Imagina un futuro cercano donde los agentes de IA colaboren fluidamente contigo y tus colegas. Algunos representan a los clientes, otros a los compañeros de equipo; todos se comunican en el idioma específico de la empresa, incluso en varios idiomas. Estos agentes actualizan constantemente una base de conocimiento compartida, donde integran información consolidada y nuevos conocimientos en tiempo real.
A medida que pasamos de casos de uso con un solo agente a sistemas multiagente y, finalmente, a que cada empresa tenga su propio omniagente, veremos cómo los agentes de IA operan en diferentes contextos con una autonomía cada vez mayor. Comenzaremos el día con preguntas como: “¿Qué problemas nuevos han planteado los clientes esta semana?” o “¿Qué es lo que más preocupa a mis empleados?”. Un equipo de agentes resumirá la respuesta a partir de miles de interacciones con los clientes, conversaciones y perspectivas de tus colegas. Esta es la promesa de la era de los agentes.
La pregunta es, ¿cómo llegamos ahí?. La respuesta se centra en el tipo de información que los agentes más necesitan para ejecutar sus tareas eficazmente: el contexto.
Por qué el contexto es esencial en la IA
El contexto es clave para que la IA de los agentes aporte valor real a las empresas. Las arquitecturas de los agentes aprovechan el poder de inferencia de los LLM para automatizar tareas a pesar de la ambigüedad. Cuanto más contexto tengan para interpretar dicha ambigüedad, mejor será su rendimiento.
Los agentes introducen una nueva forma de usar las computadoras para automatizar, una que no requiere la predefinición exhaustiva de reglas para cada escenario. Los sistemas de los agentes pueden usar las capacidades de coincidencia de patrones de un LLM para inferir los detalles de una situación dada, y se vuelven más eficaces a medida que reciben un contexto más completo; en otras palabras, tienen menos que adivinar.
La promesa de la colaboración entre humanos e IA se pierde cuando los agentes deben pedir detalles, constantemente, antes de actuar.
Consideremos cómo funcionan hoy la mayoría de los primeros agentes de IA, en comparación con el futuro. Muchos agentes de IA actuales tienen dificultades fuera de sus parámetros definidos y pueden malinterpretar fácilmente las solicitudes si pierden el hilo. Si esperan a que el usuario les diga qué interpretar, lo obligan a convertirse en ingenieros de instrucciones.
Un ejemplo de una indicación de usuario incompleta que requiere más indicaciones para compensar la falta de contexto.
Sin acceso a un contexto suficientemente completo, los desarrolladores de agentes se ven atrapados en un dilema que frustra su finalidad inicial. Pueden diseñar casos de uso específicos con claves contextuales predecibles y un rendimiento fiable, pero con una flexibilidad limitada, o pueden adoptar un enfoque más amplio y diseñar para funcionar sin contexto. Sin embargo, esto impone a los usuarios tener que proporcionar los detalles faltantes en el último momento. La promesa de la colaboración entre humanos e IA se pierde cuando los agentes deben solicitar detalles, constantemente, antes de actuar. Ambas estrategias pueden generar avances progresivos, pero pueden impedir la adopción de sus agentes a escala.
Cuando un agente carece de contexto, los usuarios se ven obligados a dedicar más tiempo a aclarar su indicación que a completar la tarea. La solución es incorporar a los agentes en un entorno donde puedan observar las conversaciones en curso sobre el trabajo en progreso y usar su capacidad de interpretación para adaptar sus instrucciones y herramientas al contexto del trabajo real.
Las conversaciones ofrecen la fuente de contexto más completa y dinámica del lenguaje natural que los agentes de LLM pueden descifrar fácilmente. Contienen la intención en tiempo real, matices acerca de lo que es útil y lo que no, y pistas sobre las necesidades cambiantes, lo que proporciona las claves esenciales que los agentes de IA necesitan para ajustar sus estrategias. Los sustratos de conversaciones permiten a los agentes de IA adaptarse, ser proactivos y actuar con una precisión que sería imposible lograr de otro modo.
Un ejemplo de un agente de Slack que utiliza el contexto de una conversación para interpretar el mismo mensaje incompleto del usuario y responder de manera efectiva.
