Aunque los agentes de IA han acaparado titulares tecnológicos en todo el mundo, los ejemplos del mundo real de agentes de IA no siempre son evidentes.
En este artículo, te mostraré los tipos de agentes de IA con ejemplos de cada uno. Pero ten en cuenta que, aunque estén divididos por tipos, la mayoría de los sistemas de IA avanzados son combinaciones de varios tipos de agentes de IA.
Por ejemplo, los coches autoconducidos -o vehículos autónomos- implican agentes basados en utilidades, agentes basados en objetivos, agentes reflejos basados en modelos y agentes de aprendizaje. Es un proceso complejo, por lo que requiere muchas piezas móviles.
Y es la misma premisa para los agentes de IA en la gestión de la cadena de suministro. Utilizarán varios tipos de agentes para optimizar la logística, la gestión de inventarios, el almacenamiento y las entregas.
Pero para hacerlo más fácil, vamos a sumergirnos en lo que cada tipo de IA está diseñado para lograr, con algunos ejemplos de cómo ya se manifiesta en el mundo real.
Casos de uso empresarial
Los agentes de IA se utilizan cada vez más en las empresas para tareas que antes eran imposibles de automatizar. La flexibilidad de las plataformas de creación de IA hace que los casos de uso sean infinitos.
Comercio electrónico
Los agentes de IA de comercio electrónico se utilizan para realizar pedidos, hacer un seguimiento y proporcionar actualizaciones sobre el envío, facilitar la búsqueda basada en imágenes, enviar seguimientos sobre el abandono de carritos, proporcionar reseñas de productos de clientes anteriores y ofrecer sugerencias de productos personalizadas a los usuarios.
Ventas y marketing
La mayoría de los agentes de IA creados en Botpress se utilizan para funciones de ventas y marketing, como la generación de clientes potenciales o la creación de un embudo de ventas de IA .
Estos agentes pueden crear listas de clientes potenciales, enviar comunicaciones personalizadas y cualificar a los clientes potenciales (incluso mejor que un humano). Pueden elaborar estrategias y facilitar campañas de marketing, así como realizar análisis de la competencia.
Atención al cliente
Los chatbots de IA se utilizan desde hace tiempo para la atención al cliente, y menos mal que ahora pueden ser sustituidos por agentes de IA.
Los agentes de IA son capaces de realizar acciones en nombre de los usuarios, como cambiar su contraseña o gestionar un reembolso. Pueden ofrecer sugerencias de productos e incluso asistencia técnica avanzada. Nuestros clientes han reducido sus tickets de soporte en un 65% con agentes de IA.
Hostelería
Los hoteles y otras empresas de hostelería se adaptan perfectamente a los asistentes de IA: son multilingües, están disponibles 24 horas al día, 7 días a la semana y son fácilmente accesibles para los huéspedes. Los agentes de IA para hoteles pueden agilizar los servicios de habitaciones, sugerir servicios cercanos, mejorar las ventas de los servicios del hotel y ayudar al personal a coordinar las necesidades.
Aplicaciones de agentes de IA por tipo
Agentes basados en la utilidad
A diferencia de los agentes más simples, que podrían limitarse a reaccionar ante los estímulos del entorno, los agentes basados en la utilidad evalúan sus acciones potenciales en función de la utilidad esperada. Predecirán lo útil o beneficiosa que es cada opción con respecto a su objetivo fijado.
Los agentes basados en la utilidad destacan en entornos complejos de toma de decisiones con múltiples resultados potenciales, como equilibrar diferentes riesgos para tomar decisiones de inversión o sopesar los efectos secundarios de las opciones de tratamiento.
La función de utilidad de estos agentes inteligentes es una representación matemática de sus preferencias. La función de utilidad mapea el mundo que le rodea, decidiendo y clasificando qué opción es la más preferible. Entonces, un agente de utilidad puede elegir la acción óptima.
Como pueden procesar grandes cantidades de datos, son útiles en cualquier campo que implique la toma de decisiones de alto riesgo.
