Cuando se combina la fluidez lingüística de un LLM con la capacidad de realizar tareas y tomar decisiones de forma independiente, la IA generativa se convierte en un socio activo a la hora de realizar el trabajo.
Silvio Savarese
Creo que los grandes modelos de acción (LAM) representan un cambio tan grande en el desarrollo de la IA como cualquier cosa que hayamos visto en la década anterior. Del mismo modo que los LLM permitieron automatizar la generación de texto y, en sus formas multimodales, una amplia gama de medios, los LAM, pronto podrán hacer realidad la automatización de procesos completos. Y debido a que son naturalmente fluidos en el lenguaje, interactuarán inteligentemente con el mundo, se comunicarán con las personas, se adaptarán a medida que cambien las circunstancias e incluso interactuarán con otros LAM.
En los últimos meses se ha producido la aparición de una nueva y poderosa tendencia en la que los modelos de lenguaje de gran tamaño se incrementan para convertirse en "agentes", es decir, entidades de software capaces de realizar tareas por sí mismas, en última instancia al servicio de un objetivo, en lugar de limitarse a responder a las consultas de los usuarios humanos. Puede parecer un cambio simple, pero abre todo un universo de nuevas posibilidades: al combinar la fluidez lingüística de un LLM con la capacidad de realizar tareas y tomar decisiones de forma independiente, la IA generativa pasa de ser una herramienta pasiva, por muy poderosa que fuese, a un socio activo para realizar el trabajo en tiempo real. Aquí en Salesforce AI, el potencial de unos agentes tan poderosos ha sido un tema de investigación activa➚ y desarrollo durante algún tiempo.
Conéctese con Agentblazers de todo el mundo para mejorar sus habilidades en IA, descubrir casos de uso, conocer las opiniones de expertos en productos y más. Aumente su experiencia en IA y mejore su carrera profesional.
En pocas palabras, un modelo de acción grande (LAM) es un tipo de IA generativa que puede realizar acciones específicas basadas en las consultas de los usuarios. Estos modelos no solo analizan los datos, sino que están diseñados para tomar medidas en función de los hallazgos. Piense en ellos como el primo de un modelo de lenguaje de gran tamaño (LLM). Un LLM podría generar texto en respuesta a una consulta, mientras que un LAM realiza acciones➚ , como ayudar a un comprador a procesar una devolución.
Creo que un mandato importante de la IA es la búsqueda de una automatización que aumente las capacidades humanas, en lugar de intentar reemplazarlas. Con eso en mente, los LAM deben concentrarse en tomar las riendas de las tareas repetitivas y otros trabajos rutinarios, el tipo de cosas que la mayoría de nosotros no queremos hacer en primer lugar, que se interponen en el camino del tipo de esfuerzos significativos y de alto valor en los que somos mejores. Así que analicemos el increíble potencial que prometen los LAM, en dos niveles: para los individuos y para las organizaciones. En el proceso, imaginemos cómo se pueden aplicar los LAM, y cómo podría evolucionar su papel en el ámbito de nuestro trabajo y en nuestras vidas en los próximos años.
Los asistentes personales han sido un lujo reservado para los ricos durante generaciones, aunque la industria tecnológica también ha prometido alternativas virtuales para el resto de los mortales durante décadas. Los LAM, con su asombrosa fluidez y capacidad para generalizar de forma natural en prácticamente todos los dominios de la vida, podrían ser el punto de inflexión que hemos estado esperando: una tecnología que realmente puede ayudarnos, con gran parte de la previsión y la perspicacia que podríamos esperar de un colega humano. Tenga en cuenta lo siguiente:
Últimamente se ha hablado mucho del impacto de los LLM en los flujos de trabajo de marketing, ya que su capacidad para generar textos, imágenes e incluso diseños web se considera un cambio radical en el sector. Sin embargo, el panorama es más complicado en la práctica, ya que se necesita un gran esfuerzo manual para integrar los resultados de un LLM en el proceso completo de, por ejemplo, concebir una nueva campaña y desplegar los resultados. En la actualidad, incluso la mejor IA generativa solo automatiza realmente partes selectivas de ese proceso.
