Empecemos con la tarea.
Determinamos el resultado útil, los datos iniciales y los límites del trabajo. La elección del modelo les sigue.
Laboratorio de Sistemas de Agentes
¿Cómo se convierte una idea en un sistema de trabajo? Exploramos la arquitectura de los agentes de IA, probamos soluciones y compartimos las mejores prácticas, junto con errores y limitaciones.
Entendemos la estructura del sistema: qué problema resuelve, de dónde obtiene los datos, qué acciones realiza y cómo se comprueba el resultado.
Determinamos el resultado útil, los datos iniciales y los límites del trabajo. La elección del modelo les sigue.
Vinculando roles, memoria y herramientas. Entendemos por qué está diseñado de esta manera y qué se puede reemplazar.
Comparamos la respuesta con la fuente. Analizamos fallos, condiciones de paro y decisiones que quedan en manos de la persona.
Mostramos el avance de la investigación y la base de las conclusiones. Discutimos dónde el enfoque es útil y dónde agrega complejidad.
El código es un medio de implementación. Comprender el proceso le ayudará a elegir los productos de forma inteligente.
Hacia la construcción de su agenteBuscamos un asistente para las tareas diarias del departamento comercial: análisis de ingresos y dinámica, Análisis de solicitudes basado en la correspondencia del cliente. y elaboración de informes. El agente encuentra las necesidades del cliente, el estado de la solicitud y el siguiente paso, respaldando la respuesta con cálculos y cotizaciones.
Divulgamos la previsión de ventas a través de estimación básica de la demanda esperada y reposición del almacén. El agente encuentra en documentos analíticos un cálculo ya preparado basado en el historial de ventas y ayuda a comprobar sus suposiciones.
Diez pasos conducen desde el primer cálculo hasta la notificación del evento. Interfaz de voz adicional le permite dictar una solicitud, confirmar el texto reconocido y escuchar la respuesta.
Conectamos la mesa de ventas. El agente selecciona el cálculo deseado y muestra el resultado junto con la fuente.
Configuramos los campos de solicitud y respuesta. Las fechas, nombres e indicadores se reúnen en un solo formulario y se verifican.
El agente envía una solicitud al catálogo, cálculo de ventas o dinámica. Cada ruta termina con un resultado claro.
El sistema guarda el gestor, el período y el indicador. Una breve aclaración continúa el análisis teniendo en cuenta la solicitud anterior.
Cada acción recibe un identificador. Los casos de prueba le ayudan a comparar los resultados después de los cambios.
Analizamos solicitudes basadas en correspondencia y documentos de clientes. El agente encuentra los términos y acuerdos, muestra la cotización exacta y la fuente.
Agregamos ventas, saldos y documentos de diferentes fuentes. Los derechos de acceso determinan las acciones que un agente puede realizar.
Recopilamos cálculos y fuentes en una secuencia. El resultado se abre como un informe listo para usar en el navegador.
Configuramos roles, confirmación de acciones significativas y respaldo. La instancia de trabajo se valida mediante una solicitud de usuario.
Un nuevo archivo o programa inicia el informe. La cola almacena el evento, vuelve a intentar la operación después de un error y evita duplicados.
Dicta una pregunta sobre ventas, solicitudes o previsión de demanda, consulta el texto reconocido y confirma el envío. En el proyecto del agente, la interfaz de voz transmite la solicitud a las mismas herramientas y le permite escuchar la respuesta lista después de configurar el reconocimiento y la voz en off.
Análisis de la interacción de voz.Solicitudes de ejemplo
01 / Ventas
"¿Cuáles son los ingresos totales para enero de 2026 según los datos de ventas?"
02 / Análisis de aplicaciones · RAG
“¿Qué documentos se solicitan en la solicitud req-0003 y cómo finalizó la solicitud según la correspondencia?”
03 / Previsión de ventas
"¿Cómo se comparan los saldos con la demanda prevista para la fecha de entrega según los datos de agosto y qué supuestos se incluyen en el cálculo?"
SignificadoReconocer voz y mostrar texto de consulta
controlarConfirma el texto antes de enviarlo al agente.
