Resumen:
- Hay siete tipos diferentes de agentes de IA, que van desde agentes reactivos simples hasta sistemas multiagente.
- Actualmente, las empresas líderes en IA se centran principalmente en crear agentes basados en objetivos junto con agentes de aprendizaje.
- En el futuro, podríamos ver agentes de IA verdaderamente autónomos que puedan interactuar con otros agentes de IA para realizar múltiples tareas.
Está claro que los agentes de IA impulsados por la acción liderarán la revolución de la IA, y ya hay señales tempranas. Desde chatbots impulsados por IA hasta agentes de IA que pueden leer sus correos electrónicos y programar citas, estamos a punto de ingresar a la era de las agencias. Para comprender mejor los agentes de IA, he explicado diferentes tipos de agentes de IA en detalle. Además, he enumerado las empresas líderes y los agentes de IA existentes que ya están disponibles en el mercado. Entonces, comencemos.
1. Agentes con reacciones simples
Comencemos con el tipo más simple de agente de IA: agentes con reacciones simples. Como sugiere su nombre, estos agentes realizan acciones basadas en información actual, siguiendo una condición “si-entonces”. Por ejemplo, un termostato enciende la calefacción cuando la temperatura desciende por debajo de un punto determinado. Simplemente realiza una acción cuando la condición es verdadera.
Sin embargo, este tipo de agente de IA tiene varias limitaciones. Sólo tiene en cuenta la información actual (también llamada “percepciones” o percepción). No recuerda lecturas de temperatura anteriores ni considera lecturas futuras: solo actúa en función de la temperatura actual.
Los agentes reactivos simples no tienen memoria y sólo actúan cuando el entorno es totalmente observable, un estado en el que está disponible toda la información necesaria para tomar una decisión. Como resultado, no conserva una representación o modelo interno del mundo.
2. Agentes reflexivos basados en modelos
A continuación, los agentes reflectantes basados en modelos mejoran el rendimiento de los agentes reflectantes simples. Este tipo de agente mantiene una representación interna del mundo y, por tanto, tiene memoria. Básicamente, estos agentes rastrean las acciones y cómo afectan al mundo, y actualizan el modelo/representación interna. Por ejemplo, un automóvil autónomo, mientras navega en el tráfico, recuerda las ubicaciones de los vehículos incluso cuando se han movido de su ubicación actual. Esta representación interna permite tomar decisiones más informadas.
Ahora, basándose en observaciones pasadas e información actual, el agente crea una representación interna del mundo y realiza la acción deseada. Esto significa que los agentes reflexivos basados en modelos pueden operar en entornos parcialmente observables. Básicamente, el modelo interno se utiliza para predecir la próxima acción. Este modelo se basa en algoritmos avanzados de inteligencia artificial.
3. Agentes basados en objetivos
Como sugiere su nombre, los agentes orientados a objetivos son agentes orientados a resultados, lo que significa que consideran acciones futuras que los acercarán al objetivo final. Estos agentes pueden realizar investigaciones, planificar operaciones y considerar diferentes secuencias de acciones que los llevarán al objetivo deseado. Los agentes basados en objetivos basan sus acciones en tener en cuenta las consecuencias futuras.
Por ejemplo, un GPS que planifica su ruta debe buscar y considerar todos los caminos que conducen al destino. Tiene en cuenta todas las rutas posibles en función de la distancia, la duración, el tráfico actual, etc. Ahora, basándose en esta información, el agente basado en objetivos planifica y elige la mejor ruta para llegar al destino deseado. Este tipo de agente es esencial en aplicaciones de IA que requieren planificación estratégica.
4. Agentes basados en beneficios
Los agentes basados en utilidad son un tipo de agentes basados en objetivos, pero no están vinculados a un objetivo específico. Por ejemplo, los agentes orientados a objetivos piensan sólo en términos de lograr o no lograr un objetivo: de forma binaria. Sin embargo, los agentes basados en la utilidad consideran diferentes estados del mundo, evalúan diferentes resultados basándose en preferencias complejas y luego eligen la acción que maximiza su “utilidad”.
Este tipo de agente funciona asignando una puntuación numérica a diferentes secuencias de acciones y selecciona sólo la acción que proporciona la puntuación de utilidad más alta. Los agentes basados en utilidad están diseñados en situaciones donde el resultado es incierto. Por ejemplo, el objetivo de un sistema de comercio impulsado por IA puede ser maximizar las ganancias, pero también debe tener en cuenta cuánto riesgo puede tolerar el usuario y cuáles son las condiciones actuales del mercado. Esto requiere un análisis cuidadoso de los riesgos y retornos potenciales.
Esencialmente, los agentes basados en la utilidad consideran diferentes preferencias y evalúan los resultados antes de tomar una decisión. Su objetivo no es sólo alcanzar la meta, sino equilibrar diferentes factores para encontrar la acción óptima. Esto significa que buscan maximizar la “utilidad esperada” basándose en una evaluación integral de las circunstancias.
