Oracle Agentes de IA: Los 15 principales casos de uso y 5 beneficios

El 72% de las empresas están implementando soluciones de IA. ¹ Oracle aprovecha agentes de IA que combinan grandes modelos de lenguaje, procesamiento del lenguaje natural y generación aumentada por recuperación (RAG).

Explora los agentes de IA Oracle, sus casos de uso y beneficios:

¿Qué son los agentes de IA Oracle?

OCI generative AI agents es un servicio totalmente gestionado que integra grandes modelos de lenguaje (LLM) con un sistema de recuperación inteligente. Está diseñado para proporcionar respuestas relevantes mediante la búsqueda en una base de conocimiento específica.

Oracle ahora ofrece más de 600 agentes de IA dentro de su Fusion Cloud Applications Suite, junto con más de 100 agentes asociados certificados en Fusion AI Agent Marketplace. La compañía lanzó 22 nuevas Fusion Agentic Applications creadas a partir de equipos de agentes de IA integrados en Oracle Fusion Cloud Applications para RR.HH., finanzas, cadena de suministro y experiencia del cliente. ²

Estos agentes de IA están diseñados para gestionar procesos de varios pasos, adaptarse a nuevas situaciones y responder a comandos en lenguaje natural, ofreciendo mayor flexibilidad y precisión en comparación con los sistemas anteriores basados en reglas. Los agentes de IA generativa de OCI ofrecen múltiples métodos para la incorporación de datos, lo que permite a los usuarios y a sus clientes interactuar con ellos a través de una interfaz de chat o una API.

Características principales

• Admite diversos métodos de incorporación de datos y canales de interacción (interfaz de chat o API).
• Genera respuestas contextualmente relevantes al recuperar información de una base de conocimientos.
• Proporciona la atribución de la fuente para todas las respuestas.
• Ofrece capacidades de búsqueda híbridas, combinando enfoques léxicos y semánticos.
• Incluye moderación de contenido tanto para la entrada como para la salida.
• Permite conversaciones de varios turnos, lo que posibilita a los usuarios formular preguntas de seguimiento que tengan en cuenta el contexto previo.
• Puede interpretar datos de gráficos de dos ejes y tablas de referencia en archivos PDF sin necesidad de descripciones explícitas de los elementos visuales.
• Extrae y muestra los hipervínculos presentes en los documentos PDF en las respuestas del chat.

¿Cómo funcionan los agentes de IA Oracle?

1. Entrada: Consulta del usuario
   • El usuario envía una consulta en lenguaje natural al agente de IA generativa de OCI.
   • El servicio codifica la consulta y la envía al almacén de datos de la empresa (la base de conocimientos) para su procesamiento.
2. Procesamiento: Comprensión de la consulta y formulación del plan
   • El agente de IA, impulsado por un modelo de lenguaje extenso (LLM), interpreta la consulta.
   • Formula y ejecuta un plan para generar una respuesta. Esto implica los siguientes pasos:
     1. Búsqueda en la base de conocimientos de artículos o documentos relevantes.
     2. Reclasificación de los documentos recuperados en función de su relevancia semántica.
     3. Combinar los documentos más relevantes con la consulta del usuario para generar una respuesta coherente y contextualmente precisa.
3. Salida: Entrega de respuesta
   • El agente envía la respuesta formulada de vuelta al usuario.
   • La respuesta incluye referencias a los documentos o fuentes que se utilizaron para generar la respuesta.

Orquestación agencial

Oracle Los agentes de IA no solo funcionan como sistemas de recuperación y respuesta, sino como orquestadores capaces de planificar, coordinar y ejecutar flujos de trabajo complejos a través de herramientas y fuentes de datos empresariales.

A diferencia de la IA basada en chat de una sola función, la orquestación de agentes permite a los modelos:

• Descomponer los objetivos de varios pasos en planes de ejecución estructurados.
• Seleccione e invoque las herramientas, las API y los sistemas empresariales adecuados en el momento preciso.
• Mantener el estado, validar las salidas y autocorregir mediante razonamiento iterativo.
• Encadenar acciones a través de las capas de recuperación, análisis y ejecución de tareas.
• Operar a través de múltiples subagentes especializados cuando sea necesario (por ejemplo, recursos humanos, finanzas, soporte).

Esta capa de orquestación permite que los agentes de IA Oracle vayan más allá de responder preguntas y entren en la ejecución de procesos.

Para obtener información más detallada sobre la orquestación, explore:

• Orquestación de LLM
• Orquestación multiagente
• ERP con IA agencial
• orquestación de TI .

