Por Jimena Zahn
En muy poco tiempo, la inteligencia artificial ha tomado el control de muchas funciones y tareas que el ser humano puede realizar, pero de manera mucho menos eficiente y veloz que los sistemas de inteligencia. A medida que se profundiza y se trabaja en desarrollar los modelos y algoritmos, surgen nuevos tipos de inteligencia, basados en como rescatan y generan información.
Es por ello que, en los debates más actuales sobre el tema, se empieza a plantear la diferencia entre la agéntica y la generativa. Estas son dos tipos de IA con propósitos y funcionamientos muy distintos. Mientras que la primera se enfoca en la creación de contenido, la segunda se centra en la toma de decisiones y la autonomía.
IA Generativa: Creación de Contenido y Reacción a Estímulos
La IA generativa o predictiva es capaz de crear contenido original, como texto, imágenes, o videos, a partir de una solicitud del usuario.
Esta se basa en modelos de aprendizaje profundo que simulan el cerebro humano. Estos modelos analizan enormes cantidades de datos para identificar patrones y relaciones, lo que les permite comprender las peticiones de los usuarios y generar contenido de alta calidad en tiempo real. Es reactiva, lo que significa que solo actúa en respuesta a una entrada o solicitud del usuario.
Su función principal es la creación de contenido: puede generar ensayos, código o respuestas a preguntas complejas (como lo hace ChatGPT). También puede analizar grandes volúmenes de datos para descubrir patrones y tendencias, adaptando sus resultados en función de la información que recibe del usuario, refinando la respuesta. Además, permite crear experiencias personalizadas, como recomendaciones de productos.
IA Agéntica: Autonomía y Proactividad
Según el profesor de computación de la Universidad de Standford, Andrew NG, la IA agéntica es un conjunto de sistemas de IA diseñados para tomar decisiones y actuar de forma autónoma para perseguir objetivos complejos con una supervisión limitada. Esta combina la flexibilidad de los modelos de lenguaje grandes (LLM) con la precisión de la programación tradicional. Se vale de tecnologías como el procesamiento del lenguaje natural (PLN), el aprendizaje automático y el aprendizaje por refuerzo. La gran diferencia con el otro tipo de inteligencia es que es proactiva, es decir, toma la iniciativa para alcanzar un objetivo.
Entre sus usos principales se encuentran: la toma de decisiones, evaluando situaciones y determinando el mejor camino a seguir sin o con mínima intervención humana. La resolución de problemas, en donde utiliza un enfoque de cuatro pasos: percibir (recopilar y procesar datos), razonar (analizar la situación), actuar (ejecutar una acción) y aprender (mejorar con la retroalimentación).
A parte de la diferencia en uso entre las dos, la IA Agéntica posees capacidad de autonomía y planificación, ya que su capacidad de operar por sí sola la convierte en una tecnología prometedora para automatizar tareas complejas. Puede manejar escenarios complicados y ejecutar estrategias de varios pasos para lograr objetivos. Por último, la gran diferencia es la capacidad de ser interactiva y proactiva, interactuando con su entorno para recopilar datos y ajustarse en tiempo real.
Agentes de IA vs. IA Agéntica: El Concepto y los Componentes
Es crucial distinguir entre estos dos términos. Para ello, hay que pensar en la IA agéntica como el marco o concepto general. Por otro lado, los agentes de IA serían los componentes individuales que operan dentro de ese marco.
Los agentes de IA tradicionales (agentes individuales) son sistemas monolíticos, una sola entidad que intenta hacerlo todo. Son como una navaja suiza que usa herramientas y razonamiento secuencial para cumplir tareas específicas. Funcionan bien para tareas bien definidas, como resumir un PDF o agendar una reunión, manejando una tarea a la vez en un bucle.
Por otro lado, los sistemas de IA agéntica (equipo de agentes) están compuestos por múltiples agentes especializados que colaboran. Este enfoque es como una caja de herramientas, donde cada uno tiene un rol específico (uno busca información, otro la analiza y otro planifica). Los agentes pueden comunicarse entre sí, dividir problemas en subtareas y trabajar en paralelo para lograr un objetivo mayor. Este modelo es más escalable, adaptable y resistente a medida que la complejidad del problema aumenta. Es decir, si un agente falla, otro puede intervenir o el sistema puede reconfigurar su plan sobre la marcha.
En resumen, la IA generativa se enfoca en la creación y es reactiva a tus peticiones. Por su parte, la IA agéntica se enfoca en la acción autónoma y la resolución proactiva de problemas complejos, usando un equipo de agentes especializados.
Otros tipos de IA
En el panorama actual de la IA, tres términos clave se entrelazan entre sí, pero tienen funciones muy distintas: la agéntica, la modular y la vertical. Si bien a menudo se confunden, entender sus diferencias es crucial para comprender cómo se construyen y evolucionan los sistemas de IA. Para ello, se plantea la construcción de un sistema de IA como un rompecabezas.
La IA modular es como las piezas reutilizables del rompecabezas. Es un sistema diseñado con componentes independientes que encajan entre sí. Cada módulo es autosuficiente, lo que permite desarrollarlo, probarlo o actualizarlo por separado sin afectar el resto. Esto facilita la reutilización de componentes en nuevos proyectos y mejora la escalabilidad y personalización del sistema, ya que puedes añadir o eliminar piezas según tus necesidades. Un ejemplo claro es un chatbot de atención al cliente, donde la comprensión del lenguaje, el reconocimiento de intenciones y la generación de respuestas son módulos separados, permitiendo mejoras en uno sin afectar a los otros.
La IA vertical es como el experto en un tema específico. A diferencia de la IA general, se especializa en una industria particular, como la salud, las finanzas o el comercio minorista. Se entrena con datos y flujos de trabajo específicos de ese sector para ofrecer soluciones más precisas y eficaces. Por ejemplo, un sistema de IA vertical en el sector financiero puede detectar fraudes analizando los patrones de transacciones, mientras que en el sector de la salud puede ayudar a los radiólogos a diagnosticar enfermedades. Su valor radica en su hiperespecialización y en la precisión que aporta a los desafíos únicos de cada industria.
Finalmente, como ya hemos se ha expuesto anteriormente, la IA agéntica es el asistente inteligente e independiente. Se refiere a sistemas que pueden tomar decisiones y actuar por sí solos para alcanzar objetivos complejos con una supervisión mínima. No se limita a reaccionar a una orden, sino que es proactiva, anticipándose a las necesidades y tomando la iniciativa. Sus acciones están orientadas a objetivos, y se adaptan en tiempo real a las condiciones cambiantes, como un vehículo autónomo que navega por una carretera.
Para una completa y eficiente interacción entre estos 3 tipo de inteligencia, los expertos plantean tomar esta estrategia: a corto plazo se enfocan en la IA vertical para resolver problemas específicos y obtener un retorno de inversión inmediato. A medio plazo, y a medida que los datos y la información crecen, se adopta la IA modular para construir sistemas flexibles, rentables y escalables. Por último, a largo plazo la IA agéntica, que promete la automatización completa de procesos, aunque su complejidad y los desafíos regulatorios ralentizan su adopción generalizada.
Tal vez te interese: Reporte Ad Astra #6 – Pensar no alcanza, los límites reales del razonamiento en IA