ResultadoMuestra el resultado con la fuente y expresa la respuesta.
Desde diseñar el sistema hasta comprobar el resultado. Abra una sola pregunta o amplíe todas las respuestas a la vez.
Agents Effect Lab es un laboratorio de sistemas de agentes. Aquí exploramos la arquitectura de los agentes de IA, analizamos las herramientas y compartimos experiencias de diseño. La base para tomar decisiones es importante en los materiales: qué tarea se plantea, cómo se confirma el resultado y dónde quedan las limitaciones. El sistema central en cuestión es el agente - asistente del departamento de ventas.
Un agente asistente del departamento de ventas ayuda a analizar los ingresos y la dinámica, clasificar las solicitudes de la correspondencia de los clientes y preparar informes. Para pronosticar las ventas, utiliza el cálculo de la demanda esperada y las necesidades de reabastecimiento disponibles en los documentos. La interfaz de voz le permite dictar una solicitud, confirmar el texto y escuchar la respuesta. Los cálculos y conclusiones se pueden verificar con fuentes.
El chat es una forma de interacción y un agente es una forma de organizar el funcionamiento del sistema. El agente puede elegir el siguiente paso y acceder a las herramientas dentro de las reglas especificadas. Al mismo tiempo, el chat también puede tener acceso a búsquedas y archivos. La diferencia está determinada por la independencia de acciones y la estructura del proceso, y no por el tipo de ventana de correspondencia.
La arquitectura conecta la tarea, los datos, los roles, las herramientas y la verificación del resultado. Le permite determinar de antemano qué puede hacer el sistema y cuándo debe detenerse. Sin estas soluciones, reemplazar un modelo o herramienta rara vez eliminará la causa del error. Por lo tanto, en el laboratorio, primero consideramos el diseño del proceso, luego los medios para su implementación.
El agente calcula las ventas por gerente y período, compara indicadores y encuentra información en la aplicación: necesidad del cliente, condiciones, estado, motivos del rechazo y el siguiente paso. El análisis se basa en la correspondencia disponible y en secciones analíticas ya preparadas. Para planificar las ventas, el agente ayuda a estudiar la evaluación de la demanda y la reposición del almacén con supuestos de cálculo. El gerente comprueba los motivos y toma una decisión.
En la versión 29, el pronóstico de ventas está representado por una estimación base de la demanda esperada y las necesidades de reabastecimiento. El cálculo completo utiliza el promedio de ventas diarias de agosto, el tiempo de entrega y el inventario de siete días; el agente lo encuentra en documentos analíticos y ayuda a ordenar los supuestos. Este es un cálculo basado en un conjunto de demostración con una breve historia. Aplicarlo a su negocio requiere datos actualizados y suposiciones de prueba.
Para comprender la arquitectura, es más importante poder describir la tarea, el flujo de datos y los criterios de resultado. El código se vuelve esencial al implementar lógica personalizada, conectar sistemas y probar comportamientos. Las herramientas visuales pueden facilitar el montaje, pero los problemas de acceso, estado y error persisten independientemente del método de implementación elegido.
La elección comienza con los requisitos: qué fuentes están disponibles, qué acciones son necesarias, dónde se almacenan los datos y cómo se verifican los errores. Luego se evalúan las limitaciones de las herramientas, los costos operativos y la viabilidad de reemplazo. La popularidad de un producto no confirma por sí sola su idoneidad. En el blog analizamos n8n, LangGraph, MCP y otras herramientas a través de su papel en el sistema.
El proyecto incluye tabla de ventas, catálogo, saldos de almacén, documentos y correspondencia con clientes. El conjunto de demostración ampliado contiene 50 solicitudes: su correspondencia y secciones analíticas listas para usar están disponibles mediante la búsqueda de documentos. Para cálculos arbitrarios basados en nuevos datos estructurados y cambios en pedidos en CRM, se requerirá una conexión separada. El acceso a la correspondencia tiene en cuenta el rol y el administrador responsable.