Con contexto, los agentes pueden tener la autonomía que los hace tan poderosos. Necesitan un entorno donde puedan observar el contexto suficiente para discernir qué importa, qué no, cuándo proceder, cuándo buscar ayuda e incluso cuándo ellos mismos son innecesarios. Si pueden ver la situación cambiante, las limitaciones y la información más reciente, la adopción de agentes a escala se hace posible.
Los agentes necesitan un entorno en el que puedan observar el contexto suficiente para discernir qué importa, qué no, cuándo proceder, cuándo buscar ayuda e incluso cuándo ellos mismos son innecesarios.
Cómo Slack habilita la IA contextual
Slack te ofrece todo lo necesario para equilibrar control y autonomía. Al usar Slack como sustrato para tus agentes, los datos no estructurados de tu empresa (contenido generado por el usuario, texto en lenguaje natural, audio y video) mejoran el razonamiento y la toma de decisiones de los agentes para una mayor relevancia. Esto ayuda a los agentes a comprender qué pueden hacer para ayudar, cuándo deben intervenir y cuándo deben relajarse.
Slack también te permite controlar a qué datos pueden acceder tus agentes. Nunca entrenamos a los LLM con datos de clientes; en cambio, te ofrecemos el mejor entorno para que puedas realizar la Recuperación-Generación Aumentada (RAG) contextual con tus propios datos y así proporcionar a los agentes la información que necesitan, cuando la necesitan. Esto significa que tus agentes pueden deducir sobre la marcha qué datos recuperar de tus bases de datos según el contexto de su tarea.
Con la API de historial de conversaciones y la API de acceso a datos de Slack, puedes crear agentes adaptables capaces de realizar ajustes en tiempo real según el desarrollo de la conversación. Cada mensaje nuevo de Slack actualiza el contexto. En lugar de respuestas rígidamente predefinidas, Slack permite a los agentes ser dinámicos, aprovechando las señales de las conversaciones actuales y pasadas para ser más flexibles con sus instrucciones y eficaces en el desempeño de sus roles u objetivos asignados. El poder de un contexto claro en tiempo real reside en su capacidad para ayudar a la IA a comprender a los humanos. La arquitectura de Slack facilita esta adaptabilidad al permitir a los desarrolladores de agentes utilizar el contexto más actualizado e incluso contextualizar aún más lo que los agentes escuchan de interacciones pasadas o conversaciones en curso en otros canales de Slack.
A medida que los sistemas multiagente pasan a ser más comunes, las plataformas conversacionales serán fundamentales para la adopción y transformación de los agentes. Slack funciona como el bus conversacional empresarial necesario para facilitar la comunicación armoniosa entre agentes y humanos, lo que garantiza que las respuestas estén alineadas y sean productivas. Los agentes pueden trabajar de forma autónoma, colaborando para mejorar las capacidades de los demás en tiempo real y reforzarse o mejorar el modelo subyacente. Los agentes se convierten en colaboradores informados, y con los servicios de contexto de Slack, los desarrolladores de agentes pueden centrarse en la automatización en lugar de en la complicada última milla o en predefinir y limitar a sus agentes. Pronto, los agentes de Slack podrán administrar y dirigir a otros fácilmente, en todas las aplicaciones conectadas a Slack, con un sustrato estandarizado que permite a cada agente acceder a conversaciones con y entre personas para mantenerse conectado.
Slack es donde los agentes realmente pueden potenciar a los humanos
Al considerar el mejor lugar para que tus desarrolladores creen e implementen agentes, es fundamental recordar que el contexto no es opcional; es lo que marca la diferencia. Slack proporciona un entorno donde los agentes pueden evolucionar, desde simples ejecutores de tareas hasta socios adaptables y colaborativos. Slack es donde las interacciones entre agentes y personas se unen para construir un conjunto de conocimientos empresariales en constante crecimiento, que se actualiza constantemente con cada mensaje. El potente contexto de usuario de Slack es lo que hace posible esto y, en última instancia, que cada agente comprenda mejor a las personas a las que sirve.
¿Estás listo para comenzar? Ponte en contacto con nuestro equipo de expertos para averiguar cómo.
¡Genial!
¡Muchísimas gracias por tus comentarios!
¡Entendido!
Gracias por tus comentarios.
¡Uy! Estamos teniendo dificultades. Por favor, inténtalo de nuevo más tarde.