MI SELECCIÓN DE NOTICIAS
Noticias personalizadas, de acuerdo a sus temas de interés
Agregue a sus temas de interés
En 1970, la revista Life publicó el artículo “Meet Shakey: The First Electronic Person”. En él, se describía cómo Shakey, un robot construido en el Instituto de Investigación de Stanford, se convirtió en la primera máquina, que en vez de recibir instrucciones explícitas para ejecutar una acción, fue capaz de recibir un objetivo, analizar de forma autónoma su entorno y tomar decisiones para cumplir el objetivo asignado. Este avance marcó un hito en la historia de la inteligencia artificial, IA, ya que, por primera vez, una máquina demostró capacidad de planificación y resolución de problemas, estableciendo a Shakey como el primer “agente de IA” de la historia.
Hasta ahora, los modelos de IA generativa, como ChatGPT, han optimizado la interacción en lenguaje natural para facilitar el acceso a información y la generación de contenido, estructurando respuestas basadas en patrones probabilísticos. Aunque no comprenden realmente el significado, sus resultados pueden parecer razonados. Ahora, en esta nueva fase los agentes de IA van más allá de generar respuestas, añadiendo capacidades de ejecución de tareas transaccionales en entornos digitales para alcanzar objetivos predefinidos. En términos simples, el agente va dos pasos más allá: en función del objetivo asignado planifica autónomamente qué acciones debe realizar y además las lleva a cabo. Por ejemplo, un agente puede analizar las hojas de vida de aplicantes, y puede escribir correos de respuesta a aquellos que no cumplieron con los requisitos.
Dentro de los agentes de IA, una de sus variantes son los asistentes, diseñados para interactuar en lenguaje natural con los usuarios y ayudarles a ejecutar tareas específicas. Pueden anticipar necesidades o sugerir acciones; sin embargo, no tienen objetivos propios y requieren validación o instrucciones humanas para la mayor parte de sus actividades. Entre sus casos de uso más comunes están: (i) Preguntas factuales: el agente tiene acceso a la base de conocimiento de la organización, y permite recuperar datos exactos sin necesidad de inferir nueva información. Por ejemplo: “¿Cuáles son los productos con más rechazos de calidad en el turno de producción actual?”; (ii) Preguntas inferenciales: El agente conecta datos para generar hallazgos. Por ejemplo: “¿Existe una relación entre el aumento en la inversión en marketing y el crecimiento de las ventas?”; (iii) Detección de anomalías: el agente detecta comportamientos inusuales en los datos y genera alertas tempranas. Por ejemplo: “El tráfico en la web ha caído un 15% en horarios pico.”; (iv) Automatización de tareas a demanda: Bajo instrucciones explícitas del usuario, el asistente puede realizar tareas transaccionales como crear órdenes de compra o enviar correos electrónicos.
Hasta ahora, la IA generativa parecía tener un uso reducido en la empresa, limitado principalmente a la creación de contenido. Sin embargo, la llegada de los agentes de IA marca un punto de inflexión: la IA ahora se integra de manera tangible en la gestión del negocio, conectando las necesidades de información y gestión de los usuarios con los datos y sistemas transaccionales de la organización.
¿Están preparados los datos y la infraestructura de tu empresa para interactuar con los agentes de IA?
Una vez finalice esta revisión se procederá con la publicación.” Lo que se deduce es que aún hay palos en la rueda
Cuatro tareas urgentes, que el 21 de junio se harán realidad o no. Tareas que no dan espera por la necesidad imperiosa de dar respuesta al mundo, que requiere una minería para la transición energética
El reconocimiento que hizo la SIC a dos empresas de servicios públicos colombianas demuestra que desde el sector de agua potable y saneamiento básico estamos haciendo que las cosas pasen