5. Agentes de aprendizaje: mejora del rendimiento en sistemas de IA
Los agentes de aprendizaje, por definición, son capaces de mejorar el rendimiento a lo largo del tiempo al aprender de experiencias pasadas. La mejor característica de los agentes de aprendizaje es su capacidad de adaptarse a entornos desconocidos y optimizar sus acciones en función de la retroalimentación. En los agentes de aprendizaje, hay un componente “crítico” que proporciona retroalimentación sobre el rendimiento del agente, lo cual es crucial para el proceso de aprendizaje.
Para ilustrar un ejemplo, consideremos cómo funcionan los filtros de spam para los correos electrónicos. Los filtros de spam tienen un conjunto básico de reglas para empezar; Sin embargo, a medida que continúa marcando correos electrónicos como spam, el agente aprende a través de las calificaciones proporcionadas ("crítico") y adapta su comportamiento. Ahora, en el futuro, estos correos electrónicos se marcarán automáticamente como spam y se moverán a otra carpeta. Este proceso se basa en algoritmos avanzados en el campo del aprendizaje automático.
6. Agentes piramidales
Los agentes jerárquicos son un tipo de agente que divide objetivos complejos en subobjetivos. Hay muchas tareas complejas que requieren procedimientos de varios pasos y resolución de problemas. En tales casos, las tareas se dividen en subproblemas más pequeños y manejables, que se organizan en una jerarquía. Ahora, a los agentes de nivel inferior se les delegan esas tareas, y los agentes de nivel superior controlan la estrategia y el resultado final.
Por ejemplo, cuando le pides a un robot de IA que prepare la cena, el agente de alto nivel planifica y divide la tarea, como hacer pasta y salsa. Estas tareas luego se desglosan aún más, como encender la estufa y agregar agua a la olla. Ahora, de esta manera jerárquica, la tarea se completa, de una capa a la siguiente. Este enfoque permite realizar tareas complejas de manera eficiente y eficaz, lo que es crucial en aplicaciones de IA avanzadas.
7. Sistemas multiagente
Finalmente, llegamos a los sistemas multiagente (MAS), que combinan múltiples agentes independientes para lograr un objetivo común. Estos sistemas permiten que múltiples agentes se comuniquen, interactúen, coordinen acciones potenciales, negocien y cooperen entre sí. En tales sistemas, cada agente opera independientemente y tiene su propia capacidad para tomar decisiones.
Sin embargo, todos los agentes deben cumplir con un protocolo común de sistemas multiagente para evitar conflictos y lograr un objetivo común. Por ejemplo, en un sistema de cadena de suministro, hay varios agentes que rastrean el inventario, otro agente informa al departamento de compras según los requisitos de inventario, un agente de logística encuentra la mejor ruta de envío, y así sucesivamente. Los sistemas multiagente son una solución eficaz a problemas complejos que requieren coordinación y cooperación entre entidades independientes.
Agentes de IA actuales de empresas tecnológicas líderes
Ya hay muchos tipos de agentes de IA disponibles en el mercado. Empresas como OpenAI, Google, Microsoft, Anthropic, Salesforce y muchas otras están creando agentes y marcos de IA para aprovechar eficazmente el poder de la IA específica. A continuación se muestran algunos agentes de IA que puedes consultar, teniendo en cuenta que estas herramientas aún se encuentran en continuo desarrollo y mejora.
OpenAI
OpenAI es la primera empresa en lanzar Agente de IA del operador Orientado al consumidor. Es un agente que utiliza una computadora para automatizar tareas en la web. Un operador puede interactuar con navegadores web y realizar acciones con solo hacer clic, escribir y deslizar el dedo. Puede usarlo para completar formularios, reservar boletos de avión, hacer pedidos de comestibles y más. Sin embargo, aún no es completamente autónomo. Deberá completar pagos manualmente e ingresar CAPTCHAs cuando sea necesario. Este agente representa un avance significativo en el desarrollo de una IA capaz de completar tareas complejas de manera eficiente.
Es probable que el operador caiga en la categoría de agente basado en objetivos y de aprendizaje. Está orientado a objetivos y aprende interactuando con sitios web. Además, lo hace Agente de investigación profunda de OpenAI Realiza tareas de investigación complejas de varios pasos y analiza texto, imágenes y archivos PDF para generar un informe completo. Yo diría que es una combinación de un agente basado en objetivos, un agente de aprendizaje y un agente jerárquico que divide las tareas en subtareas más pequeñas. Estas capacidades lo convierten en una herramienta poderosa para investigadores y analistas.
Además, OpenAI dice que lo último o3 y o4-mini No son solo modelos de IA, sino sistemas de IA similares a agentes. Estos nuevos sistemas de IA se comportan como agentes y pueden interactuar con una amplia gama de herramientas, como la búsqueda web, los intérpretes de Python, el análisis de imágenes y Plus. Son agentes basados en modelos y objetivos. Estos sistemas representan un avance significativo en las capacidades de la IA.
