Aunque la IA generativa todavía se siente nueva e innovadora, ya nos acercamos al segundo aniversario del lanzamiento de ChatGPT. Es seguro decir que ahora estamos firmemente en la era de la IA generativa. De hecho, ha pasado suficiente tiempo para que algunas personas comiencen a preguntarse si la IA generativa ha estado a la altura de su considerable expectativa, y si no, ¿por qué no?
No hay duda de que la IA generativa es capaz de grandes cosas, pero no es suficiente para habilitar muchos casos de uso de nivel empresarial. Los flujos de trabajo actuales de IA generativa están limitados de varias maneras. Es por eso que está emergiendo una nueva clase de IA, conocida como agentes de IA. Los agentes de IA son complementarios a la IA generativa y ayudan a llevar los flujos de trabajo de IA generativa al siguiente nivel en la evolución de la IA.
El campo de los agentes inteligentes existe desde hace décadas, pero ahora, la sinergia de los algoritmos avanzados de IA generativa con la tecnología de agentes puede resolver problemas empresariales reales para las empresas. Similar a cómo muchos proveedores (incluidas las nubes y los proveedores de Modelo como Servicio) ahora ofrecen modelos de IA que otros pueden usar para ajuste fino o generación aumentada por recuperación (RAG), estamos entrando en el ámbito de los esquemas de agentes de IA (también conocidos como plantillas o flujos de trabajo) que automatizan tareas comunes como la reserva de vuelos, el servicio al cliente y la evaluación virtual para el descubrimiento de fármacos. Estos esquemas pueden ser independientes de la industria o específicos de la industria y son ofrecidos por nubes y proveedores de servicios.
La siguiente tabla captura cómo la combinación de IA generativa y agentes aporta valor a las empresas.
Los agentes de IA son el siguiente paso importante en nuestro viaje de IA. Pueden ayudar a las empresas a habilitar casos de uso que han estado fuera de alcance hasta ahora. Este hecho probablemente impulsará una rápida adopción. Según Gartner®:
“Para 2028, el 33% de las aplicaciones de software empresarial incluirán agentes de IA, frente a menos del 1% en 2024, permitiendo que el 15% de las decisiones laborales diarias se tomen de forma autónoma.”[1]
La conclusión clave de la tabla anterior es que los flujos de trabajo de agentes de IA consumirán datos y modelos de IA dinámicamente de múltiples proveedores externos.
¿Qué hace que un flujo de trabajo sea agéntico?
Um fluxo de trabalho de IA é considerado um agente quando tem a capacidade de agir como um agente inteligente. Isso significa que ele pode perceber o ambiente ao seu redor e tomar ações específicas com base no que percebe. O fato de ter agência significa que não precisa ser acionado por um humano para fazer isso.
Os agentes de IA são um novo desenvolvimento baseado em um conceito estabelecido. Na década de 1990, a IBM introduziu o ciclo de controle MAPE—monitoramento, análise, planejamento e execução—como um modelo para computação autônoma. O ciclo de feedback inclui sistemas que monitoram constantemente os armazenamentos de dados e reentrenam modelos conforme necessário. Em alguns casos, os humanos ainda desempenham um papel no ajuste fino do ciclo e na decisão final sobre a execução geral. Isso é conhecido como humano no ciclo (HITL).
Figura 1: Arquitetura de agentes (loop MAPE)
Na era do aprendizado de máquina, os componentes de análise e planejamento do ciclo MAPE tornaram-se muito mais sofisticados, incorporando tanto a IA generativa quanto modelos convencionais. É por isso que os fluxos de trabalho de agentes de IA podem suportar casos de uso que exigem tanto flexibilidade quanto precisão. Na fase de execução, os fluxos de trabalho de agentes de IA podem se autoacionar sem a necessidade de HITL. Isso inclui trabalhar com uma hierarquia de outros agentes inteligentes para alcançar objetivos comuns.
Os fluxos de trabalho de agentes de IA podem aplicar diferentes ferramentas e recursos para atingir esses objetivos. Isso inclui extrair dados em tempo real diretamente de muitas fontes diferentes, incluindo sensores, bancos de dados ou APIs. Após encontrar insights relevantes, eles são capazes de raciocinar sobre qual ação tomar a seguir. Eles podem então aprender com as ações que tomam, compilando dados para ajudar a melhorar sua tomada de decisão no futuro.