A medida que los agentes se expanden más allá de los sistemas internos, los entornos de ejecución web y los estándares de interoperabilidad se vuelven fundamentales:

• Analice las pruebas de rendimiento de MCP en navegadores para identificar infraestructuras de servidores MCP que admitan agentes habilitados para la web.
• Compara navegadores remotos para observar cómo interactúan los agentes con la web abierta.

Tipos de datos de la base de conocimiento

Existen dos formas distintas de proporcionar datos a los agentes de IA generativa de OCI para que los utilicen como base de conocimiento. Una base de conocimiento es, esencialmente, la colección de información o documentos que el agente de IA consulta para generar respuestas. A continuación, se explica qué significa cada tipo:

1. Opción gestionada por el servicio

Esta opción le permite almacenar sus datos en el almacenamiento de objetos de Cloud Infrastructure (OCI) Oracle. Con este método, puede:

• Puedes subir hasta 1000 archivos, ya sean documentos de texto o PDF, cada uno con un tamaño máximo de 100 MB.
• Solicite un aumento del límite a través del soporte Oracle para almacenar más archivos o archivos de mayor tamaño.

2. Opciones para traer tus propios alimentos (BYO, por sus siglas en inglés)

Esta opción le permite utilizar sus sistemas existentes para alojar y gestionar los datos a los que accederá el agente de IA. Oracle proporciona integración con herramientas específicas para este fin. Está disponible en sistemas como:

• Oracle Base de datos 23c (búsqueda vectorial de IA): Esta es una base de datos que admite capacidades de búsqueda avanzadas, incluida la búsqueda vectorial, que ayuda al agente de IA a recuperar datos relevantes de manera más efectiva.
• Búsqueda OCI con OpenSearch: Esta opción utiliza OpenSearch, una tecnología de motor de búsqueda, para indexar y administrar sus datos. Permite al agente realizar búsquedas eficientes en los datos ingeridos e indexados.

Esta opción le brinda flexibilidad y control si cuenta con una infraestructura para almacenar y administrar datos. Puede integrar el agente de IA en sus sistemas existentes sin migrar los datos a OCI Object Storage.

15 casos de uso de agentes de IA generativos Oracle

Los agentes de generación aumentada por recuperación (RAG), como RAG con capacidad de agente , combinan capacidades de recuperación y generación de lenguaje para producir respuestas precisas y contextualizadas. El agente recupera documentos o datos relevantes y genera respuestas coherentes basadas en esta información.

Algunos ejemplos de casos de uso son:

1. Automatización del servicio al cliente: Un agente de IA para el servicio al cliente puede optimizar la atención al cliente gestionando consultas mediante interfaces conversacionales, recuperando datos de la base de conocimientos y derivando los problemas complejos a agentes humanos. Esto garantiza una resolución más rápida de los problemas y mejora la satisfacción del usuario. La automatización también reduce las tareas repetitivas, lo que permite a los equipos de atención al cliente centrarse en interacciones personalizadas y de mayor valor.
2. Investigación jurídica: Los agentes de IA pueden ayudar a los profesionales del derecho mediante la búsqueda rápida de precedentes y jurisprudencia en vastas bases de datos. Estas capacidades mejoran la eficiencia en la planificación y la investigación. Al simplificar búsquedas complejas, la IA facilita una toma de decisiones más rápida, lo que garantiza que los equipos legales cumplan con los plazos y brinden asesoramiento preciso a sus clientes.
3. Análisis e informes financieros: Los agentes de IA ayudan a los equipos financieros a analizar datos, detectar anomalías y generar informes completos. Sintetizan información de diversas fuentes, como noticias del mercado e informes internos. Estas herramientas mejoran la gestión financiera al optimizar los procesos, sugerir acciones correctivas y aumentar la precisión en la toma de decisiones para la elaboración de presupuestos, pronósticos y evaluación del desempeño.
4. Tutoría educativa: Los agentes de IA actúan como tutores personales, proporcionando recursos de aprendizaje personalizados y aclarando conceptos complejos. Estos sistemas se adaptan a las necesidades de los estudiantes, ofreciendo contenido educativo interactivo y orientación paso a paso. Al automatizar la búsqueda de recursos, ayudan a los alumnos a alcanzar sus objetivos académicos, al tiempo que permiten a los educadores centrarse en estrategias de enseñanza innovadoras.
5. Creación de contenido: La IA apoya a los creadores de contenido recuperando información relevante, analizando tendencias y sugiriendo ideas para artículos, informes o presentaciones. Estos sistemas aceleran el proceso creativo sin comprometer la originalidad. Gracias a sus avanzadas capacidades de IA, permiten a los profesionales centrarse en perfeccionar la calidad del contenido y conectar eficazmente con su audiencia.
6. Soporte técnico: Los agentes de IA guían a los usuarios en la resolución de problemas, sintetizando manuales técnicos y foros en soluciones concisas. Resuelven los problemas de manera eficiente, minimizando el tiempo de inactividad. Estos agentes potencian a los equipos de soporte al reducir la carga de trabajo y brindar soluciones consistentes y precisas, mejorando significativamente la experiencia del usuario en entornos técnicos.
7. Gestión de la cadena de suministro: Los agentes de IA optimizan las operaciones de la cadena de suministro mediante la agregación de datos sobre inventario, proveedores y logística. Analizan las tendencias para obtener información útil, lo que permite a las empresas reducir las ineficiencias y garantizar operaciones fluidas.
8. Incorporación de proveedores: Un agente de incorporación de proveedores podría facilitar la integración de nuevos proveedores extrayendo automáticamente los documentos relevantes, verificando el cumplimiento de las políticas de la empresa y actualizando los registros de proveedores en el sistema empresarial.
9. Análisis inmobiliario: Los agentes de IA apoyan a los profesionales del sector inmobiliario sintetizando datos de propiedades y tendencias del mercado. Proporcionan información valiosa sobre precios, demanda y oportunidades de inversión, facilitando la toma de decisiones. Gracias al análisis basado en IA, los profesionales pueden adaptarse a las dinámicas condiciones del mercado y ofrecer asesoramiento personalizado a sus clientes de forma eficaz.
10. Planificación de viajes: Los agentes de IA actúan como guías de viaje personalizados, recomendando destinos, atracciones locales e itinerarios. Crean experiencias a medida según las preferencias del usuario, simplificando la organización de los viajes. Al integrar diversas fuentes de datos, estos agentes mejoran la satisfacción del usuario.
11. Asistencia en la gestión de compras: Un agente de IA para el procesamiento de documentos puede ayudar a un ejecutivo de ventas a gestionar las tareas de compras. Por ejemplo, el ejecutivo podría tomar una foto de una cotización de un proveedor extranjero con su teléfono. El agente haría lo siguiente:
    • Extraiga la información relevante del documento.
    • Traduzca el texto, por ejemplo, del japonés al inglés.
    • Cree una solicitud de compra basada en los datos extraídos. Posteriormente, el mismo agente podría automatizar el procesamiento de la factura del proveedor, marcándola para su revisión por un gestor de pagos.
12. Análisis de llamadas de ventas: En ventas, un agente de IA podría analizar las interacciones con los clientes durante las llamadas, extrayendo información valiosa como las preferencias del cliente o las objeciones clave, y generando informes detallados para que los equipos de ventas mejoren las interacciones futuras.
13. Gestión del talento y contratación: Los agentes de IA pueden utilizarse para identificar y analizar candidatos, lo que ayuda a los equipos de RR. HH. a optimizar la captación de talento. En teoría, un agente podría buscar candidatos idóneos en bases de datos, evaluar sus currículos y ofrecer recomendaciones basadas en requisitos laborales predefinidos.
14. Control de calidad en la fabricación: Los agentes de IA supervisan los datos de producción, identifican patrones que indican defectos y recomiendan ajustes para garantizar los estándares de calidad. Gracias al análisis avanzado de datos, permiten a los fabricantes minimizar el desperdicio, mejorar la eficiencia y mantener la consistencia. Este enfoque proactivo garantiza una calidad superior del producto y la satisfacción del cliente.
15. Banca minorista: Oracle incluye agentes preconfigurados para flujos de trabajo de banca de consumo que pueden automatizar tareas bancarias minoristas de principio a fin, como el suministro de información, la revisión de crédito y el monitoreo del cumplimiento. Estos agentes incluyen:
    • Un agente de “Generación de folletos de productos” y un agente de “Toma de decisiones crediticias” que ayuda a automatizar el procesamiento de las solicitudes de préstamos.
    • Los agentes centrados en el cumplimiento normativo, como un agente de "Verificación de Cumplimiento de Llamadas", se encargan de supervisar el cumplimiento de las normas durante las llamadas de los clientes. ³

Explora casos de uso generales de la IA agente con algunos ejemplos de la vida real.

Oracle Estudio de Agentes de IA

Oracle ha presentado AI Agent Studio, un entorno centralizado para simplificar el despliegue y la monitorización de agentes de IA. Este estudio representa un paso hacia la democratización de la IA dentro de la empresa a través de dos pilares clave:

• Creador de agentes sin código: Una interfaz en lenguaje natural para crear, probar y perfeccionar agentes sin necesidad de escribir código. Los usuarios pueden describir el propósito del agente en lenguaje sencillo, y el creador se encarga de la configuración subyacente.
• Panel de control de ROI integrado: El estudio incluye un panel de control que mide el impacto comercial de cada agente, realizando un seguimiento de las métricas que reflejan el tiempo ahorrado o la eficiencia del proceso.

