Explicación de la arquitectura de la IA agéntica

Resumen

La arquitectura agéntica es el diseño estructural y el marco de un sistema de IA que permite a uno o más agentes de IA operar de forma autónoma.

• A diferencia de los sistemas no agénticos que proporcionan respuestas simples y lineales, las arquitecturas agénticas admiten procesos dinámicos y multietapa donde los agentes pueden adaptarse a nueva información y aprender de los resultados.
• Las arquitecturas abarcan desde sistemas de un solo agente hasta complejos patrones multiagente, que se están aplicando para transformar casos de uso como la automatización del flujo de trabajo, la atención al cliente y la inteligencia empresarial.

Conceptos clave de la arquitectura agéntica

Varios conceptos básicos definen una arquitectura agéntica y la separan de los modelos de IA más simples.

• Autonomía: los agentes pueden operar y tomar decisiones con un grado significativo de independencia, sin requerir la constante intervención humana en cada paso.
• Adaptabilidad: El sistema está diseñado para ajustar su comportamiento y sus estrategias en tiempo real en respuesta a la nueva información o a las condiciones cambiantes del entorno.
• Orientada a objetivos: la arquitectura se construye para perseguir objetivos específicos. Todos los planes y acciones están alineados con el logro de un objetivo final definido, y no con la simple ejecución de una orden.
• Ciclo de percepción-planificación-acción: este es el bucle operativo fundamental de un agente. El agente identifica su entorno (percibe), formula una estrategia (planifica) y luego lleva a cabo esa estrategia (actúa).

Principales componentes de un sistema agéntico

Las arquitecturas agénticas suelen estar compuestas por varias capas o componentes integrados que funcionan en conjunto para permitir una acción autónoma.

Capa de percepción

Así es como el agente "percibe" su entorno. Se encarga de recopilar información a través de diversas entradas, como API, consultas de usuarios o datos de documentos.

Capa de razonamiento y planificación

Esta capa procesa la información recogida por la capa de percepción, utilizando modelos de lenguaje grandes (LLM) para comprender la semántica, el significado, el contexto y los objetivos. Esta capacidad permite al agente razonar de forma autónoma para descomponer problemas complejos y crear un plan estratégico.

A diferencia de los primeros agentes de IA que estaban limitados por reglas preprogramadas, los agentes potenciados por LLM también pueden reflexionar sobre sus acciones. Analizando los resultados y los comentarios de la capa de acción, el agente puede mejorar su rendimiento, corregir su rumbo y adaptar su estrategia para lograr mejores resultados.

Capa de acción

Así es como el agente "actúa" sobre el mundo. Ejecuta el plan utilizando herramientas, llamando a las API, generando texto o interactuando con otros sistemas.

Memoria

Este componente permite al agente almacenar y recuperar información de forma eficaz.

La memoria a corto plazo gestiona los datos para la tarea inmediata y mantiene la concentración necesaria durante la ejecución. La memoria a largo plazo construye el contexto a lo largo del tiempo extrayendo y recordando las preferencias del usuario y resumiendo las experiencias pasadas. Esto permite al agente recuperar la historia relevante para informar el contexto actual, generando un sesgo positivo que le ayuda a resolver nuevos problemas.

Cómo funciona la arquitectura de agentes: el ciclo de percepción-planificación-acción

El flujo operativo de un sistema agéntico sigue un ciclo iterativo de detección, planificación y acción.

Sentido

El proceso comienza cuando el agente recopila datos de su entorno. Por ejemplo, un agente del servicio de atención al cliente recibe una solicitud de asistencia que contiene texto no estructurado.

> Leer más | Gestión de datos no estructurados: desbloquear el valor para la empresa 

Plan

El agente utiliza su capa de razonamiento para analizar el ticket y formular una estrategia de resolución. Para problemas bien definidos, esto puede implicar la creación de un plan de ejecución completo con una secuencia de subtareas, como la identificación del problema del producto y la posterior búsqueda en la base de conocimientos.

Como alternativa, para permitir una mayor autonomía y flexibilidad, el agente puede centrarse únicamente en determinar la siguiente mejor acción. Tras ejecutar ese paso, percibe el resultado y reevalúa su plan, adaptando su enfoque en función de la nueva información que recibe.