Comercio financiero
Los agentes basados en la utilidad son idóneos para los mercados de valores y criptomonedas, ya que pueden comprar o vender basándose en algoritmos cuyo objetivo es maximizar el rendimiento financiero o minimizar las pérdidas. Este tipo de función de utilidad puede tener en cuenta tanto datos históricos como datos de mercado en tiempo real.
Sistemas de precios dinámicos
¿Alguna vez has pagado más por un Uber o un Lyft bajo la lluvia? Eso es lo que hacen los agentes basados en servicios públicos: pueden ajustar los precios en tiempo real de vuelos, hoteles o viajes compartidos en función de la demanda, la competencia o el momento de la reserva.
Controladores de red inteligente
Este tipo de agentes inteligentes son lo "inteligente" de las redes inteligentes: son agentes basados en servicios públicos que controlan la distribución y el almacenamiento de electricidad.
Optimizan el uso de los recursos basándose en las previsiones de la demanda y los precios de la energía para mejorar la eficiencia y reducir los costes.
Recomendaciones de contenido personalizadas
Terminas de ver una película y Netflix te recomienda otras 3 iguales.
Servicios de streaming como Netflix y Spotify utilizan agentes basados en la utilidad para sugerir contenidos similares a los usuarios. La utilidad optimizada aquí es la probabilidad de que hagas clic en él.
Agentes basados en objetivos
Los agentes de IA basados en objetivos están -lo ha adivinado- diseñados para alcanzar objetivos específicos con inteligencia artificial.
En lugar de limitarse a responder a estímulos, estos agentes racionales son capaces de considerar las consecuencias futuras de sus acciones, por lo que pueden tomar decisiones estratégicas para alcanzar sus objetivos.
A diferencia de los agentes reflejos simples, que responden directamente a los estímulos basándose en reglas de condición-acción, los agentes basados en objetivos evalúan y planifican acciones para cumplir sus objetivos.
Lo que los distingue de otros tipos de agentes inteligentes es su capacidad de combinar la previsión y la planificación estratégica para navegar hacia resultados específicos.
Roomba
Los robots aspiradores -como el querido Roomba- están diseñados con un objetivo específico: limpiar todo el espacio accesible del suelo. Este agente basado en objetivos tiene una meta sencilla, y lo hace bien.
Todas sus decisiones tomadas por este agente basado en objetivos (como cuándo rotar) se toman en pos de este elevado objetivo. Los gatos que se sientan encima de ellos son sólo un extra.
Software de gestión de proyectos
Aunque también puede utilizar un agente basado en utilidades, el software de gestión de proyectos suele centrarse en la consecución de un objetivo específico del proyecto.
Estos agentes de IA suelen programar tareas y asignar recursos para que un equipo esté optimizado para completar un proyecto a tiempo. El agente evalúa el camino más probable hacia el éxito y actúa en nombre del equipo.
IA de videojuegos
En los juegos de estrategia y de rol, los personajes de la IA actúan como agentes basados en objetivos: sus objetivos pueden ir desde defender un lugar hasta derrotar a un adversario.
Estos agentes dotados de IA tienen en cuenta una serie de estrategias y recursos -qué ataque utilizar, qué potenciador quemar- para poder alcanzar su objetivo.
Agentes reflejos basados en modelos
Cuando hay que adaptarse a información que no siempre es visible o predecible, los agentes reflejos basados en modelos son la herramienta que hay que utilizar.
A diferencia de los agentes reflejos simples, que reaccionan únicamente en función de las percepciones actuales, los agentes reflejos basados en modelos mantienen un estado interno que les permite predecir entornos parcialmente observables. Se trata de un modelo interno de la sección del mundo relevante para sus funciones.
Este modelo se actualiza constantemente con los datos que recibe de su entorno, de modo que el agente de IA puede hacer inferencias sobre partes del entorno que no ve y anticiparse a las condiciones futuras.