Tipos de agentes: Flujo de trabajo vs. RAG

Si bien muchos agentes se centran en la recuperación de información, Studio permite la creación de agentes de flujo de trabajo. Estos se diferencian de los agentes RAG estándar porque:

• Operar sobre secuencias deterministas basadas en reglas .
• Siga los “nodos” preconfigurados con funciones, entradas y salidas específicas.
• Están diseñados para situaciones de alto riesgo que requieren una gobernanza, un cumplimiento y una repetibilidad estrictos , donde una respuesta "ilusoria" o creativa no es una opción.

Beneficios de los agentes GenAI

• Transparencia: Permite rastrear las respuestas hasta sus fuentes.
• Actualizaciones continuas: Las fuentes de datos se pueden actualizar sin interrumpir la funcionalidad del agente.
• Escalabilidad y seguridad: Funciona con una arquitectura escalable y segura.
• Ingesta incremental: Permite actualizaciones de datos precisas mediante la ingesta incremental y el control de versiones.
• Interacciones mejoradas: Mantiene el contexto de la conversación a lo largo de más de 10 turnos.

Últimos desarrollos: Oracle Capacidades RAG de los agentes de IA

El agente RAG (Generación Aumentada por Recuperación) de OCI se lanzó oficialmente el 25 de septiembre de 2024, tras el anuncio previo de una versión beta. Los nuevos agentes RAG (Generación Aumentada por Recuperación) introdujeron varias mejoras en comparación con los agentes de IA generativa de OCI existentes:

1. Integración con la base de datos Oracle 23ai: La base de datos Oracle 23ai incorpora búsqueda vectorial avanzada para datos no estructurados, como texto e imágenes. Permite obtener resultados de búsqueda más precisos y relevantes al convertir los datos en representaciones vectoriales. Esto facilita el manejo de consultas complejas y la integración de datos estructurados y no estructurados.
2. Configuración optimizada: Proceso de configuración simplificado con una interfaz de usuario mejorada. Permite a los usuarios con conocimientos técnicos limitados implementar agentes RAG de forma rápida y sencilla. Menos pasos y una experiencia más intuitiva reducen el tiempo y el esfuerzo de configuración.
3. Mejora de la calidad y relevancia de las respuestas: Los LLM proporcionan respuestas de mayor calidad y precisión. Esto garantiza que las interacciones conversacionales sean más perspicaces y adecuadas al contexto.
4. Recuperación y reordenamiento avanzados de datos: Las funciones mejoradas de recuperación y reordenamiento de datos analizan grandes conjuntos de datos y priorizan la información relevante. Esto mejora la profundidad y la precisión de las respuestas de la IA, especialmente para consultas complejas.
5. Búsqueda híbrida: Combina las búsquedas tradicionales por palabras clave con la búsqueda semántica. Garantiza la recuperación de resultados más relevantes tanto para datos estructurados como no estructurados.
6. Bases de conocimiento gestionadas: Almacenamiento vectorial integrado y un sólido sistema de ingesta de datos para datos no estructurados. Simplifica el almacenamiento, la recuperación y la indexación de datos complejos. Ofrece una gestión eficiente de bases de conocimiento como una solución lista para usar.
7. Compatibilidad con bases de conocimiento propias (BYO) en OpenSearch: Compatibilidad optimizada con la búsqueda OCI personalizada (BYO) en OpenSearch. Ofrece flexibilidad y control sobre las configuraciones de búsqueda personalizadas y simplifica la integración con los sistemas OpenSearch existentes.
8. Moderación de contenido: Filtrado robusto para detectar contenido dañino o inapropiado tanto en la entrada como en la salida. Garantiza interacciones de IA seguras.
9. Multimodalidad: Procesa e integra datos de múltiples formatos, incluyendo texto, imágenes, tablas y gráficos. Ofrece respuestas más completas y con mayor contexto.

Preguntas frecuentes

Lecturas adicionales

• Compara las mejores herramientas de agentes de IA

Enlaces de referencia

1.

https://www.mckinsey.com/capabilities/tech-and-ai/our-insights/why-agents-are-the-next-frontier-of-generative-ai

2.

Apps update—AI agents, AI marketplace, and more | fusioninsider

3.

Oracle Reimagines Banking for the AI Era with New Agentic Platform

Hazal Şimşek

Analista de la industria

Síguenos

Hazal es analista del sector en AIMultiple, donde se especializa en minería de procesos y automatización de TI.

Ver perfil completo

Sé el primero en comentar

Tu dirección de correo electrónico no será publicada. Todos los campos son obligatorios.

Nombre

Dirección de correo electrónico

Comentario

0/450

Publicar comentario