Los GPTs y LLMs son tan flexibles que volvieron a tener relevancia los Agentes de Inteligencia Artificial y representan un cambio de paradigma. Muchos de los patrones que los humanos siguen también pueden ser desempeñados por modelos fundacionales bien diseñados.
Propiedades:
- Entendimiento del lenguaje natural.
- Interacción con contexto.
- Generación de contenido estructurado.
Esto se debe a los transformers, una arquitectura que puede calcular de manera recurrente y en paralelo las relaciones entre tokens (palabras). El concepto de atención (attention is all you need) es la intuición detrás del funcionamiento de transformers.
Agentic Systems
Un “sistema agentico” (agentic system) es una funcionalidad que permite a un agente a ejecutarse efectivamente, incluyendo:
- Herramientas.
- Memoria.
- El modelo fundacional.
- Orquestración.
- Infraestructura de soporte.
La integración con frameworks de orquestación permite a los modelos interactuar con sistemas externos, ejecutar tareas prácticas, y coordinar múltiples agentes de IA. Las herramientas son las capacidades fundamentales que le permiten al agente desempeñar acciones específicas. La memoria permite a los agentes mantener el contexto y aprender de interacciones pasadas
Tipos de agentes:
- Reflex agents: mapeo directo de input a acción. No hay razonamiento interno.
- ReAct agents: varían entre razonamiento y acción, partiendo tareas en pasos.
- Planner-Executor agents: definen dos fases diferentes.
- Query-Decomposition agents: iterativamente dividen una pregunta en subpreguntas.
- Reflection agents: ReAct + revisar pasos previos para aprender de los errores.
- Deep Research agents: atacan investigaciones abiertas mediante la combinación de múltiples patrones y tipos de agentes.
Un agente más adaptativo y capaz suele implicar latencia y costos mayores.
RAG
Retrieval-Augmented Generation (RAG) incorpora memoria en los agentic systems, permitiéndoles generar respuestas enriquecidas por el contexto y por ende con mayor información.
En proyectos del mundo real, es importante elegir entre un simple script de código, un workflow determinístico, un chatbot tradicional, un sistema RAG, o un agente autónomo completo.