¿Qué son los grandes modelos de acción (LAM)?

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 variedad de medios, los LAM, pronto harán posible la automatización de procesos completos. Y debido a que son naturalmente fluidos en el lenguaje, interactuarán de forma inteligente 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 surgió una nueva y poderosa tendencia en la que los grandes modelos de lenguaje se mejoran de modo tal que se convierten en "agentes"; es decir, en 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 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 sea, a un socio activo para cumplir con el trabajo en tiempo real. Aquí en Salesforce AI, el potencial de agentes tan poderosos ha sido un tema de investigación➚ y desarrollo activos durante algún tiempo.

En pocas palabras, los grandes modelos de acción (LAM) son 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 lo que descubran. Podemos considerarlos un primo de los grandes modelos de lenguaje (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 mejore las capacidades humanas, no que las reemplace. Con eso en mente, los LAM deben concentrarse en tomar las riendas de las tareas repetitivas y de otros trabajos improductivos, ese tipo de cosas que la mayoría no queremos hacer y que se interponen en el camino de los esfuerzos significativos y de alto valor que mejor sabemos hacer. Analicemos, entonces, el increíble potencial que prometen los LAM en dos niveles: el de los individuos y el de las organizaciones. En el proceso, imaginemos cómo se pueden aplicar hoy los LAM y cómo podría evolucionar su función en 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 las masas durante décadas. Los LAM, con su asombrosa fluidez y capacidad para generalizar de forma natural en prácticamente todas las áreas 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. Ten 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 campo. Sin embargo, el panorama es más complicado en la práctica, ya que se necesita un gran esfuerzo manual para integrar la producción de un LLM en el proceso completo de, por ejemplo, la concepción de una nueva campaña y la implementación de los resultados. En la actualidad, incluso la mejor IA generativa, en realidad, solo automatiza partes selectivas de ese proceso.

Sin embargo, prevemos que los agentes de IA para marketing adoptarán un enfoque más amplio, más similar al LAM, para ofrecer resultados a los equipos de marketing, mediante el uso de una interfaz de LLM para conectar datos, herramientas y agentes específicos del dominio en la búsqueda de una tarea de alto nivel. Imagina, por ejemplo, una solicitud como la siguiente:

"Envía un correo electrónico de marketing que destaque 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 cumplir esta solicitud. Sin embargo, un conjunto de herramientas, agentes y fuentes de datos (acceso a materiales de marketing anteriores, datos de clientes que la organización decidió compartir con el LAM y, por supuesto, con los LLM) sí podría generar el texto ("Envía un correo electrónico de marketing") a partir de la documentación que destaca los desarrollos más recientes del producto ("el valor de nuestro nuevo chocolate Choco"), romper la lógica de la solicitud ("Regala un cupón para envío gratis a las primeras 100 personas que compren") y manejar los toques específicos para el cliente ("Asegúrate de que cada destinatario reciba un mensaje personalizado.") con facilidad.

Pero los asistentes personales están pensados para ayudar en todos los aspectos de la vida, no solo en el trabajo. Así que imaginemos cómo podrían ayudar con una decisión de una compra significativa, pero personal, como la de un automóvil. Para muchas personas, 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 se 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. Modelo 2014 en adelante, pero que su precio no supere los $ 28 000. Y con millaje inferior a 90 000.

El primer paso, tanto para un ser humano como para un LAM, sería escanear los sitios de compra de automóviles para crear una lista inicial de opciones. Las potentes capacidades de comprensión de texto de un LLM permiten al agente consumir grandes cantidades de reseñas de coches, tanto de fuentes profesionales como de las generadas por usuarios, e identificar rápidamente a los candidatos que cumplen los parámetros del usuario. Además, el LAM puede notar señales de alerta; por ejemplo, que un modelo de automóvil adecuado, de un año en particular, destaca por transmisiones defectuosas o problemas eléctricos, y eliminarlo de la lista (o, al menos, anotarlo con un aviso).