Evalúan los posibles resultados de sus acciones antes de tomar decisiones, lo que les permite manejar las complicaciones. Esto es especialmente útil cuando se realizan tareas complejas, como conducir un coche en una ciudad o gestionar un sistema doméstico inteligente automatizado.
Gracias a su capacidad para combinar conocimientos pasados y datos en tiempo real, los agentes reflejos basados en modelos pueden optimizar su rendimiento, sea cual sea la tarea. Al igual que un ser humano, pueden tomar decisiones conscientes del contexto, incluso cuando las condiciones son impredecibles.
Vehículos autónomos
Aunque estos coches abarcan múltiples tipos de agentes inteligentes, son un buen ejemplo de agentes reflejos basados en modelos.
Los sistemas complejos como el tráfico y los movimientos peatonales son exactamente el tipo de reto para el que están diseñados los agentes reflejos basados en modelos.
Su modelo interno se utiliza para tomar decisiones en tiempo real en la carretera, como frenar cuando otro coche se salta un semáforo en rojo o reducir rápidamente la velocidad cuando el coche que circula delante hace lo mismo. Su sistema interno se actualiza constantemente en función de los datos del entorno: otros coches, actividad en los pasos de peatones, el tiempo.
Sistemas de riego modernos
Los agentes reflejos basados en modelos son el motor de los sistemas de riego modernos. Su capacidad para responder a reacciones ambientales inesperadas se adapta perfectamente a las condiciones meteorológicas y a los niveles de humedad del suelo.
El modelo interno del agente de IA representa y predice diversos factores ambientales, como los niveles de humedad del suelo, las condiciones meteorológicas y las necesidades de agua de las plantas.
Estos agentes recogen continuamente datos de sensores situados en sus campos, incluida información en tiempo real sobre humedad, temperatura y precipitaciones.
Al analizar estos datos, el agente reflejo basado en modelos puede tomar decisiones informadas sobre cuándo regar, cuánta agua dispensar y qué zonas de un campo requieren más atención. Esta capacidad predictiva permite al sistema de riego optimizar el uso del agua, garantizando que las plantas reciban exactamente lo que necesitan para prosperar (sin desperdiciar agua).
Sistemas de domótica
En este caso, el modelo interno es el del entorno de una vivienda: estos sistemas se actualizan continuamente con datos procedentes de sensores y utilizan esta información para tomar decisiones.
Un termostato detectará los cambios de temperatura y se configurará en función de las necesidades. O un sistema de iluminación puede detectar la oscuridad en el exterior y ajustarse en consecuencia. Como esta oscuridad puede venir de la noche o de una tormenta inesperada, hace falta un agente inteligente tanto para anticiparse como para reaccionar ante las diferencias.
Agentes de aprendizaje
Los agentes que aprenden destacan por su capacidad para adaptarse y mejorar con el tiempo en función de sus experiencias.
A diferencia de los agentes de IA más estáticos, que funcionan únicamente con reglas o modelos preprogramados, un agente de aprendizaje puede hacer evolucionar su comportamiento y sus estrategias. Debido a este elemento de aprendizaje, suelen utilizarse en entornos cambiantes.
Detección de fraudes
Los sistemas de detección de fraudes funcionan mediante la recopilación continua de datos y su posterior adaptación para reconocer patrones fraudulentos con mayor eficacia. Dado que los estafadores cambian constantemente sus tácticas, los agentes de detección de fraudes también tienen que seguir adaptándose.
Recomendación de contenidos
Plataformas como Netflix y Amazon utilizan un sistema equipado con un agente de aprendizaje para mejorar sus recomendaciones de películas, programas y productos.
Aunque tu perfil diga que te gustan las películas de terror y suspense, si de repente te pasas a las comedias románticas, tus recomendaciones se adaptarán. Al igual que nosotros, siempre está aprendiendo.
Software de reconocimiento de voz
Aplicaciones como Google Assistant y Siri hacen uso de un agente de aprendizaje para comprender mejor los agrios intentos de hablarles.
