Siga ZDNET: Agr茅ganos como fuente preferida en Google.
Conclusiones clave de ZDNET
- Las empresas est谩n explorando agentes de IA de m煤ltiples formas.
- Los profesionales deben considerar c贸mo explotar estas tecnolog铆as.
- La medici贸n, la colaboraci贸n y la experimentaci贸n son clave.
Los agentes de IA tendr谩n un impacto en todos los roles profesionales. Si su empresa a煤n no ha comenzado a utilizar agentes, lo har谩 pronto, ya sea a trav茅s de productos de software disponibles en el mercado o herramientas internas que se basan en grandes modelos de lenguaje y fuentes de datos.
Los profesionales que exploran c贸mo utilizar agentes en sus funciones deben buscar orientaci贸n sobre las mejores pr谩cticas. Una de esas fuentes de informaci贸n es Joel Hron, director de tecnolog铆a de Thomson Reuters Labs, que est谩 ayudando a la empresa de servicios de informaci贸n a explotar la IA generativa, el aprendizaje autom谩tico y las tecnolog铆as agentes.
Hron dijo a ZDNET que Thomson Reuters utiliza una combinaci贸n de modelos internos y herramientas disponibles para impulsar sus innovaciones en inteligencia artificial. Adem谩s de los avances en los laboratorios de vanguardia de las grandes empresas tecnol贸gicas, Hron y su equipo se aseguran de que la empresa explote sus conocimientos y activos patentados.
芦Si nos fijamos en el n煤cleo de lo que hacemos bien, es ser capaces de sintetizar la experiencia y la informaci贸n humanas en juicios que puedan servir a los profesionales禄, dijo.
芦El mecanismo de entrega de esa experiencia est谩 evolucionando en este momento. Tradicionalmente, se entrega a trav茅s de software, pero cada vez m谩s se entrega a trav茅s de agentes, o agentes m谩s software禄.
Hron se帽ala varios logros agentes clave en Thomson Reuters, incluida la herramienta de investigaci贸n legal basada en inteligencia artificial Westlaw Advantage y el agente de investigaci贸n profunda de la firma que revisa conocimientos y elabora estrategias como lo har铆a un investigador.
De estas exploraciones, Hron dijo que aprendi贸 cuatro lecciones clave que los profesionales pueden utilizar para construir sistemas de IA agentes confiables.
1. Mide tu 茅xito
Hron dijo que la primera 谩rea en la que debemos centrarnos son las evaluaciones: 芦Es necesario saber qu茅 aspecto tiene lo bueno禄.
Si bien centrarse en las evaluaciones parece un requisito obvio, Hron dijo que es un proceso dif铆cil hacerlo bien, cuantificarlo y sistematizarlo.
芦Hemos dicho durante los 煤ltimos tres a帽os que esta es una de las cosas m谩s importantes para construir buenos sistemas de IA, y sigue siendo cierto hoy en una era de agentes禄, dijo.
El equipo de Hron rastrea y mide el 茅xito de la agencia de varias maneras. En primer lugar, aprovechan los puntos de referencia p煤blicos, que, seg煤n 茅l, proporcionan buenos indicadores tempranos del desempe帽o potencial positivo de los nuevos modelos.
En segundo lugar, han desarrollado sus propios puntos de referencia internos con directrices s贸lidas para las evaluaciones automatizadas: 芦En lugar de simplemente decir: ‘驴Qu茅 tan cerca est谩 la respuesta generada de una buena respuesta?’, nuestro proceso consiste en definir realmente: ‘Bueno, 驴qu茅 hace que la respuesta sea buena?'禄.
Por 煤ltimo, Thomas Reuters mantiene a los humanos informados, garantizando que las evaluaciones vayan un paso m谩s all谩 de las evaluaciones automatizadas.
芦Las evaluaciones automatizadas ayudan a impulsar el volante m谩s r谩pido para nuestros equipos de desarrollo, y pueden probar muchas ideas relativamente r谩pido, y eso es bueno. Pero antes de enviarlo, todav铆a queremos la confianza de nuestros expertos humanos y su evaluaci贸n del desempe帽o禄, dijo.
芦La continua dependencia de ese enfoque nos ha permitido ofrecer excelentes productos que funcionan bien en el mercado. Creo que el aporte humano es un ingrediente fundamental para que podamos hacer ese trabajo bien y hacerlo con confianza禄.
2.Haga que los expertos se sienten juntos
Hron aconsej贸 a los profesionales comprender en profundidad qu茅 hacen los agentes y c贸mo operan a lo largo del tiempo.
芦Es cada vez m谩s importante vincular estrechamente esa conciencia con la experiencia del usuario禄, dijo. 芦Si piensas en estos sistemas de agentes como colaboradores humanos de IA, entonces el humano y el agente necesitan un lenguaje com煤n y una interfaz com煤n en la que trabajen禄.
