Por Jimmy Barrett 
Desde la llegada de ChatGPT, las aplicaciones de inteligencia artificial (IA) han experimentado una evolución rápida. Inicialmente centradas en interacciones simples, ahora se orientan hacia sistemas más complejos llamados agentes de IA. Estos agentes están diseñados para realizar tareas complejas que requieren razonamiento, planificación y uso de herramientas.
En su artículo «The Landscape of Emerging AI Agent Architectures for Reasoning, Planning, and Tool Calling: A Survey», Tula Masterman, Sandi Besen, Mason Sawtell y Alex Chao exploran los avances recientes en el diseño de estos agentes. Examinan las arquitecturas actuales, identifican los desafíos y proponen orientaciones para desarrollos futuros.
Definición de un agente de IA
Un agente de IA es un sistema autónomo capaz de percibir su entorno, razonar, planificar y actuar para alcanzar objetivos específicos. A diferencia de los modelos tradicionales que responden a consultas puntuales, los agentes de IA pueden:
- Planificar: elaborar una secuencia de acciones para alcanzar un objetivo.
- Razonar: analizar información para tomar decisiones informadas.
- Utilizar herramientas: interactuar con software o bases de datos para realizar tareas.
- Recordar: almacenar y recuperar información relevante para interacciones futuras.
Arquitecturas de los agentes de IA
Las arquitecturas de los agentes de IA pueden clasificarse en dos categorías principales:
Agentes mono-agente
Un agente mono-agente funciona de manera autónoma para realizar una tarea. Es particularmente eficaz para problemas bien definidos donde la colaboración no es necesaria. Sus ventajas incluyen:
- Simplicidad: diseño y gestión más simples.
- Eficiencia: menos comunicación necesaria, por lo tanto más rápido.
Sin embargo, puede ser limitado en entornos complejos que requieren colaboración o especialización.
Agentes multi-agentes
Los agentes multi-agentes implican varios agentes trabajando juntos para realizar una tarea. Cada agente puede tener una especialización o un rol específico. Sus ventajas incluyen:
- Colaboración: posibilidad de dividir tareas complejas.
- Flexibilidad: adaptación a entornos dinámicos.
Sin embargo, la coordinación entre agentes puede introducir desafíos, como la gestión de la comunicación y la resolución de conflictos.
Componentes clave de los agentes de IA
Los agentes de IA están constituidos por varios componentes esenciales:
- Cerebro: el motor de razonamiento que toma decisiones.
- Percepción: la capacidad de recibir e interpretar información del entorno.
- Acción: la capacidad de interactuar con el entorno u otros sistemas.
- Memoria: el almacenamiento de información para uso futuro.
Además, los agentes pueden tener personas, es decir, roles o personalidades definidas que influyen en su comportamiento. Por ejemplo, un agente puede configurarse como un «asistente de investigación» o un «analista financiero», lo que guía sus acciones e interacciones.
Razonamiento, planificación y uso de herramientas
Los agentes de IA avanzados son capaces de:
- Razonamiento: analizar información para comprender situaciones complejas.
- Planificación: elaborar estrategias para alcanzar objetivos.
- Uso de herramientas: interactuar con software o bases de datos para realizar tareas específicas.
Por ejemplo, un agente puede utilizar una herramienta de traducción para comprender un documento en lengua extranjera, y luego extraer información relevante para un análisis.
Comunicación y liderazgo en los sistemas multi-agentes
En los sistemas multi-agentes, la comunicación y el liderazgo son cruciales:
- Comunicación: los agentes deben intercambiar información de manera eficaz para coordinar sus acciones.
- Liderazgo: un agente puede ser designado como líder para dirigir a los otros agentes, asignar tareas y tomar decisiones estratégicas.
Estudios han demostrado que estructuras de equipo dinámicas con liderazgo rotativo pueden mejorar el rendimiento global, reducir el tiempo necesario para realizar tareas y disminuir los costos de comunicación.
Fases clave del funcionamiento de los agentes
El funcionamiento de los agentes de IA puede dividirse en varias fases:
- Planificación: definir los pasos necesarios para alcanzar un objetivo.
- Ejecución: implementar las acciones planificadas.
- Reflexión: evaluar los resultados obtenidos y ajustar las estrategias si es necesario.
Este ciclo continuo permite a los agentes adaptarse a entornos cambiantes y mejorar su rendimiento con el tiempo.