Gracias a los agentes de aprendizaje, estos sistemas entienden mejor los acentos y la jerga, por lo que podemos preguntarle a Siri cosas como: "Siri, ¿puedes encontrarme la chopería más cercana para cenar? Tengo un hambre atroz".
Termostatos adaptativos
Incluso los termostatos inteligentes, como Nest, aprenden del comportamiento de los usuarios, por ejemplo cuándo suelen estar en casa o fuera, y sus temperaturas preferidas.
Esta información puede estar siempre cambiando, por lo que los termostatos deben ser capaces de adaptarse a lo largo del tiempo, lo que los convierte en otro ejemplo de agente que aprende.
.webp)
Agentes jerárquicos
Los agentes jerárquicos se diferencian de otros tipos de agentes de IA en gran medida por su enfoque estructurado y multicapa de los problemas.
Los agentes jerárquicos son similares a una estructura organizativa compleja, con distintos niveles de toma de decisiones. Los distintos agentes del sistema tendrán diferentes áreas de especialización, lo que les hará más eficientes a la hora de gestionar tareas complejas de varios pasos.
Los agentes jerárquicos son una de las formas más complejas de desplegar agentes de IA, ya que están formados por múltiples agentes de IA más pequeños.
En una frase: Una estructura jerárquica de agentes consiste en el proceso estructurado de toma de decisiones en los distintos niveles de un sistema.
Robots de fabricación
En los sistemas de fabricación avanzados, los agentes jerárquicos orquestan la cadena de producción.
Los agentes de alto nivel planifican y asignan tareas en todo el sistema, mientras que los agentes de nivel inferior controlan maquinaria específica, como brazos robóticos para tareas de ensamblaje.
Cada uno de ellos puede comunicarse con el otro para garantizar un flujo de producción fluido: es la toma de decisiones multinivel en acción.
Sistemas de control del tráfico aéreo
Estos sistemas utilizan agentes jerárquicos para gestionar el flujo seguro y eficiente del tráfico aéreo. Al tratarse de una tarea compleja que abarca múltiples funciones, es necesario un sistema de agentes jerárquicos para su correcta ejecución.
Los agentes de nivel superior se encargan de la gestión del tráfico regional en general, mientras que los agentes de nivel inferior se centran en tareas específicas como despegues, aterrizajes y rodajes en aeropuertos concretos.
Robots autónomos de almacén
Los agentes jerárquicos son los que gestionan el inventario y la manipulación de paquetes en los almacenes mejorados con aprendizaje automático.
Los agentes de alto nivel optimizan la disposición del almacén y la distribución del inventario, mientras que los agentes de nivel inferior manejan carretillas elevadoras y clasificadores robóticos individuales para ejecutar las tareas físicas de traslado y organización de mercancías.
Agentes robóticos
Es exactamente lo que nos gusta pensar cuando imaginamos un agente inteligente: el agente robótico.
Con un elemento de rendimiento añadido, los agentes robóticos son los hijos predilectos de los agentes de inteligencia artificial. Estos agentes inteligentes operan en un entorno físico, en lugar de limitarse a existir como agentes de software.
Estos agentes físicos suelen estar equipados con sensores, como cámaras o sensores táctiles. Este tipo de agente de IA es especialmente útil en tareas peligrosas o muy repetitivas, ya que puede ser más eficiente y rentable que las realice un agente de inteligencia artificial.
Este tipo de agente de IA se combina con otros tipos de inteligencia artificial, de modo que puede realizar físicamente tareas de utilidad o tareas objetivo, a veces dentro de sistemas multiagente o sistemas jerárquicos.
Robots de línea de montaje
Hay muchos robots en las cadenas de montaje. Estos agentes de IA realizan tareas como soldar, pintar y ensamblar piezas, todo ello con gran precisión y rapidez.
Como son agentes inteligentes, pueden optimizar el tiempo de producción manteniendo un nivel de rendimiento fijo.
Robots quirúrgicos
La cirugía es una actividad de alto riesgo y precisión, por lo que resulta ideal para los agentes de IA.