Actuar

A continuación, el agente ejecuta el plan utilizando sus herramientas. Este proceso suele regirse por marcos modernos, como el Protocolo Modelo de Contexto (MCP), que permite al agente seleccionar la herramienta adecuada y estructurar correctamente su comando. Por ejemplo, podría llamar a una API de base de datos para buscar en la base de conocimientos y, a continuación, utilizar su capacidad de generación de texto para redactar una respuesta.

Reflexionar e iterar

El ciclo no termina con la acción. El agente puede reflexionar sobre el resultado. Si la búsqueda en la base de conocimiento no arroja resultados, puede adaptar su plan, quizá reformulando la consulta o decidiendo escalar a un agente humano. Este bucle iterativo es lo que hace que la arquitectura sea verdaderamente agéntica.

Arquitectura agéntica o no agéntica: de respuestas estáticas a acciones dinámicas

La distinción entre sistemas agénticos y no agénticos radica en su diseño y en sus capacidades fundamentales. Una arquitectura no agéntica permite un proceso lineal de "única oportunidad" donde se da una entrada a un LLM y se genera una salida estática. Es adecuada para tareas conocidas y bien definidas, pero no puede llevar a cabo acciones de varios pasos sin que se le vuelva a dar prompts a cada paso.

La principal limitación es su falta de autonomía. Aunque los bucles de retroalimentación pueden diseñarse para crear flujos de trabajo más complejos, el resultado es un proceso sofisticado, no una entidad autónoma. El sistema carece de la capacidad de adaptación o flexibilidad, y su rendimiento siempre estará limitado por cómo se modeló originalmente ese proceso.

Por el contrario, una arquitectura agéntica admite un proceso autónomo. El agente puede tomar varias decisiones, utilizar varias herramientas y autocorregirse en una sola solicitud para lograr un objetivo complejo, lo que lo hace esencial para tareas dinámicas como la automatización del flujo de trabajo o la resolución interactiva de problemas.

> Leer más | Agentes de IA versus asistentes de IA versos IA agéntica 

Tipos comunes de arquitecturas agénticas

La complejidad y el diseño de una arquitectura agéntica dependen de la tarea que deba llevar a cabo.

Sistemas de agente único versus sistemas multiagente

Una arquitectura de un solo agente presenta un agente autónomo que toma decisiones centralizadas, lo cual es ideal para problemas enfocados y autosuficientes.

Una arquitectura multiagente implica que varios agentes colaboran para resolver un problema, lo cual es mejor para desafíos complejos que requieren experiencia diversa.

> Leer más | Comprenda el potencial de los agentes de IA

Patrones arquitectónicos multiagente

Arquitectura vertical (jerárquica): un agente "líder" supervisa y delega subtareas a agentes "trabajadores" especializados. Esto es eficiente para flujos de trabajo secuenciales con responsabilidad clara.

Arquitectura horizontal (colaborativa): un modelo descentralizado en el que los agentes trabajan como iguales, compartiendo información y tomando decisiones de forma colectiva. Esto es ideal para la tormenta de ideas o la resolución de problemas complejos.

Arquitectura híbrida: Este modelo combina estructuras verticales y horizontales, ofreciendo un equilibrio entre supervisión estructurada y flexibilidad creativa.

Diseño de una arquitectura agéntica eficaz

Construir una arquitectura agéntica robusta requiere una cuidadosa consideración de varios principios clave de diseño.

Determinar la lógica de toma de decisiones

Decida si el agente necesita lógica simple basada en reglas, razonamiento probabilístico de un LLM o aprendizaje por refuerzo para mejorar con el tiempo.

Definir los requisitos de memoria

Determine si el agente será sin estado para las tareas transaccionales o si necesita recordar interacciones pasadas utilizando estado a corto plazo o bases de datos a largo plazo.

Plan de integración de herramientas

Defina la forma en que el agente interactuará con el mundo exterior, ya sea con un conjunto fijo de herramientas o con la capacidad de seleccionar herramientas de forma dinámica en función de la tarea.

Gestionar el espacio de soluciones

Para tareas complejas, utilice reglas o heurísticas específicas del dominio para guiar al agente y evitar que se quede atrapado en bucles ineficientes.

> Leer más | ¿Qué es la automatización agéntica?

