Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
# Patrón 5: Flujo de trabajo de IA basado en agentes
Los modelos de lenguaje extensos (LLMs) son potentes, pero de forma predeterminada son ilimitados. No conocen los datos patentados, las reglas comerciales o las limitaciones operativas, lo que los hace riesgosos cuando interactúan directamente con los usuarios o los sistemas.
Las empresas se enfrentan a los siguientes desafíos comunes:
+ LLMs alucinan cuando no saben la respuesta, lo que pone en riesgo la confianza y el cumplimiento.
+ Las respuestas no se basan en hechos, políticas o estado en tiempo real específicos del ámbito (por ejemplo, pedidos, cuentas y derechos).
+ La automatización dinámica de tareas (por ejemplo, la búsqueda de pedidos, la clasificación del soporte y las operaciones de TI) a menudo requiere invocar herramientas reales y no solo generar texto. APIs
+ Crear enrutadores intencionales, gestores de diálogo y flujos basados en reglas tradicionales es costoso, frágil e inescalable.
Para hacer frente a estos desafíos, las empresas quieren agentes que razonen de forma inteligente, actúen de forma autónoma y se basen en los hechos.
## El flujo de trabajo basado en la IA de los agentes: inteligencia autónoma con confianza y contexto
El patrón de *flujo de trabajo basado en la IA* de los [agentes utiliza Amazon Bedrock Agents](https://docs.aws.amazon.com/bedrock/latest/userguide/agents.html) para organizar el razonamiento semántico, la invocación de herramientas y la base del conocimiento. Los agentes permiten a los asistentes de inteligencia artificial captar las opiniones de los usuarios, comprender las intenciones y completar tareas de varios pasos mediante documentos y documentos empresariales. APIs
A diferencia de los chatbots simples o las indicaciones estáticas de LLM, los agentes de Amazon Bedrock:
+ Interprete los objetivos del lenguaje natural.
+ Seleccione e invoque herramientas (mediante AWS Lambda funciones) de forma dinámica.
+ Busque o consulte las bases de conocimiento para mantenerse cimentado en la realidad empresarial.
+ Obtenga respuestas contextuales de varios pasos con trazabilidad y procesabilidad.
La arquitectura de referencia implementa cada capa de la siguiente manera:
+ **Activador de eventos**: utiliza [Amazon API Gateway](https://docs.aws.amazon.com/apigateway/latest/developerguide/welcome.html), la interfaz de usuario del chatbot o el portal de soporte para activar la interacción de los agentes a través de Amazon Bedrock
+ **Procesamiento**: implementa [Lambda](https://docs.aws.amazon.com/lambda/latest/dg/welcome.html) para formatear la entrada, aplicar el contexto de seguridad (por ejemplo, funciones o derechos de usuario) y enriquecer los metadatos
+ **Inferencia**: utiliza el agente Amazon Bedrock para recibir la solicitud, invocar las herramientas Lambda (por ejemplo)`getOrderStatus`, realizar una búsqueda básica a través de una base de conocimientos y recopilar una respuesta final
+ **Posprocesamiento**: utiliza Lambda para inspeccionar la salida del agente (por ejemplo, escalar si se «pierde un pedido» y notificar al equipo de soporte)
+ **Resultado**: devuelve la respuesta del agente a la interfaz de usuario o la registra en [Amazon Simple Storage Service](https://docs.aws.amazon.com/AmazonS3/latest/userguide/Welcome.html) (Amazon S3) o [Amazon OpenSearch Service](https://docs.aws.amazon.com/opensearch-service/latest/developerguide/what-is.html) para realizar auditorías, formación o análisis
## Caso de uso: agente de servicio al cliente minorista
Un minorista internacional quiere automatizar las respuestas a las preguntas más habituales de los clientes, como: «¿Dónde está mi pedido?» , «Quiero devolver estos zapatos. «, y «¿Tengo que pagar el envío de la devolución?»
Las respuestas dependen de factores como los datos de pedido del cliente en tiempo real, la elegibilidad y los plazos de devolución, y las políticas específicas de la región.