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. Si bien un buen LAM, probablemente, anunciaría que es una IA para no engañar a las personas, se comunicaría en un lenguaje claro, fluido y natural, con saludos, oraciones completas y una solicitud o un enunciado claros en cada mensaje. Incluso se puede notificar al banco del usuario que necesita emitir la solicitud de un préstamo. Cuando se acerque el momento de tomar la decisiones, se puede incluir al usuario para la 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 en todos los ámbitos, y los LAM son un gran ejemplo de cómo podría ser el panorama en los próximos años. Tengo la certeza de que esta visión llegará a todos los aspectos de las operaciones, desde el área de gestión interna hasta la primera línea de marketing, incluidas aplicaciones que aún no podemos imaginar, pero quizás, no haya un mejor ejemplo que la interacción con los clientes.

Imagínate a un agente de una compañía de seguros, por ejemplo. Una gran parte del día de ese agente implica reunirse con los clientes, tanto existentes como potenciales, para conversar sobre sus necesidades y desarrollar una 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. Considera el siguiente flujo, que la IA generativa mejora de un paso al siguiente:

• El agente se reúne con un cliente a través de Zoom, para conversar sobre sus necesidades, ideas y posibles próximos pasos.
• Una transcripción de la llamada se graba automáticamente y se organiza con otra información relevante del CRM.
• Después de la llamada, el LAM revisa la transcripción, resume los momentos más importantes y envía el resultado al agente para que lo revise fácilmente más adelante.
• Además, el LAM identificará los próximos pasos que vale la pena tomar, como proporcionar información adicional mencionada en la llamada. Este entendimiento se utiliza para redactar un correo electrónico de seguimiento, de forma automática, seguido de una búsqueda en todo el material de la compañía de cualquier documento relevante que pueda incluirse como adjunto. A continuación, se notifica al agente que los siguientes pasos están listos para llevarse a cabo, lo que permite una confirmación final y una revisión rápida antes de ejecutarlos.
• Por último, la comprensión que hace el LAM sobre los procesos de la agencia le permite sugerir pasos adicionales para que el agente se mantenga productivo y concentrado, ya sea una oportunidad de venta adicional basada en una decisión previa del cliente o simplemente una reunión posterior con una agenda sugerida de forma automática para avanzar en la conversación.
• En todo el proceso, el LAM puede estar atento a las señales que indiquen que puede ser necesario incorporar a la conversación a otras partes interesadas. Por ejemplo, un cliente que muestra signos de frustración o vacilación se puede considerar una cuenta "en riesgo" y remitir a un especialista en servicio de atención al cliente que se centre específicamente en la retención de la satisfacción de ese cliente.

Creo que esta es una visión convincente del empoderamiento individual, pero la verdadera transformación llega gracias a la escalabilidad de los LAM. Imagínate una empresa entera que mejora el servicio de su personal con herramientas sumamente sofisticadas, e imagínate cuánto tiempo y dinero se puede ahorrar, por no hablar de la forma en que las sugerencias del LAM ayudan a evitar errores, recomendar estrategias exitosas y lograr mucho más. Se trata de una tecnología que realmente puede aportar valor a cualquier escala de implementación.