Figura 2: Patrones de diseño de pipeline de agentes de IA
Cada uno de los puntos en la figura anterior representa un agente. Un modelo de IA puede estar encapsulado dentro de un agente. Los agentes en un pipeline pueden provenir del mismo proveedor o de diferentes proveedores, y pueden ejecutarse en la misma ubicación o remotamente en una ubicación diferente. Por lo tanto, la colocación de estos agentes (dónde se ejecutan y su ubicación en relación con las fuentes de datos y modelos de IA) y la conectividad de red entre ellos son importantes.
Casos de uso de agentes de IA
Las aplicaciones potenciales para agentes de IA en entornos empresariales son prácticamente ilimitadas. Examinemos solo algunos ejemplos aquí.
Negociación de alta frecuencia
Con los datos del mercado de valores ahora ampliamente disponibles en tiempo real, la carrera para capitalizar en negociaciones favorables ocurre más rápido que un parpadeo. Así, actuar sin demora—ya sea esa demora proveniente de la latencia de red o de la intervención humana—es esencial.
Las empresas de negociación de alta frecuencia (HFT) pueden diseñar sus agentes inteligentes para identificar ineficiencias de mercado y, luego, ejecutar operaciones antes de que la oportunidad desaparezca en nanosegundos.
Atención médica
Los agentes inteligentes son capaces de monitorear constantemente los datos de sensores para detectar incluso cambios aparentemente menores en la condición de un paciente. Cuando detectan tal cambio, son capaces de razonar qué ajustes deben hacerse en el plan de cuidados. Crucialmente, pueden decidir qué cambios son lo suficientemente significativos para requerir la experiencia de un médico humano. En casos como este, pueden alertar al médico inmediatamente.
Marketing
Los agentes pueden monitorear autónomamente la eficacia de las campañas de marketing, rastreando tanto las redes sociales externas como los resultados de ventas internos. Luego pueden tomar acciones correctivas para mejorar el desempeño.
Recursos humanos
Los agentes pueden monitorear dinámicamente las cualificaciones y capacidades de los empleados y nuevas contrataciones a través de correos electrónicos, chats, tickets de soporte y presentaciones. Luego pueden ajustar la capacitación necesaria de los empleados, asignando cursos o conectando a los empleados con expertos en la materia y mentores.
Gestión de la cadena de suministro
Las empresas están aprovechando los agentes para automatizar el monitoreo de inventario. Al realizar pedidos automáticamente, predecir interrupciones en la cadena de suministro basadas en eventos externos y ajustar los cronogramas de producción, pueden mantener niveles de inventario óptimos.
Ciberseguridad
Los agentes pueden monitorear continuamente el comportamiento de los empleados, el tráfico de red, correos electrónicos y registros del sistema para detectar amenazas a la seguridad. Luego pueden tomar acciones correctivas dinámicamente, como enviar alertas o controlar el acceso.
Agentes de IA requieren infraestructura en los lugares correctos
Como cualquier otra forma de IA, los agentes de IA requieren infraestructura digital distribuida que esté diseñada y posicionada estratégicamente para atender las necesidades de diferentes flujos de trabajo. De hecho, como los agentes de IA prometen capacidades más avanzadas que la IA tradicional, no es sorprendente que exijan infraestructura más avanzada para cumplir esa promesa. La Figura 3 muestra cómo las empresas pueden implementar agentes en una plataforma de infraestructura distribuida para aprovechar el valor comercial descrito a continuación.
Figura 3: Propuesta de valor de Equinix para agentes de IA
Implementación en centros de datos preparados para IA
En muchos casos de uso, los agentes necesitarán ejecutarse en infraestructura de IA que consume mucha energía y requiere refrigeración especial (por ejemplo, soluciones de proveedores de servicios que instancian millones de agentes en nombre de sus clientes). Como se muestra en el Punto 1 en la Figura 3 anterior, los centros de datos de Equinix permiten que las empresas implementen racks de IA de próxima generación que pueden consumir más de 40KW por rack y requieren refrigeración líquida.
