¿Qué es un agente de IA?

Como ya se ha explicado anteriormente, aunque las funciones clave de un agente de IA son el razonamiento y la acción (como se describe en el marco ReAct), con el tiempo se han desarrollado más funciones.

• Razonamiento: este proceso cognitivo básico consiste en usar la lógica y la información disponible para sacar conclusiones, hacer inferencias y resolver problemas. Los agentes de IA con potentes capacidades de razonamiento pueden analizar datos, identificar patrones y tomar decisiones fundamentadas basadas en evidencias y contexto.
• Acción: la capacidad de tomar medidas o realizar tareas basadas en decisiones, planes o entradas externas es fundamental para que los agentes de IA interactúen con su entorno y logren sus objetivos. Esto puede incluir acciones físicas en el caso de la IA encarnada, o acciones digitales como enviar mensajes, actualizar datos o activar otros procesos.
• Observación: recopilar información sobre el entorno o la situación a través de la percepción o la detección es esencial para que los agentes de IA entiendan su contexto y tomen decisiones fundamentadas. Esto puede implicar varias formas de percepción, como la visión artificial, el procesamiento del lenguaje natural o el análisis de datos de sensores.
• Planificación: desarrollar un plan estratégico para alcanzar los objetivos es un aspecto clave del comportamiento inteligente. Los agentes de IA con funciones de planificación pueden identificar los pasos necesarios, evaluar las acciones posibles y elegir la mejor línea de actuación en función de la información disponible y los resultados deseados. Esto suele implicar anticipar estados futuros y tener en cuenta posibles obstáculos.
• Colaboración: trabajar de forma eficaz con otras personas, ya sean humanos u otros agentes de IA, para lograr un objetivo común es cada vez más importante en entornos complejos y dinámicos. La colaboración requiere comunicación, coordinación y la capacidad de entender y respetar las perspectivas de los demás.
• Autorefinamiento: la capacidad de automejora y adaptación es una característica distintiva de los sistemas de IA avanzados. Los agentes de IA con funciones de autorefinamiento pueden aprender de la experiencia, ajustar su comportamiento en función de la información que reciben y mejorar continuamente su rendimiento y sus funciones con el tiempo. Esto puede implicar técnicas de aprendizaje automático, algoritmos de optimización u otras formas de automodificaciones.

Los asistentes de IA son agentes de IA diseñados como aplicaciones o productos para colaborar directamente con los usuarios y realizar tareas mediante la comprensión y la respuesta a datos y lenguaje humano natural. Pueden razonar y tomar medidas en nombre de los usuarios con su supervisión.

Los asistentes de IA suelen estar integrados en el producto que se usa. Una característica clave es la interacción entre el asistente y el usuario a lo largo de los diferentes pasos de la tarea. El asistente responde a las solicitudes o peticiones del usuario y puede recomendar acciones, pero la toma de decisiones la lleva a cabo el usuario.

• Autonomía: los agentes de IA tienen el mayor grado de autonomía, ya que pueden operar y tomar decisiones de forma independiente para alcanzar un objetivo. Los asistentes de IA son menos autónomos y requieren la intervención y las entradas del usuario. Los bots son los que menos autonomía tienen, ya que suelen seguir reglas preprogramadas.
• Complejidad: los agentes de IA están diseñados para gestionar tareas y flujos de trabajo complejos, mientras que los asistentes y bots de IA son más adecuados para tareas e interacciones más sencillas.
• Aprendizaje: los agentes de IA suelen utilizar el aprendizaje automático para adaptarse y mejorar su rendimiento con el tiempo. Los asistentes de IA pueden tener algunas capacidades de aprendizaje, mientras que los bots suelen tener capacidades de aprendizaje limitadas o nulas.

Cada agente define su función, personalidad y estilo de comunicación, e incluye instrucciones específicas y descripciones de las herramientas disponibles. 

