Black Opal X570H PRO Gen5, la apuesta premium de Biwin
La Inteligencia Artificial está simplificando todo. Y desarrollar agentes de IA no es la excepción.
Oracle plantea un marco en siete pasos para desarrollarlos como núcleo operativo de la nueva arquitectura empresarial.
Si bien el término Inteligencia Artificial (IA) fue popularizado en 1.956 por John McCarthy, la máquina con la que Alan Turing y su equipo descifraron el código nazi Enigma es, quizás, la primera referencia moderna de este tipo de tecnología.
Mas allá de lo que fue capaz de realizar, cualquier teléfono inteligente tiene, en la actualidad, mayor capacidad y velocidad de cómputo que el dispositivo de Turing.
Sin embargo, nos sirve de referencia para dejar en claro que la IA es mucho menos nueva de lo que la percibimos.
De hecho, las palabras algoritmo y aprendizaje automático han formado parte de Buscador de Google y Gmail casi desde sus inicios.
¿Por qué, entonces, pareciera que estamos hablando de una tecnología completamente nueva? Pues porque la Inteligencia Artificial (IA) generativa (GenIA) que OpenAI colocó al alcance de todos con ChatGPT es un avance fundamental en esta tecnología.
Gracias a este disrupción, la IA ha dejado de ser un recurso de experimentación para convertirse en un catalizador de eficiencia estructural en las organizaciones.
Acelerador a fondo
Para lograr mejorar sus participación en los procesos de las empresas la IA generativa o GenIA resulta útil pero imprecisa. Demasiado general.
La IA agéntica o AgentIA permite generar chatbots especializados que denominamos Agentes de IA.
Instruido con información y contextos específicos, estos dispositivos (ya sean en chats o no) pueden acompañar tareas particulares y acelerar tanto el procesamiento como la comprensión de la información procesada.
No son ajenos a la GenIA que, más bien, ayuda a diseñarlos. Esta variante de asistentes automatizados, que atienden a procesos de automatización más complejos y específicos.
Esto explica, en parte, su rápido avance en las empresas de los más diversos sectores.
Oracle lo sintetiza así en su visión estratégica: “Los agentes de IA permiten a las empresas automatizar tareas complejas, entender el lenguaje natural e interactuar con múltiples sistemas, liberando a los usuarios para que se enfoquen en la toma de decisiones”.
La empresa destaca que su poder radica en la capacidad de recopilar información de múltiples fuentes como:
- Calendarios
- Sistemas locales
- Nube
- Y motores de búsqueda
Gracias a ello, los modelos de lenguaje (LLMs) pueden tomar decisiones autónomas e interactuar de forma fluida.
La capacidad de los agentes de IA para predecir necesidades y resolver problemas de forma autónoma los convierte en herramientas valiosas para la eficiencia organizacional.
Siete pasos, una arquitectura ágil y segura
En este escenario, la empresa Oracle propone un modelo en siete etapas para el desarrollo de agentes de IA que responde a necesidades técnicas, operativas y éticas:
1.- Elegir la estrategia de desarrollo
Las empresas debe decidir entre construir desde cero o personalizar un agente preexistente.
Oracle recomienda comenzar con lo segundo: requiere menos recursos técnicos y permite resultados más rápidos.
No obstante, se requieren expertos en IA o administradores para personalizar agentes prediseñadas, incluyendo establecer límites de acceso y documentación transparente.
2.- Seleccionar el modelo de lenguaje (LLM)
Para implementar agentes de IA existen dos opciones: usar plataformas SaaS con modelos preseleccionados (lo cual es más simple). Es decir, optar por una plataforma con modelos predefinidos (enfocada en usabilidad y agilidad).
O, tambien, se puede desarrollar desde cero, lo cual brinda mayor control, pero es más complejo).
La elección dependerá de los recursos y las necesidades específicas de la organización.
3.- Diseñar los flujos de trabajo
Incluso la personalización requiere pericia técnica. Los administradores definen tareas, instrucciones y objetivos específicos mediante herramientas prediseñadas o configuraciones manuales.
4.- Cargar fuentes de conocimiento (RAG)
La Recuperación Aumentada de Generación permite a los agentes de IA responder de forma precisa.
Ello mediante el análisis de documentos internos, bases de datos y contextos empresariales relevantes.
5.- Crear el agente mediante un estudio de diseño
Plataformas como Oracle AI Agent Studio permiten construir agentes en pocos clics, asignando roles, fuentes y flujos sin programación intensiva.
6.- Establecer límites operativos y éticos
El agente debe saber cuándo escalar una decisión, solicitar validación humana o abstenerse de actuar.
Deben configurarse políticas de acceso, trazabilidad y gobierno ético.
7.- Probar, desplegar y monitorear
A través de un área de prueba en el estudio, los administradores pueden ejecutar una interacción de muestra para evaluar si las respuestas del agente son útiles y relevantes
Igualmente, deben verificarse qué fuentes cita.
Este marco busca equilibrar eficiencia, personalización y seguridad, alineando la autonomía de la IA con los valores y requisitos de cada organización.
Oracle AI Agent Studio: diseño, prueba y gobernanza en un solo entorno
El estudio Oracle AI Agent Studio for Fusion Applications materializa esta metodología. Permite a los equipos de TI y a áreas de negocio diseñar, probar y lanzar agentes sin necesidad de desarrollo complejo.
Entre sus beneficios destacan:
- Integración directa con el ecosistema Oracle Fusion Cloud
- Controles precisos de fuentes y trazabilidad de respuestas
- Configuración ética y operativa centralizada
La herramienta facilita tareas como seguimiento de compras, procesamiento de devoluciones, consultas de balances o estimación de costos mediante imágenes.
Y lo hace con autonomía asistida, respondiendo en lenguaje natural y tomando decisiones dentro de límites definidos.