Agentes robóticos como el sistema quirúrgico da Vinci ayudan a los cirujanos cuando realizan intervenciones precisas y mínimamente invasivas. Estos agentes de IA no realizan cirugías de forma autónoma, sino que amplían las capacidades del cirujano.
Robots agrícolas
Los robots se utilizan habitualmente en el ciclo agrícola, desde la siembra de semillas hasta la cosecha y el control de las condiciones del campo.
Estos agentes de IA ayudan a aumentar la productividad, porque puede ser más fácil para una máquina plantar 10.000 semillas de zanahoria que conseguir que lo haga un humano.
Robots de servicio
El robot de servicio más famoso de todos: WALL-E. Lejos quedan los robots de restaurante que te traen directamente a la mesa tus interminables pedidos de sushi todo lo que puedas comer.
Utilizamos robots de servicio en todas partes: aspiradoras robóticas, información a los huéspedes en hoteles y entrega de mercancías a los clientes en todo tipo de establecimientos.
Asistentes virtuales
Los asistentes virtuales se basan en el procesamiento del lenguaje natural y la inteligencia artificial, y quizá sean los ejemplos más conocidos de agentes de IA para el gran público.
Estos asistentes personales inteligentes entienden y procesan el lenguaje humano (con procesamiento de lenguaje natural) para realizar tareas, como establecer recordatorios y gestionar correos electrónicos.
Este tipo de agente de IA también incluye un elemento de aprendizaje: pueden aprender de las interacciones del usuario, se vuelven más personalizados y eficaces con el tiempo.
Siri
Siri, uno de los primeros asistentes virtuales de uso generalizado, está integrado en la mayoría de los dispositivos Apple, incluidos iPhones, iPads, Macs y el Apple Watch.
Siri te ayuda a realizar diversas tareas, como hacer llamadas, enviar mensajes de texto, establecer recordatorios, darte indicaciones y responder a preguntas de cultura general.
Alexa
Disponible en dispositivos Amazon Echo y otros productos compatibles con Alexa, este asistente virtual reproduce música, controla dispositivos domésticos inteligentes, hace listas de la compra y ofrece noticias actualizadas. Y arruinó el nombre 'Alexa' para los humanos.
Asistente de Google
Conoces este programa agente por los teléfonos Android y los dispositivos Google Home. El Asistente de Google destaca a la hora de extraer información de la web, programar eventos, gestionar productos domésticos inteligentes y facilitar la traducción en tiempo real.
Su profunda integración con los servicios de Google lo hace especialmente potente para tareas relacionadas con mapas, YouTube y funciones de búsqueda.
Sistemas multiagente
La belleza de los sistemas multiagente reside en su diversidad y en la riqueza de sus interacciones.
Los agentes de estos sistemas suelen ser increíblemente variados, desde un simple agente de software que filtra datos hasta entidades complejas que gestionan funciones críticas en redes inteligentes o redes de transporte.
Cada agente funciona de forma semiautónoma, pero está diseñado para interactuar con otros agentes, formando un ecosistema dinámico en el que el comportamiento colectivo surge de las acciones individuales. Para este tipo de programa de agentes, la colaboración es clave.
Sistemas de gestión del tráfico
Puede encontrar estos agentes inteligentes en la gestión del tráfico, múltiples agentes representan diferentes señales de tráfico, cámaras de vigilancia y sistemas de información.
Estos agentes de IA colaboran para optimizar el flujo del tráfico, reducir los atascos y responder a condiciones en tiempo real como accidentes u obras en la carretera. Cada agente maneja datos de su localidad y se comunica con los demás para ajustar las señales de tráfico en consecuencia, por lo que el trabajo en equipo es una necesidad.
Redes inteligentes para la gestión de la energía
Las redes inteligentes también implican numerosos agentes de IA, cada uno de los cuales controla diferentes aspectos de la distribución de electricidad, desde las centrales de generación hasta los contadores inteligentes individuales de los hogares.