La base de datos vectorial almacena representaciones numéricas de objetos y le permite encontrar distancias cercanas según la medida seleccionada. Cuando se trabaja con texto, esto ayuda a buscar coincidencias semánticas, incluso cuando la redacción es diferente. La proximidad no prueba la verdad de una afirmación. Es posible que se requieran filtros y búsqueda de texto completo para códigos, fechas y nombres exactos.
RAG es un enfoque en el que el sistema primero encuentra información en las fuentes y luego la pasa al modelo para preparar una respuesta. Esto ayuda a vincular la respuesta a los documentos disponibles. El resultado depende de la calidad de la búsqueda, la selección de fragmentos y la comprobación de enlaces. La mera presencia de un RAG no garantiza la exactitud y no excluye conclusiones no confirmadas.
Contexto: información disponible para el modelo en una solicitud específica. La memoria son datos almacenados que el sistema puede seleccionar para un acceso posterior. Éstas podrán acordarse sobre las condiciones de la tarea o sobre los resultados de acciones anteriores. La memoria requiere reglas de selección, retención y eliminación: la acumulación de toda la correspondencia a menudo añade información obsoleta y contradicciones.
La validación compara declaraciones con fuentes y criterios de problemas. Toda conclusión significativa debe tener una base accesible; Los cálculos requieren una verificación por separado. Es útil distinguir entre hechos, suposiciones y lagunas de datos. El tono asertivo de la respuesta y la presencia de referencias no prueban, por sí mismos, que la fuente realmente respalde la conclusión.
El comportamiento correcto es indicar falta de datos, aclarar la solicitud o detenerse. Una búsqueda repetida es útil si cambian las condiciones de origen o de selección. La repetición interminable no crea evidencia. La arquitectura predetermina el límite de intentos y el método de transferir la tarea a una persona para que la falta de respuesta no se convierta en una conclusión ficticia.
Se establecen restricciones en conexiones y servicios: derechos mínimos, operaciones permitidas, área de datos disponibles. Acciones importantes pueden requerir confirmación humana. Una solicitud textual de un modelo para cumplir con las reglas no reemplaza el control técnico. El contenido de documentos externos se trata como datos porque puede contener intentos de anular instrucciones.
Múltiples roles son útiles si sus responsabilidades y motivos de revisión son realmente diferentes. Por ejemplo, la recuperación de información y la verificación de afirmaciones se pueden separar si existen criterios de resultado comunes. Cada rol adicional aumenta el costo y la complejidad de la aprobación. La concordancia de varios modelos no es evidencia independiente si todos se basan en el mismo error.
En la aplicación local, la voz se convierte en texto. El usuario verifica el comando reconocido y confirma el envío, tras lo cual el agente ejecuta la solicitud con los mismos derechos de acceso que en el chat de texto. Se puede expresar la respuesta preparada. El reconocimiento y la síntesis de voz requieren configuración; la interfaz de voz se describe como una capacidad de proyecto de agente.
El costo y la latencia se ven afectados por el modelo, el tamaño del contexto, la cantidad de visitas, la búsqueda y las herramientas externas. Los reintentos y roles adicionales también desperdician recursos. Es útil comparar soluciones en función del costo de un resultado comprobado para una tarea específica. El bajo costo de una respuesta individual dice poco sobre los costos generales si la respuesta debe corregirse varias veces.
Diez pasos para armar secuencialmente un agente - asistente del departamento de ventas: cálculos, estructura de datos, selección de herramientas, memoria, registro, búsqueda de documentos y fuentes externas. Luego se agregan el informe, los derechos de acceso, la activación de eventos y las notificaciones. El conjunto ampliado proporciona materiales para analizar aplicaciones y evaluar la demanda. El control por voz está asociado con un paso adicional: reconocimiento, confirmación del texto y expresión de la respuesta.
Comience con una tarea limitada: determine el resultado esperado, las fuentes disponibles y el método de verificación. Registre acciones que requieran su confirmación. Luego, combine el problema con las soluciones arquitectónicas del blog y el mapa de materiales del laboratorio. Este orden ayuda a analizar el sistema específico y sus limitaciones antes de elegir las herramientas.
Sigamos la investigación
Observe los diez pasos para contratar un agente: un asistente de ventas. Cada paso añade una nueva oportunidad laboral.