23 conceptos de la IA de agentes que todo usuario empresarial debe conocer

Todo el mundo habla de la IA de agentes y de su promesa de eficiencia transformadora y automatización sin precedentes. Sin embargo, la terminología evoluciona más rápido que sus mensajes sin leer en Slack. Si no se mantiene al día con los términos de IA generativa, es fácil quedarse atrás.

No permita que la jerga de la inteligencia artificial generativa sea un obstáculo para su adopción. Este glosario le ayudará a comprender los términos de IA generativa más relevantes y a tomar decisiones con mayor confianza en su estrategia. Dado que la IA es extraordinariamente dinámica, este recurso se actualizará conforme surjan nuevos términos y conceptos.

IA de agente

Un tipo de IA que utiliza agentes IA para realizar el trabajo de forma autónoma.

Agente IA

Un fragmento de software que utiliza IA generativa y modelos de lenguaje grande (LLM) para tomar decisiones sobre qué hacer y cómo hacerlo. Los agentes IA utilizan aprendizaje automático y procesamiento del lenguaje natural (PLN) para gestionar desde respuestas sencillas hasta la resolución de problemas complejos.

Traspaso del agente IA al humano

El traspaso de una interacción con el cliente de un agente IA a un agente humano. Los traspasos más exitosos se aseguran de que el contexto, el historial de la conversación y todos los datos relevantes se transfieran para que los clientes no tengan que repetirse.

Flujo de trabajo de la IA de agente

Un proceso impulsado por IA que utiliza uno o más agentes para realizar el trabajo.

Umbral de complejidad

El punto en el que una tarea o problema supera las capacidades de un sistema IA y requiere una IA más avanzada o un traspaso a un trabajador humano para completar la tarea o responder a la pregunta.

Conciencia del contexto

La IA consciente del contexto utiliza interacciones pasadas y datos en tiempo real para comprender y responder al entorno y la situación únicos de un usuario (como la hora del día o si está en casa o en el trabajo). Esto ayuda al agente IA a ofrecer respuestas más relevantes y personalizadas.

Razonamiento determinista

Un tipo de razonamiento que utiliza exclusivamente lógica basada en reglas para garantizar la misma salida para la misma entrada. Los agentes IA no son deterministas, lo que significa que pueden producir diferentes salidas o tomar diferentes acciones incluso cuando se les dan las mismas indicaciones. Salesforce Flow, una herramienta para automatizar flujos de trabajo complejos, utiliza el razonamiento determinista.

Fuerza laboral digital

La mano de obra digital se refiere a las tecnologías (como la automatización basada en IA y los agentes IA) que imitan la toma de decisiones humana y las capacidades cognitivas. Amplía la capacidad humana para completar tareas a velocidades y escalas que una fuerza laboral exclusivamente humana no podría igualar.

Trabajador digital

Un trabajador digital es una aplicación de software IA que imita las capacidades humanas y gestiona tareas complejas. Son agentes IA que funcionan como empleados virtuales y pueden desempeñar diversas funciones que anteriormente solo podían ser realizadas por trabajadores humanos.

Asignación dinámica de recursos

Una técnica de distribución de recursos como la potencia de cálculo y la memoria donde más se necesitan, en tiempo real. En lugar de utilizar la misma cantidad de recursos para cada tarea, los sistemas IA pueden ajustarse sobre la marcha, dando más potencia a las tareas de alta prioridad y utilizando menos potencia para las de baja prioridad. Esto hace que la IA sea más eficiente, rápida y capaz de gestionar tareas complejas sin desperdiciar energía ni ralentizar el proceso.

Capacidad de explicación y transparencia

La capacidad de explicación es la capacidad del sistema de IA para articular por qué toma las decisiones y las salidas que toma, comunicando claramente el razonamiento detrás de sus salidas. Es el por qué. La transparencia es su capacidad para proporcionar a los usuarios información clara sobre sus procesos y fuentes de datos. Es el cómo.