Por último, la última herramienta Codex CLI de OpenAI, que permite a los desarrolladores leer, editar y ejecutar código desde la terminal, es otro tipo de agente de IA. Puede corregir errores automáticamente, crear nuevas funciones y modificar archivos. Nuevamente, este es un agente basado en objetivos, creado utilizando el agente de aprendizaje. Esta herramienta mejora enormemente la productividad de los desarrolladores.
Hasta ahora, Google sólo ha lanzado Agente de inteligencia artificial de investigación profunda en Gemini, que funciona de manera similar al agente de OpenAI. Puede navegar por la web, mapear la información que necesita y compilarla para crear un informe completo sobre cualquier tema. Clasifico a este agente como un agente de aprendizaje basado en objetivos, lo que lo hace avanzado en el campo de la inteligencia artificial.
A continuación, Google presentó el Proyecto Mariner, que todavía está en desarrollo. Este proyecto funciona como el agente Operator AI de OpenAI y puede automatizar tareas en el navegador Chrome. Puede analizar la pantalla activa y realizar acciones en sitios web. Google dice que el agente se está probando con evaluadores confiables y se lanzará en un futuro cercano.
Además, Google ha introducido Protocolo Agente2Agente (A2A) La nueva función permite que varios agentes de IA se comuniquen entre sí. No es un agente en sí, sino un estándar/marco que permitirá sistemas multiagente (MAS).
Antrópico
Al igual que OpenAI, Anthropic ha presentado su agente de IA “Computer Use”, actualmente en versión beta, que puede interactuar con entornos de computadoras de escritorio. Puede analizar la pantalla, hacer clic, escribir y realizar operaciones con archivos. No se limita sólo a los navegadores web, también puede realizar acciones a nivel del sistema operativo. No hace falta decir que se trata de un agente de aprendizaje basado en objetivos.
Además, Anthropic lanzó recientemente una herramienta de búsqueda con integración con Workspace on Cloud. Puede conectarse a Gmail, Calendario y Drive, así como a la web para realizar investigaciones y extraer información. De manera similar, Claude Code es una herramienta de codificación proxy que se ejecuta dentro de la Terminal. Comprende el código base y puede modificar archivos, ejecutar pruebas e interactuar con Git también. Ambos son agentes basados en objetivos.
Finalmente, Anthropic desarrolló el Protocolo de Contexto de Modelo (MCP), un estándar abierto para conectar modelos de IA a fuentes de datos externas, lo que permite a los agentes de IA operar de manera confiable en servicios sin API. Aunque no es un agente, permite la comunicación entre modelos de IA, herramientas, sitios web y otras fuentes de datos. Puedes descubrir cómo Configuración de MCP en la nube en Windows y macOS.
Microsoft
En el espacio de servicios al consumidor, Microsoft anunció varios nuevos agentes de IA para su chatbot, Copilot. Un agente puede Investigación profunda en Copilot Realice investigaciones de varios pasos para crear informes completos sobre temas específicos. Además, puede Acciones del copiloto Reserva entradas, haz reservas y compra productos desde la web. Sin embargo, sólo funciona en sitios web asociados.
Para las empresas, Microsoft anunció recientemente el agente Computer Use AI en Copilot Studio. Puede interactuar directamente con sitios web y aplicaciones de escritorio para realizar acciones y no depende de API especializadas. Microsoft también presentó el agente Security Copilot para ayudar con las alertas de phishing, la seguridad de datos y la gestión de identidad, componentes esenciales de la ciberseguridad empresarial.
Microsoft ha desarrollado varios agentes Copilot para clientes empresariales, e incluso puedes crear un agente de IA personalizado para tu flujo de trabajo. Puede comenzar a utilizar Copilot Studio y conectar servidores MCP, API y fuentes externas para automatizar tareas, lo que aumenta la productividad laboral y reduce posibles errores.
Salesforce
Además de Microsoft, Salesforce ha desarrollado la plataforma Agentforce para clientes empresariales, que proporciona agentes de IA autónomos y personalizables. Los usuarios comerciales pueden crear, implementar y administrar múltiples agentes de IA en Agentforce para generar clientes potenciales, optimizar las ventas, administrar el marketing y más. Agentforce es una plataforma líder para la automatización de procesos de negocio utilizando inteligencia artificial.
Salesforce afirma que, a diferencia de Copilot de Microsoft, los agentes de Agentforce pueden ejecutar acciones de forma autónoma en función de eventos o desencadenadores predefinidos. Los agentes de Agentforce pueden actualizar registros en la base de datos, enviar correos electrónicos, concertar reuniones, resolver casos pendientes, etc. Estas capacidades hacen de Agentforce una herramienta poderosa para automatizar las tareas de servicio al cliente y ventas.
Entonces, estos son los tipos de agentes de IA que puedes explorar y encontrar los agentes de IA actualmente disponibles en el mercado. A medida que avanzamos, los agentes de IA se convertirán en una parte esencial de la experiencia de Internet, ya sea del lado del consumidor o de la empresa. Se espera que el mercado de agentes de IA experimente un crecimiento significativo en los próximos años, impulsado por la creciente demanda de automatización y una mayor eficiencia.
Los comentarios están cerrados.