¿Qué es AgentGPT?

A diferencia de las iteraciones actuales de ChatGPT de OpenAI, AgentGPT le permite crear agentes de IA autónomos capaces de pensar, planificar, actuar y adaptarse hacia un objetivo definido por el usuario, con un mínimo de instrucciones manuales. Una característica que hace especial a AgentGPT es su interfaz fácil de usar, que hace que la funcionalidad de agentes de IA sea accesible para todo tipo de casos de uso como investigación y recopilación de datos, resolución exploratoria de problemas, generación de ideas, automatización de tareas repetitivas, creación de chatbots y más.

AgentGPT es una herramienta no-code, lo que significa que los usuarios no necesitan escribir software ni configurar un entorno de desarrollo para definir un objetivo, seleccionar un modelo e implementar agentes. Se proporcionan plantillas para ayudar a los principiantes a comprender cómo enmarcar objetivos eficaces.

AgentGPT es un proyecto de código abierto desarrollado principalmente por un equipo de Reworkd AI. La startup con sede en San Francisco lanzó la herramienta en abril de 2023 y continúa manteniéndola. En cuanto a precios, Reworkd ofrece una versión gratuita y un servicio alojado con niveles de pago. El proyecto llamó la atención desde el principio en parte porque era abierto y accesible, con código y documentación disponibles en Github.

Cabe destacar que las siglas “GPT” en AgentGPT significan transformador preentrenado generativo, una familia de modelos de lenguaje de gran tamaño (LLM) basados en una arquitectura de transformador y deep learning. Se llama AgentGPT porque el GPT actúa como un agente autónomo, no solo como un chatbot, como en ChatGPT, aunque ambos se basan en los mismos modelos de OpenAI bajo el capó, como GPT-3.5 y GPT-4.

AgentGPT no debe confundirse con otras herramientas de IA agéntica como AutoGPT, que es una herramienta similar que se ejecuta en las máquinas personales de los usuarios en lugar de en la web. BabyAGI es otra plataforma agente, más técnica y basada en Python, que a menudo se utiliza como herramienta fundamental para los desarrolladores.

Un agente es un sistema con IA que realiza tareas de forma autónoma mediante el diseño de flujos de trabajo con las herramientas disponibles. Los LLM tradicionales, como los modelos IBM® Granite, producen sus respuestas basándose en los datos utilizados para entrenarlos y están limitados por sus conocimientos y su razonamiento.

Los agentes, por el contrario, pueden hacer mucho más que hablar con los usuarios. Un LLM puede considerarse como una especie de cerebro. Un agente es un sistema que utiliza un cerebro de LLM para pensar y actuar. Los agentes utilizan el cerebro para planificar y realizar tareas complejas que requieren un razonamiento de varios pasos para alcanzar objetivos a largo plazo, con una mínima entrada.

Supongamos que quiere abrir una cafetería, pero no sabe cuál sería una buena ubicación. Quiere identificar los criterios que definen una buena ubicación, recopilar datos, reducir la lista de zonas candidatas y poner de manifiesto las ventajas y los riesgos. Su agente será un analista de investigación junior. ¿Pero qué herramienta debe usar? Ambos utilizan el machine learning para generar contenidos, por lo que, en teoría, podría utilizar ChatGPT (o algún otro chatbot basado en LLM) para un proyecto como este.

Cabe señalar que la capacidad de AgentGPT para realizar búsquedas web en tiempo real y acceder a otras herramientas externas precedió a la funcionalidad similar de ChatGPT, aunque ahora ambas herramientas tienen esta capacidad. Dicho esto, AgentGPT sigue teniendo sus puntos fuertes.

ChatGPT destaca si quiere hacer preguntas de seguimiento, interrogar sus suposiciones y desafiar y refinar ideas de forma interactiva. Sin embargo, si la tarea consta de varios pasos, la ruta no está clara y no desea dirigirla manualmente en cada paso del camino, AgentGPT podría ser la mejor herramienta.

ChatGPT espera a que le digan qué hacer y tendrá que guiarlo en cada paso del camino. Por el contrario, AgentGPT parte de su objetivo inicial y lo desarrolla por sí mismo, decidiendo cuáles son los mejores pasos a seguir. Es genial para sacar a la superficie “incógnitas desconocidas” y explorar territorios sobre los que ni siquiera habría pensado en preguntar.

Con ChatGPT, tendría que preguntar en cada paso:

1. “¿¿Qué hace que la ubicación de una cafetería sea buena?”
   
   
2. “Vale, ahora aplíquelo a las ciudades medianas de mi región”.
   
   
3. “Vale, pero ¿qué pasa con las zonas residenciales y las zonas de cercanías?”
   
   
4. “Vale, pero ¿cuáles son los errores más comunes que comete la gente en este ámbito?"
   
   
5. “Vale, ¿y cómo podría comprobarlo en persona?”

Con AgentGPT, solo tiene que decir “Investigue qué hace que la ubicación de una cafetería sea buena” y dejar que el agente se ponga manos a la obra para elaborar una respuesta exhaustivamente documentada. El agente se hará estas preguntas y las responderá de forma proactiva por usted.

Supongamos que desea crear un agente que monitorice las nuevas normativas, tendencias y tecnologías que afectan a las cafeterías y resuma los riesgos y oportunidades semanales, en un informe ordenado. Quiere que el agente sea capaz de escanear fuentes, filtrar la relevancia para las cafeterías, sintetizar riesgos y oportunidades y resumir los resultados.

Este es un caso de uso más adecuado, en el que AgentGPT resulta más útil que ChatGPT, ya que ofrece más flexibilidad y le permitirá limitarse a revisar los resúmenes finales en lugar de tener que pedirle continuamente al agente nueva información.

En primer lugar, nombrará a su agente (por ejemplo, “Analista de riesgos y oportunidades del sector del café”). A continuación, escribirá su objetivo:

“Explore la web y las redes sociales en busca de nuevas regulaciones, tendencias y tecnologías que afecten a las cafeterías independientes y resuma semanalmente los riesgos, oportunidades y elementos que vale la pena monitorizar. Luego, edite y simplifique el boletín informativo para adaptarlo a un público de ejecutivos de empresa”.

La expresión “cafeterías independientes” reduce su relevancia. “Riesgos, oportunidades y elementos que vale la pena monitorizar" obliga a la categorización. “Edite y simplifique” reducirá la redundancia y producirá resultados con el estilo deseado.

Puede añadir restricciones adicionales o reglas operativas para evitar resultados ruidosos. Así:

• “Céntrese en las regulaciones regionales a menos que se especifique lo contrario”
   

• “Ignore las noticias irrelevantes sobre hostelería (como restaurantes, hoteles)”
   

• “Dele prioridad a fuentes de los últimos 7 días”
   

• “Resuma los impactos de forma clara y concisa”
   

• “Indique incertidumbre cuando la información esté incompleta”
   

• Empiece con un resumen ejecutivo (no más de cinco puntos)
   

• Incruste todas las fuentes como hipervínculos
   

• No repita los resultados de informes anteriores
   

• Penalice las noticias “exageradas”

Puede guardar esta instrucción inicial y volver a ejecutarla semanalmente para obtener nuevos resultados.

AgentGPT sobresale para casos de uso tan simples que entran en la categoría de “asistente personal” o “copiloto digital”. Estos agentes pueden escalarse horizontalmente ejecutando varios agentes en paralelo para distintos objetivos. Esta escalabilidad hace que AgentGPT sea atractivo como prototipo para sistemas de agentes de estilo empresarial, como IBM watsonX Orchestrate, donde se requieren protecciones, evaluación y monitorización más robustas.