Los asistentes de IA optimizan la automatización con agentes basados en API

Los asistentes impulsados por IA generativa están transformando las empresas a través de interfaces conversacionales inteligentes. Capaces de comprender y generar respuestas y contenidos similares a los humanos, estos asistentes están revolucionando la forma en que humanos y máquinas colaboran. Los modelos de lenguaje grandes (LLM) están en el centro de esta nueva disrupción. Los LLM se entrenan con grandes cantidades de datos y se pueden utilizar en infinitas aplicaciones. Se pueden ajustar fácilmente para casos de uso empresariales específicos con algunos ejemplos de entrenamiento.

Estamos presenciando una nueva fase de evolución a medida que los asistentes de IA van más allá de las conversaciones y aprenden a aprovechar las herramientas a través de agentes que podrían invocar interfaces de programación de aplicaciones (API) para lograr objetivos comerciales específicos. Las tareas que antes llevaban horas ahora se pueden completar en minutos gracias a la coordinación de un amplio catálogo de agentes reutilizables. Además, estos agentes pueden combinarse para automatizar flujos de trabajo complejos.

Los asistentes de IA pueden usar agentes basados en API para ayudar a los trabajadores del conocimiento con tareas mundanas, como crear descripciones de puestos, extraer informes en sistemas de recursos humanos, buscar candidatos y más. Por ejemplo, un gerente de recursos humanos puede pedirle a un asistente de IA que cree una descripción de trabajo para un nuevo rol, y el asistente puede generar una descripción de trabajo detallada que cumpla con los requisitos de la empresa. De manera similar, un reclutador puede pedir a un asistente de IA que busque candidatos para una vacante, y el asistente puede proporcionar una lista de candidatos cualificados de diversas fuentes. Con los asistentes de IA, los trabajadores del conocimiento pueden ahorrar tiempo y centrarse en problemas más complejos y creativos.

Los creadores de automatización también pueden aprovechar el poder de los asistentes de IA para crear automatizaciones de forma rápida y sencilla. Aunque pueda parecer un enigma, los asistentes de IA emplean IA generativa para automatizar el propio proceso de automatización. Esto hace que la creación de agentes sea más fácil y rápida. Hay dos pasos esenciales para construir agentes para la automatización empresarial: entrenar y enriquecer agentes para casos de uso y orquestar un catálogo de múltiples agentes.

Las API son la columna vertebral de los agentes de IA. Crear agentes basados en API es una tarea compleja que implica interactuar con un usuario de manera conversacional, identificar las API que se necesitan para lograr un objetivo del usuario, hacer preguntas para recopilar los argumentos necesarios para la API, detectar la información proporcionada por el usuario que se necesita al invocar la API, enriqueciendo las API con expresiones de muestra y generando respuestas basadas en los valores de retorno de la API. Este proceso puede llevar horas para un desarrollador experimentado. Sin embargo, los LLM pueden automatizar estos pasos. Esto permite a los creadores entrenar y enriquecer las API más rápidamente para tareas específicas.

Supongamos que Bob, un desarrollador de automatización, quiere crear agentes basados en API para ayudar a los vendedores de la empresa a recuperar una lista de clientes objetivo. El primer paso es importar la API “Recuperar a mis clientes” al asistente de IA. Sin embargo, para que esta automatización esté disponible como agente, Bob debe seguir varios pasos manuales y tediosos que incluyen entrenar el clasificador de lenguaje natural con expresiones de muestra. Con la ayuda de los LLM, los asistentes de IA pueden generar automáticamente expresiones de entrenamiento de muestra a partir de las especificaciones de OpenAPI. Esta capacidad puede reducir significativamente el esfuerzo manual requerido. Una vez que el modelo fundacional se ajusta para la comprensión semántica, puede comprender mejor las instrucciones e intenciones de los usuarios empresariales. Bob aún puede revisar y manipular las preguntas generadas utilizando un enfoque human-in-the-loop.

Pronto, el proceso de creación de agentes se automatizará por completo mediante la identificación de API, el llenado de espacios y el enriquecimiento de las API. Esto reducirá el tiempo necesario para crear la automatización, reducirá las barreras técnicas y mejorará los catálogos de agentes reutilizables.

Construir flujos de automatización que utilizan múltiples API puede ser técnicamente complejo y consumir mucho tiempo. Para conectar varias API, es importante identificar, secuenciar e invocar el conjunto adecuado de API para lograr un objetivo empresarial específico. Los asistentes de IA utilizan LLM y técnicas de planificación para simplificar este proceso y reducir las barreras técnicas. Los LLM pueden funcionar como un potente sistema de recomendaciones, sugiriendo las API más adecuadas en función del uso, las similitudes y las descripciones.

Los desarrolladores deben alinear las entradas y salidas de múltiples API para componer automatizaciones multiagente, lo cual es un proceso tedioso y propenso a errores. La asignación de API impulsada por LLM automatiza este proceso de alineación en función de los atributos y la documentación de la API. Esto facilita a los desarrolladores de automatización reutilizar las API existentes de grandes catálogos sin intervención manual.

Ahora, supongamos que nuestro creador de automatización, Bob, quiere crear una automatización de varias API más compleja que permita a los vendedores recuperar una lista de clientes y, posteriormente, generar una lista de recomendaciones de productos personalizadas. Después de importar y enriquecer el agente de API "Recuperar mis clientes", la característica de secuenciación infundida con LLM puede recomendar automáticamente la API "Generar recomendaciones de productos". Esto significa que Bob no tiene que examinar cada API individualmente para descubrir la más adecuada del amplio catálogo de agentes.

Además, cada API contiene campos de diferentes tipos de datos. La API de origen proporciona campos de salida que representan información sobre un conjunto de clientes. La API de destino presenta campos de entrada que también representan información del cliente. Normalmente, Bob tendría que dedicar tiempo a mapear manualmente cada campo de las API de destino a un campo correspondiente en la API de origen. Este tedioso esfuerzo se vería exacerbado a medida que aumenta el número de API de origen y campos de destino. El servicio de asignación de API puede generar un conjunto de sugerencias de alineación que Bob puede revisar, editar y guardar rápidamente.

IBM® watsonx Orchestrate utiliza una combinación de modelos de IA (incluidos los LLM) para simplificar el proceso de creación de agentes de IA mediante el enriquecimiento de API, la secuenciación y las recomendaciones de mapeo. En la nueva fase de evolución, los asistentes de IA podrán secuenciar varias API en tiempo de ejecución para lograr objetivos empresariales definidos por trabajadores con conocimientos no técnicos, lo que democratiza aún más la automatización. Al aprovechar los asistentes de IA, las empresas pueden acelerar sus iniciativas de automatización y redistribuir recursos significativos hacia áreas que generan más valor.