Sin embargo, prevemos que los agentes de IA para marketing adoptarán un enfoque más amplio, más parecido a LAM, para ofrecer resultados a los equipos de marketing, mediante el uso de una interfaz LLM para conectar datos, herramientas y agentes específicos del dominio en la búsqueda de una tarea de alto nivel. Imagine, por ejemplo, una solicitud como la siguiente:
"Envía un correo electrónico de marketing para resaltar el valor de nuestro nuevo Chocolate Choco. Regala un cupón para envío gratis a las primeras 100 personas que compren. Asegúrate de que cada destinatario reciba un mensaje personalizado".
Por sí solo, un LLM tendría dificultades para cumplirlo. Sin embargo, una constelación de herramientas, agentes y fuentes de datos (acceso a materiales de marketing anteriores, datos de clientes que la organización ha elegido compartir con el LAM y, por supuesto, los propios LLM) podrían generar el texto ("Envía un correo electrónico de marketing") a partir de la documentación que destaca los últimos desarrollos del producto ("el valor de nuestro nuevo Chocolate Choco"), desglosar la lógica de la solicitud ("Ofrece un cupón a las primeras 100 personas que compren") y gestionar los contactos específicos del cliente ("Asegúrate de que cada destinatario recibe un mensaje personalizado") con facilidad.
Pero los asistentes personales están destinados a ayudar a lo largo de toda la vida, no solo en el trabajo. Así que imaginemos cómo podrían ayudar con una decisión de compra significativa pero personal, como un automóvil. Para muchos, el proceso de compra de un vehículo puede ser más complicado que emocionante, y la fase de investigación en particular puede ser abrumadora. Sin embargo, con un LAM, es posible que pronto requiera poco más que un mensaje como el siguiente:
Estoy buscando un sedán con una buena calificación de seguridad y mucho espacio, idealmente en un color oscuro. No anterior a 2014, pero no más caro de 28 000 dólares. Y kilometraje por debajo de 90 000.
El primer paso, tanto para un humano como para un LAM, sería escanear los sitios de compra de automóviles para armar una lista inicial de opciones. Las potentes capacidades de comprensión de texto de un LLM permiten al agente consultar grandes cantidades de reseñas de coches tanto de fuentes profesionales como generadas por usuarios, identificando rápidamente a los candidatos que satisfacen los parámetros del usuario. Además, el LAM puede detectar señales de alerta, por ejemplo, que un año en particular de un modelo de automóvil adecuado es conocido por transmisiones defectuosas o problemas eléctricos, y eliminarlo de la lista (o, al menos, indicarlo con una advertencia).
Como siguiente paso, el LAM podría incluso iniciar conversaciones con vendedores privados y distribuidores locales, utilizando canales como el correo electrónico o incluso los SMS para comunicarse. Aunque un buen LAM probablemente anunciaría que es una IA, lo que garantizaría que los humanos nunca sean engañados, aún se comunicaría en un lenguaje claro, fluido y natural, con saludos, oraciones completas y una solicitud o declaración clara en cada mensaje. Incluso se puede notificar al banco del usuario, informándole de que se debe solicitar un préstamo. Cuando la conversación se acerca al momento de la toma de decisiones, el usuario puede participar para dar su aprobación final.
En última instancia, Salesforce AI se compromete a utilizar el poder de la tecnología para mejorar la forma en que las empresas operan a todas las escalas, y los LAM son un gran ejemplo de cómo podría ser en los próximos años. Estoy seguro de que esta visión llegará a todos los aspectos de las operaciones, desde la oficina administrativa hasta la primera línea de marketing, incluidas las aplicaciones que aún no podemos imaginar, pero probablemente no exista un mejor ejemplo que interactuar con los clientes.