Estos agentes de IA trabajan juntos para equilibrar eficazmente la oferta y la demanda de energía, integrar las fuentes de energía renovables y mantener la estabilidad de la red.
La coordinación de un sistema multiagente garantiza una distribución óptima de la energía y la eficiencia de costes en toda la red.
Cadena de suministro y logística
En la gestión de la cadena de suministro, los agentes representan a diversas partes interesadas, como proveedores, fabricantes, distribuidores y minoristas. Estos agentes se coordinan para optimizar el proceso de la cadena de suministro, desde el aprovisionamiento hasta la entrega, garantizando la eficiencia y reduciendo los costes.
Robótica autónoma de enjambre
A veces, durante misiones de exploración o rescate, se despliegan enjambres de robots.
Cada agente robótico funciona de forma semiindependiente, pero se coordina con los demás agentes de IA para cubrir zonas más amplias, compartir datos sensoriales o mover objetos en colaboración.
Esto resulta especialmente útil en entornos difíciles -como edificios derrumbados o superficies planetarias-, donde el trabajo en equipo de un gran sistema de IA puede lograr mucho más que los agentes de IA individuales.
Agentes reflejos simples
Un agente reflejo simple es el más pequeño de la camada. Tiene una inteligencia muy limitada y funciona según una regla directa de condición-acción.
Estos agentes basados en reglas no son adecuados para tareas complejas. Sin embargo, son perfectamente aptos para las tareas específicas para las que han sido diseñados.
Los agentes reflejos simples son adecuados para tareas sencillas en un entorno predecible. Las acciones de este tipo de agentes afectan al mundo que les rodea, pero sólo en tareas específicas.
Termostatos
¿Son las 6 de la tarde en invierno? Sube la calefacción. ¿Es mediodía en verano? Este simple agente reflejo, con su limitada inteligencia, encenderá el aire acondicionado.
Puertas automáticas
Aunque su inteligencia percibida es baja, las puertas automáticas suelen ser ejemplos de agentes reflejos simples. Este agente de IA detecta a un humano delante de una puerta, y se abre. Bellamente sencillo.
Detectores de humo
Este agente de IA opera desde el techo de tu cocina. Sí, también es un simple agente reflejo. Detecta humo y hace sonar una alarma.
Filtros de spam básicos
Algunos agentes de la inteligencia artificial llevan años ayudándonos a diario. El filtro de spam del correo electrónico es uno de ellos. Las versiones básicas no utilizan el procesamiento del lenguaje natural, sino palabras clave o la reputación del remitente.
Crea un agente AI propio
Hay muchos tipos de agentes de IA, algunos mucho más difíciles de construir que otros.
Pero si lo que quiere es crear un chatbot agéntico -que pueda actuar en sus sistemas cotidianos, como el envío de correos electrónicos y la reserva de reuniones-, podemos ayudarle.
Nuestra plataforma cuenta con una sencilla interfaz de arrastrar y soltar para principiantes y un sinfín de posibilidades de ampliación para desarrolladores profesionales.
Incluso tenemos una comunidad activa de más de 20.000 creadores de bots, por si quieres ayuda durante el proceso.
Empieza a construir hoy mismo. Es gratis.
PREGUNTAS FRECUENTES
¿Sienten los agentes de IA?
No, los agentes de IA no son sensibles. Siguen programas informáticos que les indican sus objetivos, aunque pueden actuar de forma autónoma para conseguir resultados.
¿Cuál es el proceso de decisión y acción de los agentes de IA?
Los distintos tipos de agentes de IA observarán su entorno y actuarán de forma diferente. Algunos utilizan datos de modelado y otros, sensores. Tienen objetivos diferentes en función de su razonamiento programado.
¿Qué es un agente basado en modelos?
Un agente basado en modelos es otra forma de referirse a un agente reflejo basado en modelos, un tipo de agente de IA que combina datos pasados y entradas actuales para determinar el mejor curso de acción.
Índice
Manténgase al día sobre lo último en agentes de IA
Comparte esto en:
.svg)
.webp)
