Ingeniería
Habilitando el poder de la IA a los empleados
· 5 min read · Fabián Almenara
En Cubicup hemos lanzado nuestro gestor de agentes. Permite a los empleados de Cubicup crear agentes de manera dinámica y almacenar el conocimiento en forma de grafos de conocimiento
¿Qué hacen estos 3 agentes de la imagen?
El agente de Lead Enrichment tiene la tarea de unificar el conocimiento que tenemos en diferentes bases de datos y CRMs.
El analizador de dudas de reunión. Simplemente recoge las llamadas telefónicas de nuestros clientes y estructuramos la información para tener métricas y para saber mejor el perfil del cliente.
Read.AI - PPV nos ayuda a analizar las reuniones online con el cliente y entiende bien si el presupuesto presentado es el adecuado para el cliente.
Ambos. el 2 y el 3 siempre llaman a su vez al Lead Enrichment que es el que siempre nos va actualizando el perfil del cliente
¿Qué hemos construido?
Una interfaz tipo n8n o Flowise pero más simplificada. En esta interfaz el usuario describe lo que necesita y desde el equipo técnico le damos algunas pautas para estructurar bien el prompt.
Además proveemos algunos agentes listos para usar y modificar que hemos construido desde el equipo de tecnología.
¿Qué nos ha llevado a construir esto?
Como se ve en las imágenes. Nuestra propuesta es habilitar a los empleados a crear sus propios agentes. Durante mucho tiempo probamos herramientas como n8n o Flowise pero todas tenían más contras que pros.
¿Qué nos estaba pasando? Viendo que el equipo de tecnología se estaba convirtiendo en “programador de agentes con código”, hemos creado la herramienta que permita a la gente crear sus agentes pero de una manera mucho más sencilla que las herramientas existentes.
Además todo adaptado a nuestro negocio. No tenemos nodos que no nos sirvan, pasos que creen confusión. Listo para usar.
Lo bueno del código por debajo es que para el usuario es trasparente:
El usuario no sabe si estamos usando un RAG o una API.
No sabe si por debajo usamos un paso extra que hace de Juez para evaluar que la salida es apropiada o no.
Modificamos ciertos parámetros y los adaptamos al conocimiento del negocio y a las normas de la organización.
El equipo de tecnología habilita al resto de empleados a usar IA de manera simple.
Y… lo que más esperanza me trae
Los grafos de conocimiento.
Cada agente nos permite crear sus propias ontologías (La imagen es un test dado que aún no lo tenemos en funcionamiento). Y como se puede ver en una imagen de más arriba, cualquier agente puede aportar SU conocimiento al Conocimiento de un proyecto en Cubicup.
Hemos aprovechado el poder de los LLM para extraer las entidades y relaciones que necesitamos y alimentar tanto un Grafo de Conocimiento con las relaciones que nosotros queremos y por otro lado dejamos al propio LLM que se invente y sea creativo…. A veces hay sorpresas.
Desde la aparición de los LLM sacar este tipo de entidades y relaciones (los antes procesos complejos NER y RE) es muy simple porque los LLM de hoy, hasta cualquier modelo pequeño que tenemos en local tiene capacidad de encontrar estas ontologías.
¿Qué nos permite SimBuild?
Tenemos tres horizontes con esta herramienta que fácilmente puede ser aplicada a otros negocios. Por orden de cercanía en el tiempo:
Habilitar para el uso de la IA a los empleados. Ir creando fuerza digital con control.
Crear un conocimiento extra y poder por ejemplo (caso real): “Ajustar un presupuesto de un cliente que quiere añadir una chimenea”. Podemos buscar en que otros proyectos se hicieron ciertas actuaciones, cuanto costó, que problemas ocasionaron. Etc. En el caso de una chimenea, en nuestro negocio no es un caso que se aplique mucho y es complejo encontrar toda esta información porque no se da en muchos proyectos.
Simular. De ahí el nombre. Gracias a los grafos de conocimiento vamos a poder haber simulaciones de proyectos. Por ejemplo: “¿Qué pasa si este pedido llega tarde? o ¿Cuánto se puede demorar una obra si el proveedor me demuele 1 semana tarde la chimenea?”