Imagínese, por ejemplo, a un agente de una compañía de seguros . Una gran parte del día de ese agente consistirá en reunirse con los clientes, tanto existentes como potenciales, para examinar sus necesidades y desarrollar la relación. El núcleo de este proceso es el toque humano que solo un agente de carne y hueso puede ofrecer, pero está rodeado de tareas repetitivas que un LAM podría acelerar drásticamente. Considere el siguiente flujo, aumentado de un paso al siguiente mediante la IA generativa:
Creo que esta es una visión convincente del empoderamiento individual, pero la verdadera transformación viene de la mano de la escalabilidad de los LAM. Imagínese una empresa entera aumentando su personal con herramientas de tal sofisticación, y cuánto tiempo y gastos se pueden ahorrar en conjunto, por no hablar de la forma en que las sugerencias de LAM pueden ayudar a evitar errores, recomendar estrategias exitosas y más cosas interesantes. Se trata de una tecnología que realmente puede aportar valor a cualquier escala de implementación.
Hasta ahora hemos hablado de los LAM, que sirven a usuarios individuales, pero hay muchas, muchas más formas que probablemente adoptará esta tecnología. Es igualmente fácil imaginar otros LAM que sirvan a grupos o incluso a organizaciones enteras. Y si bien todos los LAM se beneficiarán de su flexibilidad, espero una amplia gama de posibilidades, desde las más generales, análogas a los conceptos de "asistente ejecutivo" descritos anteriormente, hasta agentes altamente personalizados y específicos del sector que abordan problemas de nicho. Y muchos LAM —todos, en última instancia— estarán diseñados para aprender de sus experiencias, ya sea reuniendo más y más experiencia en la resolución de un problema organizacional o personalizándose cada vez más según las necesidades y preferencias de los usuarios individuales.
¿Y quién puede decir que los LAM operarán individualmente? Uno puede imaginar con la misma facilidad múltiples LAM trabajando juntos, cada uno optimizado para un conjunto diferente de objetivos, con otro LAM dedicado a la tarea de orquestar sus esfuerzos y comunicarse con su usuario o usuarios, ya sea un individuo, un equipo o incluso una organización completa. En otras palabras, constituiría una actualización de un solo asistente personal a un equipo completo, todo unificado por un "jefe de personal" que rinde cuentas al humano a cargo.
Las posibilidades se vuelven aún más interesantes cuando consideramos los LAM creados con el único propósito de interactuar con otros LAM o equipos de LAM; imagine, por ejemplo, un agente desplegado por uno de los concesionarios de automóviles en el ejemplo anterior que se especializa en gestionar solicitudes entrantes de los LAM personales que representan a los clientes potenciales, o iterar con los LAM que representan a los propios fabricantes de automóviles. Conservarían la transparencia y la aplicación general que hace que todos los LAM sean valiosos, especialmente cuando se evalúa su comportamiento en retrospectiva, pero operarían a velocidades y eficiencias muy superiores a las que permite la comunicación de máquina a máquina.
Descubra cuánto tiempo y dinero puede ahorrar con un equipo de agentes impulsados por IA que trabajan junto a su equipo. Solo necesita responder cuatro preguntas para conocer todo lo que Agentforce puede hacer por usted.
Aunque quedan muchos obstáculos técnicos por delante para hacer realidad todo el poder de los LAM, el desafío central es sencillo de articular: el mundo no es un lugar estático, y cualquier agente destinado a interactuar con él debe ser lo suficientemente flexible como para adaptarse de forma inteligente a las circunstancias cambiantes. En el caso de nuestro ejemplo de compra de un automóvil, eso significa hacer seguimiento de los clientes potenciales y darse cuenta de cuándo se ha vendido un automóvil interesante antes de que el usuario haya tenido la oportunidad de hacer una oferta, o incluso actualizar sus sugerencias en caso de que se emita una llamada a revisión en medio del proceso de investigación. En el caso de nuestro ejemplo de la agencia de seguros, el conocimiento de los acontecimientos actuales, especialmente los locales del cliente, será esencial para proporcionar información útil y actualizada, que va desde los cambios en la regulación de la industria hasta los fenómenos meteorológicos extremos.
