Por Dr. Philipp Herzig, Chief Technology Officer de SAP.<\/p>\n\n\n\n
Desglosar una tarea compleja en componentes, cada uno asignado a diferentes especialistas o equipos, no es nada nuevo. Esta inteligente divisi\u00f3n del trabajo ha sobrecargado las industrias desde principios del siglo XX, desde la fabricaci\u00f3n automotriz de Ford hasta la comida r\u00e1pida y el desarrollo de software.<\/p>\n\n\n\n
La especializaci\u00f3n aporta una mayor eficiencia e innovaci\u00f3n a medida que cada especialista completa su parte antes de entregar la tarea a otro. Sin embargo, puede ser un desaf\u00edo lograr todos los beneficios cuando los silos departamentales y los datos dispersos dificultan la colaboraci\u00f3n. Las organizaciones tambi\u00e9n deben superar la escasez de talento o las brechas entre los puestos y los trabajadores disponibles a la hora de cubrir los roles de especialistas.<\/p>\n\n\n\n
La IA agentiva<\/a> est\u00e1 dise\u00f1ada para transformar lo que se puede lograr a trav\u00e9s de la especializaci\u00f3n, y de la misma manera busca cambiar la forma en que los humanos interact\u00faan y trabajan con inteligencia artificial. Los agentes de IA colaborativa que trabajan de manera aut\u00f3noma en todas las funciones de negocio impulsar\u00e1n nuevos niveles de productividad. Los analistas estiman<\/a> que la IA agentiva en las aplicaciones de software empresarial crecer\u00e1 de menos del 1% en 2024 al 33% en 2028, habilitando soluciones aut\u00f3nomas para el 15% de las decisiones de trabajo diarias.<\/p>\n\n\n\n Obtener los beneficios de la IA agentiva<\/strong><\/p>\n\n\n\n Una de las caracter\u00edsticas que definen la IA agentiva es la proactividad. Los agentes pueden realizar tareas de forma aut\u00f3noma con flujos de trabajo auto concebidos de varios pasos. Por ejemplo, un agente especializado en el comercio minorista podr\u00eda reorganizar las entregas de pedidos sin intervenci\u00f3n humana en casos como retrasos por causas clim\u00e1ticas o por la escasez de materiales. El agente puede decidir si proceder con el env\u00edo, investigar m\u00e1s o validar datos antes de continuar hacia su objetivo. Los agentes que trabajan 24\/7 reaccionando a los eventos se adaptar\u00e1n y desarrollar\u00e1n nuevos enfoques o estrategias si las circunstancias cambian.<\/p>\n\n\n\n Si esto suena como si fuera usted el que esta razonando, es porque lo es. Asegurarse de que un agente de IA pueda razonar requiere contexto. Esto le permite tener en cuenta m\u00e1s variables al tomar decisiones. Los datos proporcionan contexto y una comprensi\u00f3n de su negocio: si desea que los agentes de IA trabajen con los datos m\u00e1s recientes de toda la empresa, necesitan acceso a ellos. Los agentes que trabajan en silos de datos crear\u00e1n un progreso espec\u00edfico del dominio, pero no lograr\u00e1n impulsar el impacto en toda la empresa.<\/p>\n\n\n\n Los metadatos (el qui\u00e9n, qu\u00e9 y cu\u00e1ndo) ayudan a un agente a determinar si se deben tener en cuenta los datos, si est\u00e1n obsoletos o son irrelevantes y deben ignorarse. Los gr\u00e1ficos de conocimiento unen todo exponiendo los metadatos, haciendo que las relaciones entre la informaci\u00f3n sean accesibles. De este modo, un agente de IA que resuelve una disputa de pago conoce las relaciones entre el proveedor y el comprador, las \u00f3rdenes de compra, etc. Los gr\u00e1ficos de conocimiento tambi\u00e9n proporcionan una base para los datos y el razonamiento del agente de IA conect\u00e1ndolos con hechos del mundo real. Los agentes minoristas necesitan datos conectados al contexto del mundo real para sugerir productos a los clientes basados, por ejemplo, en el historial de compras y la demograf\u00eda.<\/p>\n\n\n\n Los agentes tambi\u00e9n necesitan una forma de comprender c\u00f3mo dependen entre s\u00ed los diferentes fragmentos de informaci\u00f3n, de modo que puedan considerar el contexto m\u00e1s amplio de una tarea m\u00e1s all\u00e1 de un componente espec\u00edfico. Esto se transmite a trav\u00e9s de un gr\u00e1fico de conocimiento que captura esquemas de procesos, como un manual para agentes de IA. Si reserva unas vacaciones, los agentes solicitar\u00e1n el destino y las fechas antes de que el gr\u00e1fico lo dirija a la reserva de vuelos y hoteles.<\/p>\n\n\n\n Esta forma estructurada de derivar nueva informaci\u00f3n y hacer conexiones l\u00f3gicas ayudar\u00e1 a los agentes de IA a razonar y sacar conclusiones. Los gr\u00e1ficos de conocimiento tambi\u00e9n ofrecen el beneficio de la escala. Anote esto solo una vez; no tendr\u00e1 que rehacerlo para cada agente nuevo.<\/p>\n\n\n\n