Desafíos y consideraciones futuras
Además de los aspectos técnicos, los autores destacan varios ámbitos de preocupación que deberán abordarse para permitir una adopción amplia y responsable de estos agentes:
- Interoperabilidad: En sistemas complejos, es esencial que diferentes agentes (desarrollados independientemente) puedan comunicarse entre sí. Esto requiere protocolos estándar.
- Trazabilidad de decisiones: Cuando un agente recomienda una acción o toma una decisión, es importante saber cómo y por qué. Esto es crucial para mantener la confianza de los usuarios.
- Equidad y sesgos: Si los datos de entrenamiento están sesgados, los agentes pueden reproducir —incluso amplificar— estos sesgos en sus recomendaciones.
- Recursos informáticos: Los agentes que funcionan con LLMs (modelos de lenguaje de gran tamaño) son a menudo costosos de ejecutar, especialmente en contextos de coordinación multi-agentes.
Ejemplos concretos de agentes IA en la industria
El documento cita varios proyectos y empresas que han experimentado con arquitecturas de agentes IA:
- Auto-GPT: Un sistema capaz de definir un objetivo a largo plazo (ej.: «encontrar una idea de startup») y organizarse solo para alcanzarlo, llamando a herramientas externas, generando contenido y creando archivos.
- BabyAGI: Un framework donde un agente crea su propia lista de tareas, ejecuta cada tarea, y luego reevalúa las tareas restantes en función de los resultados.
- LangGraph y CrewAI: Entornos que permiten diseñar agentes con roles específicos (investigador, planificador, ejecutor, etc.) que pueden colaborar en flujos de trabajo.
- GPTs personalizados de OpenAI: Versiones personalizables de ChatGPT que permiten a los usuarios definir herramientas específicas, objetivos, e incluso una memoria persistente entre sesiones.
Tablas comparativas de las arquitecturas
Aquí hay una tabla inspirada en el documento que compara varios enfoques modernos de arquitecturas de agentes:
| Nombre del sistema | Mono-agente o Multi-agente | Capacidad de planificación | Uso de herramientas | Capacidad de razonamiento | Gestión de la memoria |
|---|---|---|---|---|---|
| Auto-GPT | Mono-agente | Sí | Sí | Moderada | Limitada |
| BabyAGI | Mono-agente | Sí | Sí | Baja a media | Baja |
| LangGraph | Multi-agente | Sí (vía grafo) | Sí | Avanzada | Flexible |
| CrewAI | Multi-agente | Sí | Sí | Fuerte (por especialización) | Buena |
| GPTs (OpenAI) | Mono-agente | Parcial | Sí | Media a fuerte | Persistente |
Recomendaciones de los autores para el futuro
A partir de su análisis, los investigadores identifican varias líneas de desarrollo prioritarias:
- Modularidad: Descomponer los agentes en componentes reutilizables (ej.: planificador, ejecutor, gestor de memoria).
- Transparencia: Integrar mecanismos de explicación que permitan justificar las decisiones tomadas por el agente.
- Robustez: Crear agentes capaces de gestionar situaciones imprevistas sin generar errores críticos.
- Auto-evaluación: Integrar bucles de retroalimentación internos que permitan al agente juzgar la calidad de sus propias acciones o hipótesis.
- Interoperabilidad abierta: Estandarizar los formatos de intercambio de datos y las API para favorecer la colaboración entre agentes de diferentes plataformas.
Conclusión
El campo de los agentes de IA está en plena efervescencia. La idea de que un software pueda no solo comprender un objetivo sino también organizarse para alcanzarlo, interactuar con otros, y aprender de sus errores, transforma radicalmente nuestra visión de lo que puede ser la inteligencia artificial.
El documento arXiv:2404.11584 constituye una cartografía rigurosa de este nuevo espacio tecnológico. Pone de relieve las fortalezas y limitaciones de los enfoques actuales, a la vez que abre perspectivas para los próximos años. Lejos de ser una simple herramienta conversacional, el agente de IA se convierte en una entidad cognitiva distribuida: una forma de inteligencia capaz de estructurar procesos complejos apoyándose en un entorno rico en herramientas, datos y colaboradores humanos y no humanos.
Si el camino hacia agentes verdaderamente «generales» es aún largo, los avances de los últimos meses muestran que ya estamos en la era de la agentificación de la IA. Queda ahora convertirla en una tecnología responsable, ética y útil para el mayor número de personas.