En todos los casos, un buen LAM se definirá a sí mismo por su comprensión de cuándo notificar a su usuario humano o solicitar aclaraciones. Hacerlo con demasiada frecuencia sería molesto y perturbador, e incluso podría anular los beneficios de un LAM para empezar. Sin embargo, hacerlo en muy raras ocasiones promovería la aparición de efectos secundarios potencialmente graves y no deseados, que van desde la eliminación de un correo electrónico importante hasta la solicitud de un préstamo no deseado al propio banco del usuario. Al igual que un buen asistente personal, un LAM necesitará buenos instintos para lograr el equilibrio adecuado.
También significa aprovechar una de las características más poderosas de los LAM, que es su capacidad de aprendizaje. A medida que los LAM están expuestos a más y más experiencias del mundo real trabajando junto a nosotros, la retroalimentación humana se puede utilizar para refinar aún más su comportamiento. Además, los LAM, pueden extraer interpretaciones valiosas de flujos y procesos mediante el análisis minucioso de datos que van desde transcripciones de servicio al cliente hasta registros de eventos, reuniendo los pasos ideales que conectan un punto de partida determinado con el resultado más deseable.
Para ser claros, el trabajo de un LAM no es solo convertir una solicitud en una serie de pasos, sino comprender la lógica que los conecta y los rodea. Eso significa entender por qué un paso debe ocurrir antes o después de otro, y saber cuándo es el momento de cambiar el plan para adaptarse a los cambios en las circunstancias. Es una capacidad que demostramos todo el tiempo en la vida cotidiana. Por ejemplo, cuando no tenemos suficientes huevos para hacer una tortilla, sabemos que el primer paso no tiene que ver con cocinar, sino con ir a la tienda de comestibles más cercana. Es hora de que construyamos tecnología que pueda hacer lo mismo.
No hay duda de que los LAM, se volverán asombrosamente buenos en el tipo de fluidez y comunicación que requerirían muchos de los ejemplos anteriores. Pero todavía no es un hecho que se pueda confiar en que se comporten de manera predecible y efectiva con la consistencia necesaria para un uso regular en el mundo real.
Por supuesto, si la confianza ya es un desafío cuando se trata de generar texto e imágenes, y ciertamente lo es, lo es aún más cuando se trata de tomar medidas. Y la carga de garantizar la seguridad y la fiabilidad solo crece cuando varios LAM trabajan juntos en equipo. Por esta razón, creo que es esencial que, incluso en su forma más independiente, los LAM, estén diseñados para mantener a los humanos informados antes de que se tomen medidas críticas. No importa cuán avanzada sea esta tecnología, la imagino como una herramienta, aunque inusualmente inteligente, que los humanos siempre serán libres de controlar como mejor consideren.
Transforme la manera en que se lleva a cabo el trabajo en todas las funciones, flujos de trabajo y sectores con agentes autónomos.
Después de una década de desarrollos de IA que han sido a todas luces históricos, es un testimonio del potencial de los LAM, que muchos de nosotros en el mundo de la investigación sintamos que las mayores transformaciones apenas se están vislumbrando. Con la orientación adecuada y un compromiso con el empoderamiento humano, creo que los LAM pueden marcar el comienzo de una nueva era de productividad, facilidad y claridad, haciéndonos mejores en las tareas que nos resultan más atractivas y liberándonos de las que no nos interesan. Y con sus décadas de historia en el mundo empresarial, no puedo imaginar un mejor lugar para perseguir esta visión que Salesforce.
Un agradecimiento especial a Alex Michael, Peter Schwartz y al equipo de Salesforce Futures por sus contribuciones a la redacción de este artículo.
Conozca en detalle cómo funciona la creación de agentes en nuestra biblioteca.
Lance Agentforce rápidamente, con confianza y consiga un ROI que pueda medir.
Cuéntenos las necesidades de su negocio y le ayudaremos a encontrar respuestas.
