Tendencia en IA: agentes 🤖 — parte 1
Los agentes de IA están causando revuelo en el mundo tecnológico, y no es para menos. Andrew Ng lo señala como el avance que podría impulsar la IA más que la próxima generación de modelos base. En este blog, exploraremos los conceptos clave de esta tecnología, basándonos en las perspectivas de The Batch (Andrew Ng, 2024) y el análisis de Chip Huyen (2025).
Gracias especiales a Claude por la buena conversación sobre este tema, buscando siempre los puntos más importantes y de eso sale aquí mi resumen de estudio sobre este tema ‘trend topic’ “Agentes” 🤖
¿Listos para descubrir por qué los agentes son el próximo gran paso en la IA? ¡Empecemos! 🚀
¿Qué es un agente de IA? 🤖
Es como un asistente inteligente que puede percibir su entorno y actuar en él. Imaginemos un ayudante digital que puede entender lo que pasa a su alrededor y realizar acciones para ayudarnos, como buscar información, analizar datos o automatizar tareas. Artificial Intelligence: A Modern Approach (1995)
Partes principales de un agente:
- El “cerebro”: Es el modelo de IA que toma las decisiones
- Las “herramientas”: Son las diferentes acciones que puede realizar (como buscar en internet, hacer cálculos, generar imágenes)
- El “entorno”: Es donde opera (puede ser un juego, internet, o un sistema de computadora)
¿Cómo trabaja un agente?
Un agente en inteligencia artificial trabaja siguiendo un ciclo de planificación, ejecución y ajuste para completar una tarea de manera eficiente. Primero, analiza la información disponible y planifica los pasos necesarios para alcanzar su objetivo. Luego, ejecuta cada uno de esos pasos utilizando sus herramientas, como modelos de lenguaje, bases de datos o sensores, dependiendo de su diseño. Una vez finalizada la ejecución, reflexiona sobre los resultados evaluando si logró su propósito. Si detecta errores o desviaciones, ajusta su estrategia y vuelve a intentarlo, mejorando su desempeño con cada iteración. Este proceso de retroalimentación permite que los agentes sean más adaptables y eficaces en diversas aplicaciones, desde asistentes virtuales hasta sistemas autónomos.
Un agente en inteligencia artificial es un sistema que percibe su entorno, procesa información y actúa de manera autónoma para alcanzar un objetivo. Puede ser reactivo, basado en modelos, con objetivos explícitos o de aprendizaje. Su aplicación va desde chatbots hasta vehículos autónomos, ajustando decisiones en tiempo real y mejorando su desempeño con el tiempo. Estos agentes son clave para la automatización y la toma de decisiones inteligentes en diversas áreas tecnológicas.
Sus herramientas pueden ser de diferentes tipos:
- Para obtener información (como buscadores web)
- Para realizar cálculos o procesar datos
- Para crear contenido (como generar imágenes o texto)
- Para modificar cosas (como actualizar una base de datos)
Retos y limitaciones:
Los agentes en inteligencia artificial enfrentan diversos retos y limitaciones que pueden afectar su desempeño. Durante la planificación, pueden cometer errores al definir los pasos necesarios para completar una tarea, lo que lleva a soluciones ineficientes o incorrectas. Además, en la fase de ejecución, pueden utilizar sus herramientas de manera inadecuada, generando respuestas equivocadas o irrelevantes. Otro desafío importante es el costo y la velocidad de procesamiento, ya que algunos agentes requieren gran capacidad computacional, lo que puede hacerlos lentos o costosos de operar. Por estas razones, en tareas críticas, como la toma de decisiones médicas o la conducción autónoma, los agentes necesitan supervisión humana para garantizar precisión y seguridad en sus acciones.
Lo más interesante es que los agentes pueden:
- Aprender de sus errores
- Combinar diferentes herramientas para resolver problemas complejos
- Trabajar de forma autónoma en muchas tareas
- Ayudar en una amplia variedad de trabajos, desde análisis de datos hasta servicio al cliente
Hay muchos frameworks que se han ido desarrollando para crear un sistema basado en agentes, de mis favoritos está CrewAI! puedes ver este curso para principiantes totalmente gratis: Multi AI Agent Systems with crewAI
Si quieres usar otros frameworks, lenguajes (Python, JavaScript,…) puedes revisar más cursos en líneas aquí
Características de los Agentes en IA:
1. Importancia y Potencial: (The Batch. Marzo, 20, 2024)
- Los flujos de trabajo con agentes podrían impulsar más avances en IA que los nuevos modelos base
- Pueden mejorar dramáticamente el rendimiento de los modelos existentes
- Por ejemplo: GPT-3.5 mejoró de 48.1% a 95.1% de precisión en tareas de código usando agentes
Más allá de pedir a un LLM “escribe un ensayo” (usando zero-shot prompting) es posible iterar muchas veces haciendo una
2. Reflexión en Detalle:
Más allá de pedir a un LLM “escribe un ensayo” (usando zero-shot prompting) es posible iterar muchas veces haciendo una reflexión en detalle, ya que es un patrón básico pero muy efectivo que funciona como un proceso iterativo de:
- Generar una solución
- Auto-criticar el resultado
- Mejorar basado en la crítica
- Repetir si es necesario
3. Ventajas del Enfoque Iterativo:
- Supera el enfoque de “un solo intento” (zero-shot)
- Permite revisar y mejorar el trabajo
- Es similar al proceso humano de escribir y revisar
- Puede incluir múltiples pasos como: Crear un esquema, buscar información, hacer un borrador, revisar y mejorar, entre otros.
4. Patrones de Diseño Principales:
- Reflexión: El agente examina y mejora su propio trabajo
- Uso de Herramientas: Utiliza funciones como búsqueda web o ejecución de código
- Planificación: Desarrolla y ejecuta planes paso a paso
- Colaboración Multi-agente: Varios agentes trabajan juntos dividiendo tareas
5. Implementación Práctica:
La implementación práctica de agentes en inteligencia artificial permite mejorar la toma de decisiones y optimizar tareas automatizadas mediante un enfoque iterativo. Al combinar distintos tipos de agentes y herramientas, es posible diseñar sistemas más eficientes y adaptables a diferentes contextos. A continuación, se presentan algunas estrategias clave para implementar agentes de manera efectiva:
- Se puede usar dos agentes: uno que genera y otro que critica
- Se pueden añadir herramientas para evaluar resultados
- El proceso puede repetirse varias veces para mejorar la calidad
- Es relativamente fácil de implementar con beneficios significativos
Parte 2 — viene con la parte práctica de cómo construir un sistemas con agentes usando nuestras LLMs ya conocidas :D viene pronto!
Do you identify as Latinx and are working in artificial intelligence or know someone who is Latinx and is working in artificial intelligence?
- Get listed on our directory and become a member of our member’s forum: https://forum.latinxinai.org/
- Become a writer for the LatinX in AI Publication by emailing us at publication@latinxinai.org
- Learn more on our website: http://www.latinxinai.org/
Don’t forget to hit the 👏 below to help support our community — it means a lot!
