes que documenten su trabajo y sean transparentes para los gestores de línea de negocio que no son profesionales de TI. Los departamentos de TI también deben tener en cuenta que los agentes no tengan acceso a datos confidenciales que no deban hacerse públicos o revelarse a determinados empleados.

2. Selecciona un LLM o usa uno que ya esté listo. Los proveedores de aplicaciones SaaS que permiten a sus clientes refinar agentes en un estudio de diseño probablemente preseleccionarán con qué LLM interactuará su software o brindarán a los administradores una opción limitada. Las organizaciones que desarrollen desde cero tendrán que elegir entre LLM de empresas como Anthropic, Cohere, Google, IBM, Meta (desarrolladora de los populares modelos Llama), Microsoft, Mistral y OpenAI. Este enfoque puede dar a esas empresas el control sobre todas las capas de su pila de software agéntico, incluido el modelo subyacente. También significa que son responsables de mantener muchos más componentes de software en comparación con la personalización de agentes listos para usar.

3. Diseña un flujo de trabajo y define las herramientas. Incluso adaptar los agentes predefinidos es una tarea para un administrador de aplicaciones, no para un usuario empresarial. Los administradores pueden comenzar con plantillas de flujo de trabajo prediseñadas (casos de uso con código detrás en una vista de catálogo) o crear flujos de trabajo nuevos y personalizados. Para definir flujos de trabajo de agentes predefinidos, los administradores escriben instrucciones específicas de lenguaje natural en campos de un estudio de diseño de agentes o seleccionan acciones de las listas para especificar cómo debe interactuar el agente con los usuarios, mostrar datos o programar citas. Los administradores también pueden elegir qué herramientas debe utilizar el agente para responder preguntas y pueden proporcionar ejemplos de preguntas que podrían hacer los empleados.

Este proceso ayuda a definir el rol del agente, describiendo en términos claros cómo debe llevar a cabo un trabajo y a qué información necesitará acceder. Por ejemplo, un agente dentro de una aplicación de RR. HH. que ayuda a explicar los beneficios en el área de salud a los empleados necesitará acceder a documentos médicos, oftalmológicos, odontológicos y de otras políticas de salud, mientras que un agente de beneficios financieros puede necesitar acceder a información sobre planes de jubilación y acciones patrocinados por la empresa (más información a continuación).

4. Subir documentos para RAG. Ahora que el agente tiene sus instrucciones y herramientas, un administrador puede utilizar un cargador de documentos para preparar los documentos de la empresa para la generación aumentada de recuperación (RAG), una técnica de IA que proporciona a un LLM documentos y datos empresariales en tiempo para aumentar lo que el modelo aprendió durante su entrenamiento. El administrador proporciona instrucciones en lenguaje natural sobre cómo el agente debe utilizar los documentos. Un software desarrollador de agentes eficaz abstrae la base de datos vectorial que ayuda a ofrecer resultados altamente relevantes, basándose en lo que un usuario informático pretende encontrar.

5. Crea con un clic. Una vez sentadas las bases con instrucciones, temas y documentos, el administrador puede crear un agente en un estudio de diseño simplemente dándole un nombre y pulsando un botón de la interfaz de usuario. Las instrucciones en lenguaje natural permiten que el flujo de trabajo (u otros agentes) comprenda sus capacidades. A medida que se ejecutan, los agentes de IA aprenden a mejorar su desempeño a través de un proceso matemático de prueba, error y recompensa llamado aprendizaje por refuerzo.

Las empresas que crean desde cero sin un estudio de diseño pueden necesitar añadir integraciones a aplicaciones financieras, de RR. HH., de gestión de clientes y otras, así como a bases de datos y documentos de los usuarios. Los marcos de agentes de IA ofrecen una alternativa a escribir código desde cero, proporcionando arquitecturas de software, protocolos de comunicación, conectores a fuentes de datos locales y en la nube, y herramientas de supervisión para ayudar a las empresas a crear nuevos agentes. Entre los marcos de código abierto más populares se encuentran LangChain, LlamaIndex y AutoGen de Microsoft Research.

Los entornos de Agent Studio también pueden incluir un marco al que los administradores no necesitan acceder directamente.

6. Defina límites. Es momento de establecer límites para garantizar que los agentes conserven su precisión y puedan identificar cuándo deben pedir aprobación antes de llevar a cabo acciones. El administrador que configura el agente puede, por ejemplo, añadir el requisito de obtener la aprobación del personal antes de enviar un correo electrónico o actualizar un registro.

Los administradores también pueden establecer condiciones en las que se puede responder a una pregunta, o pueden añadir instrucciones que requieran que el LLM subyacente obtenga información de un sistema de TI de la empresa o solicite aclaraciones al usuario, en lugar de inventar una respuesta (un inconveniente de la GenAI llamada alucinación). Por ejemplo, un administrador puede escribir: asegúrate de que tienes información sobre el número de dependientes, ya sea preguntando al usuario o consultando el sistema. Si no conoces la respuesta, no inventes una.

Los agentes también pueden diseñarse para heredar las capacidades de moderación de contenidos del servicio en la nube en el que se ejecutan.

7. Prueba, implementa y monitorea. A través de un área de pruebas en el estudio, los administradores pueden ejecutar una interacción de ejemplo para evaluar si las respuestas del agente son útiles y relevantes, y comprobar qué fuentes cita. También pueden ver cómo cambiaría la interacción de un usuario si la empresa modificara las instrucciones del agente o su LLM subyacente. A continuación, un administrador puede implementar el agente desde el estudio de diseño.

Los agentes pueden mejorar su desempeño a lo largo del tiempo midiendo qué combinaciones de datos de RAG y peticiones al usuario producen los resultados más útiles. Los gestores de las empresas pueden calificar el desempeño de los agentes, incorporando los comentarios a futuras interacciones con los usuarios.

Uso de Oracle AI Agent Studio for Fusion Applications para personalizar agentes en Oracle Applications

Oracle AI Agent Studio permite a los administradores de TI configurar agentes de IA en Oracle Fusion Cloud Applications diseñados para ayudar a los usuarios en diversas tareas, como consultar saldos de horas pagadas, consultar el historial de compras de los clientes, procesar devoluciones de productos y analizar fotos de equipos de fabricación para estimar el costo de las reparaciones.

Los administradores de Fusion comienzan con plantillas predefinidas, que aparecen como mosaicos en su espacio de trabajo y que contienen el código necesario para comenzar. A continuación, los diseñadores le indican al agente que desean implementar sobre el alcance y los límites de su función, y sobre qué documentos y otras fuentes de datos deben buscar para obtener información. También pueden crear nuevos agentes desde cero. Los agentes se incluyen en las suscripciones de Fusion de los clientes sin costo adicional.

Preguntas frecuentes sobre cómo crear un agente de IA

¿Qué hace un agente de IA?

Los agentes de IA son asistentes virtuales implementados dentro de aplicaciones empresariales o software de productividad personal para ayudar a responder a las preguntas de los usuarios o ayudarles a completar tareas. A diferencia de los asistentes de software anteriores, que se basaban en reglas y flujos de trabajo precodificados, los agentes de IA están diseñados para comprender las indicaciones del lenguaje natural y el contexto, al tiempo que se adaptan a nuevas situaciones.

¿Son los agentes de IA el futuro?

Los agentes de IA podrían ser cada vez más útiles a medida que se implementan en diferentes aplicaciones empresariales con menos dependencia de la intervención humana y a medida que aprenden de las interacciones con más usuarios y consumidores a lo largo del tiempo.