Hron dijo que este lenguaje e interfaz comunes deber铆an brindar a los humanos una visi贸n valiosa de los procesos de pensamiento agente y viceversa.
芦Esta 谩rea es una experiencia de interfaz de usuario nueva e importante, y creo que es fundamental combinar estrechamente una comprensi贸n t茅cnica profunda del agente con una buena experiencia de usuario禄.
Si bien muchos expertos hablan de la importancia del acoplamiento entre humanos y agentes, Hron dijo que la clave del 茅xito es sencilla: unir a los equipos del negocio.
芦Este proceso no es cient铆fico; se trata de obligar a mis dise帽adores a sentarse con cient铆ficos de datos y hablar sobre lo que est谩 sucediendo禄, dijo. 芦Cuanto m谩s cerca podamos acercar a esos dos grupos de personas, y cuanto m谩s a menudo puedan sentarse juntos, mejor ser谩 la 贸smosis de pensar en esas dos 谩reas禄.
3. Desarrollar capacidades probadas
A pesar de cualquier exageraci贸n que pueda hacernos creer lo contrario, Hron dijo que los profesionales deben reconocer que los agentes y los modelos que los impulsan est谩n lejos de ser omniscientes.
Hron dijo que los modelos de IA est谩n mejorando en tres dimensiones: escribir c贸digo, ejecutar planes y razonamiento de varios pasos. Los 煤ltimos avances permiten ampliar las capacidades del modelo con otras herramientas de software.
芦Lo que ese desarrollo significa para nosotros como empresa es m谩s positivo que negativo, porque significa que, si podemos tomar todos estos cientos de aplicaciones que hemos vendido en el mercado durante muchas d茅cadas y podemos descomponerlas, entonces tendremos capacidades probadas para los profesionales禄, dijo.
芦Si podemos descomponer estos elementos como herramientas para el agente, entonces en realidad estamos ampliando bastante las capacidades de estos modelos, y ese es realmente el futuro de los agentes禄.
En lugar de ver la IA agente como un modelo omnisciente que intenta hacer todo lo que hay bajo el sol, Hron aconsej贸 a los profesionales que brinden a los agentes acceso a capacidades comprobadas que la gente ya usa, que es el enfoque de su equipo.
芦Observamos nuestros sistemas y nos preguntamos: ‘Est谩 bien, hemos construido esto para un usuario humano durante muchos, muchos a帽os. Ahora bien, 驴qu茅 ergonom铆a se requiere para que un agente trabaje con este sistema? 驴C贸mo se adapta el proceso para que sea propicio para trabajar con un agente, en lugar de necesariamente con un humano en todos los casos? 驴Y qu茅 significa ese enfoque para la apariencia, sensaci贸n y rendimiento de la herramienta?'禄
4. Mire m谩s all谩 del firewall
Thomson Reuters Labs lanz贸 recientemente Trust in AI Alliance, un foro dirigido por constructores para investigadores senior de IA de Anthropic, AWS, Google Cloud, OpenAI y Thomson Reuters para discutir c贸mo se dise帽a la confianza en los sistemas agentes.
Hron dijo que la Alianza, que comparte lecciones p煤blicamente para informar la conversaci贸n m谩s amplia de la industria sobre la IA confiable, tambi茅n ayuda a los miembros superiores de su equipo a aprender las mejores pr谩cticas de los pioneros de la industria.
芦Estamos tratando de centrarnos en la explicabilidad y la transparencia en t茅rminos de c贸mo operan estos modelos禄, dijo.
Hron dijo que los pioneros de la tecnolog铆a y sus modelos han reducido significativamente el tiempo y el esfuerzo necesarios para pasar de una precisi贸n cero al 90%.
芦Pero no estamos en el juego del 90%禄, dijo. 芦Estamos en el juego del 99% y el 99,9%, y debemos considerar c贸mo conseguimos ese nueve o dos nueves extra de precisi贸n, que es la diferencia en la confianza禄.
Como parte de este proceso, Thomson Reuters tambi茅n est谩 trabajando con instituciones acad茅micas. A fines del a帽o pasado, la compa帽铆a anunci贸 una asociaci贸n de cinco a帽os para crear un laboratorio conjunto de investigaci贸n de inteligencia artificial Frontier en el Imperial College de Londres.
芦En estas iniciativas, nos centramos en esos dos 煤ltimos nueves de precisi贸n, porque eso es lo que la gente busca comprarnos cuando lanzamos nuestros productos al mercado禄, dijo Hron.
芦Las organizaciones de tecnolog铆a de vanguardia seguir谩n superando los l铆mites de lo que es posible. Pero para nosotros, el margen es donde se gana y se pierde la ventaja competitiva en el mundo de las leyes, los impuestos y el cumplimiento. Y eso es lo que realmente necesitamos hacer bien禄.