Agente de IA sin interfaz

Un sistema IA que funciona sin una interfaz de usuario tradicional. Funciona completamente en segundo plano para ejecutar tareas y tomar decisiones sin interacción humana. En lugar de integrarse con un chatbot o panel de control, el agente IA trabaja con los sistemas existentes a través de API, automatizando los flujos de trabajo y respondiendo a los desencadenantes en tiempo real.

Reconocimiento de intenciones

La capacidad de la IA para comprender el propósito u objetivo detrás de la entrada de un usuario. Por ejemplo, en la atención al cliente, el reconocimiento de la intención puede distinguir si un cliente está preguntando por problemas de facturación, ayuda con el producto o estado del pedido, lo que ayuda al agente IA a dar la mejor respuesta.

Coherencia a largo plazo

La capacidad de los agentes IA para mantener la coherencia y el contexto a través de interacciones y flujos de trabajo prolongados. Por ejemplo, un agente que ayuda a gestionar las suscripciones de software recordaría que un cliente preguntó sobre la renovación hace meses, pero nunca hizo un seguimiento. Con la coherencia a largo plazo, la IA recuerda todas las interacciones pasadas y sugiere de forma proactiva opciones relevantes.

Sistema multiagente

Un sistema donde múltiples agentes IA trabajan juntos para gestionar tareas complejas. En lugar de que un agente opere solo, un sistema multiagente se coordina a través de diferentes áreas de negocio para automatizar y tomar decisiones de forma más inteligente y eficiente.

IA multimodal

Estos sistemas procesan y actúan sobre diferentes entradas como texto, imágenes, audio y vídeo. Un agente de IA multimodal podría analizar un comando de voz, interpretar una imagen y leer un documento simultáneamente para proporcionar mejores respuestas y resolver problemas sin intervención humana.

Ontología

Un sistema para organizar la información para que los ordenadores puedan entender y utilizar esos datos para tomar decisiones sobre la salida. Las ontologías forman modelos de datos para los gráficos de conocimiento, garantizando la coherencia y la comprensión.

IA polifónica

Un sistema donde agentes de IA especializados, cada uno con su propia experiencia, trabajan juntos. Por ejemplo, un agente de servicio recibe una solicitud de devolución, mientras que un agente de inventario comprueba la disponibilidad y un agente de logística calcula los detalles de envío. Un agente orquestador reúne todo esto en una interacción fluida.

Razonamiento probabilístico

Un tipo de razonamiento que saca conclusiones y hace predicciones basadas en probabilidades que estiman la probabilidad de diferentes resultados, permitiendo cierto grado de incertidumbre y variación. Algunas variaciones en las respuestas son aceptables, lo que permite al agente IA hacer predicciones incluso si la información está incompleta o es ambigua. Por ejemplo, el razonamiento probabilístico infiere la intención más probable de una pregunta como «¿esta solución funcionaría para un equipo de tamaño medio?» sin conocer la industria o el caso de uso.

Motor de razonamiento

Un motor de razonamiento es un sistema IA que imita la toma de decisiones y la resolución de problemas de tipo humano basándose en ciertas reglas, datos y lógica. Es cómo un agente decide qué acciones tomar y qué datos se necesitan para tomar esas acciones. El sistema emula tres tipos de razonamiento humano: deductivo (llegar a conclusiones a partir de hechos), inductivo (llegar a una conclusión probable a partir de patrones) y abductivo (su mejor suposición).

Aprendizaje por refuerzo

Un tipo de aprendizaje automático en el que un agente IA aprende interactuando con un entorno, tomando acciones y recibiendo retroalimentación sobre la integridad y la precisión de sus salidas. Con el tiempo, el agente mejora su toma de decisiones para maximizar los resultados consistentemente positivos.

Análisis de sentimientos

La capacidad de la IA para detectar e interpretar el tono emocional detrás de las palabras de un cliente, ayudándole a comprender si el sentimiento es positivo (como entusiasmo o satisfacción), negativo (como frustración o urgencia) o neutral. Busca pistas en el lenguaje, la puntuación e incluso los emojis para evaluar cómo se siente alguien.

Enunciado

Una sola entrada que un usuario proporciona a un agente IA, como un comando o una pregunta. Es la información específica que el agente analiza para comprender lo que el usuario necesita, para que pueda responder o tomar medidas.