Manteniendo la latencia baja
Como se mencionó anteriormente, los agentes de IA son ideales para casos de uso que operan a velocidad de máquina, incluyendo negociación de alta frecuencia. El valor de estos casos de uso proviene de operar a velocidades mucho más rápidas de lo que un ser humano podría siquiera comenzar a registrar, pero los agentes no pueden hacer esto si se ven retrasados por la latencia. Así, como se muestra en el Punto 5 en la Figura 3, es esencial que las empresas implementen agentes cerca de donde se generan los datos o donde se ubican los usuarios finales. También es importante que estos agentes estén conectados mediante interconexión privada de alta velocidad y predecible.
Garantizando eficiencia de costos
A pesar del claro potencial de los agentes de IA, puede ser difícil obtener aprobación ejecutiva para casos de uso que no sean eficientes en términos de costos. Así, como se muestra en los Puntos 3 y 4 en la Figura 3, las empresas necesitan infraestructura digital distribuida que les permita procesar datos en la región metropolitana donde fueron generados. Esto ayuda a evitar retrocesos de datos que consumen muchos recursos de red y, por lo tanto, aumentan los costos. Además, deben tener cuidado para reducir las tarifas de salida de datos de la nube al diseñar sus arquitecturas de agentes de nube híbrida.
Atender a los requisitos de privacidad y conformidad
Los agentes de IA no pueden ser un desorden de datos. Las empresas necesitan garantizar que sus agentes puedan extraer los datos que necesitan sin poner esos datos en riesgo de exposición. Además, necesitan saber que no están usando datos en algún lugar donde no deberían. Por ejemplo, pueden tener que cumplir regulaciones de residencia de datos que exigen que ciertos tipos de datos permanezcan dentro de una determinada jurisdicción. Por lo tanto, como se muestra en el Punto 4 en la Figura 3, necesitan que sus agentes sean hospedados estratégicamente.
Mantener elección y flexibilidad
Los agentes necesitan extraer datos de diferentes fuentes y comunicarse con otros agentes hospedados en diferentes plataformas de proveedores. Por lo tanto, como se muestra en los Puntos 1 y 3 en la Figura 3, es beneficioso tener una copia de su almacenamiento o data lake (núcleo de datos autoritativo) y sus agentes coordinadores implementados en una ubicación de infraestructura neutral como Equinix. Esto garantiza la flexibilidad necesaria para acceder a agentes de varios proveedores y protege contra el bloqueo de proveedores. Así, permite que las empresas elijan el agente correcto para una tarea específica sin preocuparse por la plataforma en que el agente está hospedado y aprovechen los mejores agentes de diferentes proveedores.
El socio correcto para infraestructura de agentes de IA
Atendiendo a cada uno de los requisitos de infraestructura mencionados anteriormente, como se muestra en la Figura 3, Equinix está en una posición única para posibilitar la adopción de agentes de IA.
Ofrecemos una plataforma global de centros de datos y servicios de interconexión para ayudar a nuestros clientes a implementar en el borde, manteniendo la latencia y los costos de red bajos.
Nuestra plataforma es neutral en relación a proveedores por diseño, y ofrecemos rampas de acceso a la nube de baja latencia para todos los principales proveedores de nube. Nuestros clientes pueden implementar junto a las regiones de nube de su elección. Esto significa que pueden acceder a servicios de nube bajo demanda, evitando el bloqueo de proveedores y tarifas de salida de datos.
Por último, podemos ayudar a las empresas a seguir una estrategia de IA privada, donde construyen y ejecutan modelos solo en infraestructura privada. Esto permite que posicionen estratégicamente los agentes y conjuntos de datos en los lugares correctos para garantizar privacidad y conformidad con regulaciones de residencia de datos.
Sepa más sobre lo que la IA privada con la Plataforma Equinix® puede ayudarle a realizar: Lea nuestro e-book conjunto con NVIDIA.
[1] Gartner, Intelligent Agents in AI Really Can Work Alone. Here’s How. Tom Coshow, October 1, 2024.
GARTNER is a registered trademark and service mark of Gartner, Inc. and/or its affiliates in the U.S. and internationally and is used herein with permission. All rights reserved.
[2] Steve R. White, James E. Hanson, Ian Whalley, David M. Chess, Jeffrey O. Kephart, An architectural approach to autonomic computing, IBM Research, September 27, 2004.
Subscribe to the Equinix Blog