• Perfil: un perfil bien definido permite que un agente mantenga un carácter coherente y se comporte de forma adecuada a su función asignada, evolucionando a medida que el agente gana experiencia e interactúa con su entorno.
• Memoria: el agente tiene, en general, memoria a corto plazo, a largo plazo, de consenso y episódica. Memoria a corto plazo para interacciones inmediatas, memoria a largo plazo para datos y conversaciones históricos, memoria episódica para interacciones pasadas y memoria de consenso para información compartida entre agentes. El agente puede mantener el contexto, aprender de las experiencias y mejorar el rendimiento recordando interacciones anteriores y adaptándose a situaciones nuevas.
• Herramientas: las herramientas son funciones o recursos externos que un agente puede utilizar para interactuar con su entorno y mejorar sus capacidades. Permiten a los agentes realizar tareas complejas accediendo a información, manipulando datos o controlando sistemas externos. Se pueden clasificar según su interfaz de usuario, que puede ser física, gráfica o programable. El aprendizaje de herramientas consiste en enseñar a los agentes a usarlas de forma eficaz, lo que implica conocer sus funciones y el contexto en el que deben aplicarse.
• Modelo: los modelos de lenguaje extensos (LLMs) sirven de base para crear agentes de IA, a los que proporcionan la capacidad de entender, razonar y actuar. Los LLMs actúan como el "cerebro" de un agente, lo que les permite procesar y generar lenguaje, mientras que otros componentes facilitan el razonamiento y la acción.

Los agentes de IA se pueden clasificar de varias formas según sus funciones, roles y entornos. Estas son algunas de las categorías principales de agentes:

Hay distintas definiciones de los tipos y categorías de agentes. 

Una forma de clasificar a los agentes es según cómo interactúan con los usuarios. Algunos agentes interactúan directamente con los usuarios, mientras que otros trabajan en segundo plano y realizan tareas sin que los usuarios tengan que intervenir directamente: 

• Partners interactivos (también conocidos como agentes de superficie): nos ayudan con tareas como el servicio de atención al cliente, la sanidad, la educación y los descubrimientos científicos, y nos ofrecen asistencia personalizada e inteligente. Los agentes conversacionales incluyen interacciones con humanos en forma de preguntas y respuestas, charlas y conocimientos del mundo. Suelen activarse con las consultas de los usuarios y responden a sus consultas o transacciones.
• Procesos autónomos en segundo plano (también conocidos como agentes en segundo plano): trabajan en segundo plano para automatizar tareas rutinarias, analizar datos para obtener información valiosa, optimizar procesos para mejorar la eficiencia e identificar y solucionar posibles problemas de forma proactiva. Entre ellas, se incluyen los agentes de flujos de trabajo. Tienen una interacción humana limitada o nula y, por lo general, se basan en eventos y cumplen tareas en cola o en cadena.

• Agente único: actúa de forma independiente para lograr un objetivo concreto. Utilizan herramientas y recursos externos para realizar tareas, lo que mejora sus funciones en distintos entornos. Son los más adecuados para tareas bien definidas que no requieren la colaboración de otros agentes de IA. Solo puede usar un modelo de base para su procesamiento.
• Multiagente: varios agentes de IA que colaboran o compiten para alcanzar un objetivo común o metas individuales. Estos sistemas aprovechan las diversas funciones y roles de los agentes individuales para abordar tareas complejas. Los sistemas multiagente pueden simular comportamientos humanos, como la comunicación interpersonal, en escenarios interactivos. Cada agente puede tener diferentes modelos básicos que se adapten mejor a sus necesidades.

Aunque los agentes de IA ofrecen muchas ventajas, también plantean algunos retos:

Tareas que requieren una empatía o inteligencia emocional profundas, o que implican una interacción humana compleja y dinámicas sociales : los agentes de IA pueden tener dificultades para interpretar los matices de las emociones humanas. Las tareas como la terapia, el trabajo social o la resolución de conflictos requieren un nivel de comprensión emocional y empatía que la IA no tiene actualmente. Pueden sentirse incómodos en situaciones sociales complejas en las que se requiere entender las señales no verbales.

Situaciones con implicaciones éticas importantes: los agentes de IA pueden tomar decisiones basadas en datos, pero carecen de la brújula moral y el juicio necesarios para afrontar situaciones éticamente complejas. Esto incluye áreas como la aplicación de la ley, la atención sanitaria (diagnóstico y tratamiento) y la toma de decisiones judiciales.   

Dominios con entornos físicos impredecibles: los agentes de IA pueden tener dificultades en entornos físicos muy dinámicos e impredecibles en los que son esenciales la adaptación en tiempo real y las habilidades motoras complejas. Esto incluye tareas como la cirugía, algunos tipos de trabajos de construcción y las labores de respuesta ante desastres.

Aplicaciones que requieren muchos recursos: desarrollar y desplegar agentes de IA sofisticados puede ser costoso desde el punto de vista computacional y requerir una cantidad considerable de recursos, lo que puede hacer que no sean adecuados para proyectos más pequeños o para organizaciones con presupuestos limitados.