Hasta ahora hablamos de los LAM que sirven a usuarios individuales, pero probablemente, esta tecnología adoptará muchas más formas. Es igual de sencillo imaginar un LAM que sirva a grupos o incluso a organizaciones enteras. Y, si bien todos los LAM se beneficiarán de su flexibilidad, creo que habrá una amplia gama de posibilidades, desde los agentes más generales, análogos a los conceptos de "asistente ejecutivo" ya descritos, hasta los agentes sumamente personalizados y específicos para un campo, que abordan problemas de nicho. Y muchos LAM; todos, eventualmente, estarán diseñados para aprender de sus experiencias, ya sea reuniendo más y más conocimientos 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 de forma individual? Es muy fácil imaginar varios LAM trabajando juntos, cada uno optimizado para un conjunto de objetivos diferente, con otro LAM dedicado a organizar sus esfuerzos y comunicarse con su usuario o usuarios, ya se trate de una persona, un equipo o incluso una organización completa. En otras palabras, significaría la mejora de pasar de trabajar con un solo asistente personal a hacerlo con un equipo completo, unificado por un "jefe de personal" que informa al ser 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. Imagina, por ejemplo, un agente implementado por una de los concesionarias de automóviles del ejemplo anterior, que se especializa en manejar solicitudes entrantes de los LAM personales que representan a los clientes potenciales, o iterar con los LAM que representan a los propios fabricantes de los 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 su funcionamiento sería mucho más rápido y eficiente, como solo lo permite la comunicación entre máquinas.

Si bien quedan muchos obstáculos técnicos por delante para hacer realidad todo el poder de los LAM, el desafío central es simple 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 con elegancia a las circunstancias cambiantes. En el caso del ejemplo de la compra de un automóvil, eso implica hacer un seguimiento de los prospectos y darse cuenta de cuándo se ha vendido un automóvil deseable antes de que el usuario haya tenido la oportunidad de hacer una oferta, o incluso actualizar las sugerencias en caso de que se emita un retiro del mercado en medio del proceso de investigación. En el caso del ejemplo de la agencia de seguros, el conocimiento de los acontecimientos actuales, especialmente los que tienen que ver con la ubicación 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 por su comprensión de cuándo debe notificar algo a su usuario humano o solicitarle aclaraciones. Si lo hace con demasiada frecuencia resultará molesto e incómodo, e incluso podría anular las ventajas de un LAM. Por el contrario, si lo hace en muy raras ocasiones, garantizará que prosperen efectos secundarios potencialmente graves y no deseados, que van desde eliminar un correo electrónico importante hasta solicitar un préstamo no deseado al banco del usuario. Al igual que un buen asistente personal, un LAM necesitará buenos instintos para lograr el equilibrio adecuado.

También implica aprovechar una de las características más poderosas de los LAM, que es su capacidad de aprendizaje. A medida que los LAM se exponen a más y más experiencias del mundo real trabajando junto a nosotros, la retroalimentación humana se puede utilizar para pulir 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 del servicio de atención al cliente hasta registros de eventos, uniendo los pasos ideales que conectan un punto de partida determinado con el resultado más deseable.

Para ser claros, el trabajo de los 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 de las circunstancias. Esta 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. Construyamos tecnología que pueda hacer lo mismo.

No hay duda de que los LAM ganarán una habilidad asombrosa en el tipo de fluidez y comunicación que requieren muchos de los ejemplos anteriores. Sin embargo, aún no podemos confiar en que se comporten de manera predecible y efectiva, con la coherencia necesaria para hacer un uso común en el mundo real.

Por supuesto, si la confianza ya es un desafío cuando hablamos de generar texto e imágenes, el desafío crece aún más cuando hablamos de tomar medidas. Y la carga de garantizar la seguridad y la confiabilidad solo crece cuando varios LAM trabajan en conjunto. 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 cuánto avance esta tecnología, la imagino como una herramienta, aunque una inusualmente inteligente. Una herramienta que los seres humanos siempre podrán controlar como mejor les parezca.

Después de una década de desarrollos de IA que han sido nada menos que históricos, es un testimonio del potencial de los LAM que muchas de las personas del mundo de la investigación sintamos que las mayores transformaciones apenas están a la vista. 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, simpleza y claridad. Nos ayudarán a ser mejores en las tareas que nos resultan más atractivas y a liberarnos de las que no disfrutamos. Y dada las décadas de historia de Salesforce en el mundo empresarial, no puedo imaginar un mejor lugar para perseguir esta visión.

Un agradecimiento especial a Alex Michael, Peter Schwartz y al equipo de Salesforce Futures por sus contribuciones para la redacción de este artículo.