Incorpore supervisión humana

Diseñar una arquitectura de agentes eficaz implica equilibrar la autonomía de los agentes con la supervisión humana.

Para tareas de alto riesgo o sensibles, puede establecer puntos de control donde una persona debe aprobar el plan de un agente antes de que proceda. Para procesos de bajo riesgo, los agentes pueden gozar de plena autonomía. También es posible un enfoque híbrido, donde un agente opera de forma independiente a menos que su confianza en un resultado caiga por debajo de cierto umbral, momento en el que se remite para revisión humana.

Casos de uso de arquitectura agéntica

Se están desplegando arquitecturas agénticas para resolver desafíos empresariales reales y habilitar nuevas oportunidades de automatización e inteligencia.

Automatización de flujos de trabajo complejos

Estos sistemas pueden automatizar procesos empresariales de varios pasos, como la aprobación de facturas o la incorporación de empleados, en los que un agente debe interactuar con varios sistemas, como un HRIS, un ERP y el correo electrónico.

Servicio de atención al cliente avanzado

Un sistema agéntico puede gestionar todo un problema del cliente, desde entender la consulta inicial hasta buscar en bases de conocimiento, interactuar con sistemas de pedidos y escalar a un agente humano con un resumen completo.

Inteligencia empresarial e investigación

Los agentes pueden realizar tareas de investigación en profundidad rastreando bases de datos internas y fuentes externas, sintetizando información, identificando tendencias y generando informes detallados.

Operaciones de TI autónomas

Un agente de ciberseguridad puede supervisar el tráfico de la red, detectar una amenaza, planificar una estrategia de mitigación como el aislamiento de un servidor, y ejecutarla, todo ello mientras documenta sus acciones para obtener una pista de auditoría.

El enfoque de Hyland se centra en resolver problemas complejos basados en el contenido. Para tener éxito, los agentes deben navegar y comprender grandes cantidades de información estructurada y no estructurada, como contratos, informes y correos electrónicos de clientes. Comprender este contenido en su contexto empresarial completo es lo que permite a los agentes tomar las mejores decisiones.

Hyland y los agentes de IA

Solución destacada: Hyland Enterprise Agent Mesh

Enterprise Agent Mesh es una nueva tecnología integrada en Hyland Content Innovation Cloud™. Proporciona el marco para que Hyland, nuestros socios y nuestros clientes construyan e implementen redes multiagente. Estas redes pueden resolver casos de uso complejos, combinando la automatización de procesos en segundo plano con la interacción y la colaboración de los usuarios.

La base de esta red es Hyland Enterprise Context Engine, una solución nueva en el mercado que ofrece una perspectiva unificada y dinámica de las operaciones organizativas. Sirve como un registro vivo de la actividad empresarial vinculando de forma fluida contenidos, procesos, personas y aplicaciones a través de sistemas como ERP y CRM.

Juntos, Enterprise Agent Mesh y Enterprise Context Engine ayudan a las organizaciones a conservar y ampliar el conocimiento institucional. Ese conocimiento se refina continuamente a través de los comentarios humanos, lo que fomenta una poderosa colaboración entre humanos y la IA que hace que toda la empresa sea más inteligente.

Construcción de arquitecturas agénticas con Hyland Agent Builder

Con Agent Builder, usted dispone de una herramienta central para diseñar, desplegar y gestionar las potentes arquitecturas de agentes que impulsan la automatización moderna. Agent Builder permite a las organizaciones diseñar y gestionar agentes de IA de nivel empresarial (agentes empresariales) que automatizan tareas complejas. Estos agentes empresariales pueden incrustarse en flujos de trabajo dentro de Hyland Automate, los productos ECM de Hyland y otras herramientas de terceros.

Con un creador de soluciones fáciles de usar, los expertos en procesos empresariales (no solo los desarrolladores) pueden crear e implementar agentes, lo que acelera la innovación. Los usuarios pueden definir los objetivos de un agente, proporcionarle recursos de información y especificar las acciones que puede tomar, permitiendo directamente la creación de sistemas personalizados para un solo agente y varios agentes. La plataforma también proporciona una gestión integral del ciclo de vida de los agentes, lo que permite a los usuarios controlar versiones, probar, supervisar y mejorar continuamente los agentes para satisfacer las necesidades cambiantes de la empresa.