Un buen manager

german
15 jul
5 Min. de lectura

Actualizado: 28 jul

El verdadero poder de la IA Generativa está en el desarrollo de herramientas capaces de ejecutar tareas que ayuden a resolver problemas y ejecutar procesos con cierto grado de complejidad. Mientras que los prompts de ChatGPT y sus interacciones son interesantes para preguntas puntuales, cuando estas herramientas se integran en pos de resolver un problema determinado, explotan todo su potencial ¿Por que? Porque simplemente logran su propósito máximo de imitar comportamientos humanos de forma mucho más eficiente.

Este concepto se desarrolló bajo el esquema de agentes autónomos. Los agentes son entidades que son capaces de personificar un rol definido para así poder ejecutar una tarea determinada. Tal vez el framework más popular para desarrollar este tipo de soluciones es CrewAI, que se basa en una arquitectura relativamente simple con tres componentes base:

Agentes. Un agente es una entidad AI diseñada para ejecutar un rol dentro de un framework colaborativo.
Tareas. Corresponden a asignaciones específicas que debe desarrollar un agente.
Crews. Un crew no es más que un grupo de agentes de IA trabajando juntos para lograr un conjunto de tareas específicas.

Bajo este framework, es posible automatizar procesos que usen agentes IA capaces de solucionar problemas de negocio como:

Analizar reportes financieros, de compliance o cualquier otro tipo de documento sobre una compañía o un mercado.
Hacer predicciones sobre tendencias y crear un plan estratégico a partir de unos objetivos determinados.
Automatizar tareas repetitivas que se realizan en Talento Humano, incluyendo reclutamiento, onboarding o administración de personas.
Analizar solicitudes de crédito o emisión de pólizas a partir de procesos bien estructurados.

Lo más fascinante, es que es posible estructurar procesos complejos a través de tantos roles o agentes como se quiera que estarán trabajando de forma colaborativa para cumplir los objetivos de negocio definidos. Este es un cambio de paradigma poderoso porque significa que después de estructurar una flota de agentes autónomos, ya no hay más excusas sobre la escasez de personas. Por supuesto, esto también impone un reto importante en la administración de talento humano bajo la cada vez más inminente posibilidad de no requerir tantas personas como se puede necesitar en la ejecución de procesos convencionales hoy.

CrewAI maneja flujos y crews para facilitar la automatización de tareas, pensando como un manager que estructura un nuevo proceso y define los roles que requiere para lograr el objetivo.

Bajo este paradigma, el punto de inicio para diseñar un conjunto de agentes es tomar el rol de un buen manager. Para empezar a diseñar una solución de este estilo hay que tener en cuenta algunas buenas prácticas:

Tenga clara cuál es la salida de su proceso. Esa salida debe estar lo más detallada posible (audiencia objetivo, formato, estilo de narrativa, etc). Ya sea que lo ejecuten personas o agentes autónomos, un objetivo claro es clave para lograr el éxito de todo.
Defina los pasos en un proceso ideal. Establecer cuáles son las tareas intermedias con el mayor nivel de detalle ayudará a establecer que roles necesita. Con la IA hay un cambio de paradigma importante: ahora puede tener un agente para cada rol que defina, así que sí, es el momento de diseñar el proceso ideal.
Establezca los roles que necesita. Defina los roles como si estuviera definiendo la persona ideal. Esta descripción será útil para convertirla en una entidad de IA que personificará las características que usted espera para lograr su objetivo.

Para ilustrar el proceso en detalle, vamos a estructurar nuestro proceso para poder hacer un estudio de crédito. Imaginemos que vamos a lanzar una startup con dos tipos de crédito. Hemos definido unas políticas de riesgo y queremos lanzar nuestra operación lo más pronto posible. Usando agentes de IA puede que el tiempo de salida se reduzca significativamente.

Un producto a partir de un documento de Word

Imaginemos que solo tenemos un documento de Word con las políticas de riesgo de los perfiles que queremos aprobar. A partir de este documento vamos a construir todo el motor de decisión a través de un flow de CrewAI, que igualmente nos servirá como base para construir todas las interacciones con nuestro cliente final. Sin duda alguna, no solo se trata de la capacidad de la IA para procesar políticas de riesgo. También la facilidad de reducir significativamente el tiempo de lanzamiento de cualquier solución al mercado.

Nuestro documento de políticas de riesgo hipotético. Simplemente es un documento de Word con el perfil de riesgo de las personas que queremos aprobar en nuestro proceso.

Uno podría generar un solo rol que se encargue de leer las políticas de riesgo, las analice y genere una respuesta. Yo lo hice antes y es una receta para el fracaso. Aunque es la forma en que muchas entidades operan hoy con colaboradores humanos, es simplemente tomar una persona para que desarrolle diferentes roles, sin especialización alguna y por lo tanto con mayores dificultades para cambiar de contexto y resolver un problema. Es por ello que para diseñar soluciones con IA necesitamos tener mentalidad de buenos managers, es decir, que podamos diseñar adecuadamente los roles que se necesitan, sin esa restricción del número de personas y sus costos asociados. Mi sugerencia es pensar muy bien el proceso y separar los roles como se mencionaba en las buenas prácticas. En nuestro caso tendremos tres roles bien definidos:

Un agente especializado en leer un documento y extraer las políticas que se van a validar. Este agente va a simular ser un analista junior que extrae reglas de un documento base, para nuestro caso, el documento de políticas.
Un agente especializado en calcular capacidad de pago. Este agente está dotado con capacidades analíticas para hacer cálculos sobre razones financieras, deuda como proporción del ingreso, pagos mensuales entre otros.
Finalmente, tendremos un agente que validará las políticas de riesgo y dará una respuesta final. Este es un agente más senior con gran capacidad de atención al detalle, capaz de validar las políticas de riesgo comparadas con la información de solicitud del crédito.

Nuestro primer flujo, sencillo sin complejidades, imitando la vista lógica del proceso.

Con estos tres perfiles, estamos listos para lanzar nuestra fábrica de crédito virtual. Tenemos un equipo especialista en definir que políticas validar, otro equipo listo para hacer los cálculos necesarios y finalmente, otro listo para validar y dar respuesta a las solicitudes. Antes de esta explosión de la IA, sería necesario contratar personas con capacidades definidas para cada rol, pero acá, con una definición adecuada de los roles, en cuestión de horas podemos tener nuestra fábrica de crédito andando.

Un vistazo al primer rol

El primer rol que pondremos a andar será el lector de políticas, un agente autónomo que revisará nuestro documento de Word y nos generará una lista de políticas que debe validarse en cada solicitud de crédito. Esto no es más que la aplicación de un concepto en IA que se conoce como RAG (Retrieval-Augmented Generation), el uso de bases de conocimiento propios para que uno de estos lenguajes sea capaz de responder preguntas sobre contextos particulares.

En el próximo post veremos en detalle, como estructurar nuestro lector de políticas, sin embargo en el siguiente video, veremos como desde un simple word, podemos armar dos agentes autónomos: un extractor de políticas y un agente para servicio al cliente :-) En muy poco tiempo es posible construir soluciones muy poderosas!