En respuesta a este caso de uso, el flujo de trabajo basado en agentes sigue estos pasos:
1. El usuario introduce su consulta mediante una aplicación o un chat.
1. API Gateway enruta la consulta al agente de Amazon Bedrock.
1. El agente realiza las siguientes acciones:
+ Analiza la intención («solicitud de devolución»)
+ Invoca una herramienta Lambda `lookupOrderStatus`
+ Realiza una búsqueda de políticas en la base de conocimientos
+ Llama `initiateReturn ` si cumples los requisitos
+ Redacta una respuesta completa: «Se ha iniciado su devolución. Espere recibir una etiqueta en un mensaje de correo electrónico».
Todas las acciones se basan, se registran y se llevan a cabo dentro de los límites de la empresa.
## Características clave de Amazon Bedrock Agents en este patrón
Para el patrón de flujo de trabajo basado en la IA de los agentes, los agentes de Amazon Bedrock ofrecen las siguientes características y ventajas clave:
+ **La selección de herramientas** permite a un agente elegir la función Lambda (herramienta) correcta para cada tarea.
+ **La memoria y el estado de la sesión** permiten a los agentes mantener el contexto en todos los turnos.
+ **Las respuestas fundamentadas** recuperan datos fidedignos de las bases de conocimiento almacenadas en Amazon S3.
+ El **razonamiento en cadena de pensamiento (CoT)** permite a un agente descomponer las indicaciones complejas en subobjetivos y actuar de forma secuencial.
+ El **contexto de seguridad** permite definir el alcance de las herramientas en función del inquilino, el usuario o el rol mediante el uso de parámetros contextuales y de AWS Identity and Access Management IAM.
## Mejores prácticas de gobernanza y control para el patrón de flujo de trabajo basado en agentes basados en la IA
Para que los flujos de trabajo basados en la IA de los agentes estén preparados para la empresa, las organizaciones deben tener en cuenta los siguientes controles:
+ Configuraciones de los agentes de control de versiones (por ejemplo, herramientas, instrucciones y bases de conocimiento).
+ Utilice registros estructurados y rastree IDs para garantizar la auditabilidad.
+ Aplica políticas rápidas, listas de permitidos y controles de moderación.
+ Defina los flujos alternativos (por ejemplo, escalarlos a humanos o redireccionarlos a preguntas frecuentes estáticas).
Estos controles se pueden organizar mediante Lambda EventBridge [AWS Step Functions](https://docs.aws.amazon.com/step-functions/latest/dg/welcome.html)y alrededor del núcleo del agente.
## Valor empresarial del patrón de flujo de trabajo basado en la IA de los agentes
Este patrón aporta valor en las siguientes áreas:
+ **Experiencia del cliente**: permite la resolución mediante autoservicio del 70 al 80 por ciento de las consultas sin necesidad de escalarlas
+ **Eficiencia operativa**: reduce el volumen de solicitudes de soporte y la sobrecarga de selección
+ **Tiempo de resolución**: proporciona respuestas instantáneas utilizando datos reales, sin tener que esperar a que intervengan agentes humanos
+ **Escalabilidad**: gestiona miles de interacciones simultáneas sin aumentar el número de empleados
+ **Reutilización entre dominios**: aplica el mismo patrón a varios dominios, como el soporte de TI, el servicio de asistencia de recursos humanos, las preguntas y respuestas legales y más
El flujo de trabajo basado en la IA de los agentes permite a las empresas ir más allá de las preguntas y respuestas estáticas y pasar a la automatización basada en objetivos, sin sacrificar el control, el cumplimiento ni la precisión. Al combinar el razonamiento de LLM con una ejecución de API segura y sin servidor y la recuperación de conocimientos, los agentes de Amazon Bedrock ofrecen capacidades de IA que actúan, no solo responden.
El agente fundamentado es la arquitectura de interacción empresarial inteligente, modular, fundamentada y lista para ampliarse.