Configuración de SmartAgent
SmartAgent no es un bot. Es un agente de IA entrenado y supervisado, con memoria y criterio.
- Que es un SmartAgent
- Ventajas de un SmartAgent frente a un Bot tradicional
- Tecnologías que lo componen
- Como configurar un SmartAgent
- Cómo escribir un prompt (Recomendaciones)
- Uso de aprendizaje por ejemplos (Few-Shots)
- Recomendaciones de buenas prácticas para usar SmartAgent
- Como usar funciones Inteligentes
- Qué son las funciones inteligentes
- Crear funciones inteligentes
- Importancia de los Thought Frameworks
Qué son los SmarAgent de Audara
SmartAgent no es un bot. Es un agente de IA entrenado y supervisado, con memoria, criterio y herramientas.
Audara es una plataforma omnicanal de automatización conversacional que permite crear asistentes virtuales inteligentes sin necesidad de escribir código, mediante una interfaz intuitiva con un editor visual de flujos.
Dentro de esta plataforma, el SmartAgent es nuestro agente de IA más avanzado, diseñado para ofrecer respuestas precisas, tomar decisiones complejas y adaptarse al contexto de cada cliente en tiempo real.
Un SmartAgent en Audara se basa en tecnología de modelos de lenguaje de última generación, principalmente OpenAI, y está potenciado por componentes clave como:
Thought Framework:
Estructura lógica de razonamiento paso a paso que guía al agente a través de decisiones complejas. En lugar de responder de forma reactiva a cada mensaje, el agente analiza la intención, evalúa el contexto, y decide la mejor acción a seguir, mejorando la coherencia y precisión de cada respuesta.Prompts personalizados:
Son instrucciones avanzadas que definen el carácter, comportamiento y tono del agente. Gracias a estos prompts, el SmartAgent puede actuar como experto en ventas, soporte, agendamiento u otros roles específicos, adaptándose a las necesidades de cada cliente o campaña.Few-shots:
Permiten al agente aprender por ejemplos dentro del mismo prompt. Se incluyen casos modelo (pregunta–respuesta) que enseñan cómo debe responder ante situaciones similares, mejorando su desempeño sin necesidad de reentrenar el modelo.Memoria conversacional:
Capacidad del agente para recordar información importante a lo largo de una sesión o entre interacciones. Esta memoria permite personalizar la experiencia del cliente, mantener el contexto a través de múltiples pasos y reutilizar datos sin volver a pedirlos.Function Calling (Funciones Inteligentes): permite al agente ejecutar acciones específicas dentro o fuera del flujo, como consultas a APIs, CRM, reglas o validaciones asi como pasar de pasos tradicionales a pasos de IA cuando sea necesario.
- RAG con Base de Conocimiento:
Los SmartAgent pueden consultar una base de conocimiento interna o conectada por RAG (Retrieval-Augmented Generation), permitiendo respuestas más precisas y actualizadas basadas en artículos o documentos predefinidos. - Uso de las herramientas de Audara:
Puedes combinar poderes y usar herramientas propias de Audara como reportes automáticos, atención omnicanal, encuestas de satisfacción, speech analytics, supervisión en tiempo real de los chatbots y voicebots, visualización de KPIs avanzados y mucho más. - Fuerza hibrida IA y Humanos:
SmartAgent está diseñado para trabajar en conjunto con humanos: puede detectar cuándo escalar la conversación, ceder el turno a un asesor y registrar todo lo conversado, logrando una experiencia híbrida eficiente y natural.
Gracias a esta combinación, los SmartAgents de Audara pueden ir más allá de un simple chatbot: entienden, resuelven, automatizan y conversan con un nivel de naturalidad y precisión propio de asistentes virtuales reales.
Y todo esto puede configurarse visualmente, sin necesidad de conocimientos técnicos, lo que convierte a Audara en una solución ideal tanto para equipos de soporte, ventas y operaciones como para desarrolladores que buscan escalar su automatización de forma estructurada y potente.
Ventajas de un SmartAgent frente a un Bot tradicional
A diferencia de los bots tradicionales que funcionan solo con árboles de decisión rígidos o flujos estáticos, los SmartAgent de Audara combinan el poder del lenguaje natural, la comprensión contextual y la ejecución automatizada de tareas complejas. Estas son algunas de sus principales ventajas:
Comprensión profunda del lenguaje: gracias al uso de modelos LLM como OpenAI, entienden intenciones, contexto y variaciones del lenguaje, incluso si el cliente no sigue exactamente el guion esperado.
Adaptabilidad conversacional: pueden cambiar de tema, retomar conversaciones previas o resolver varias peticiones en una misma charla sin confundir al usuario.
Toma de decisiones dinámica: ya no dependen de reglas fijas; utilizan razonamiento paso a paso (Thought Framework), memoria, ejemplos y conocimiento externo para responder con lógica.
Consultas a datos externos en tiempo real: pueden buscar información en CRMs, bases de datos o APIs externas mediante funciones inteligentes (Function Calling), sin depender de conexiones manuales o programaciones externas.
Respuestas siempre actualizadas: gracias a la integración con RAG (Retrieval-Augmented Generation), los SmartAgent pueden consultar bases de conocimiento internas o externas para ofrecer respuestas más completas y vigentes.
🔄 ¿Y qué pasa con las funciones clásicas?
A pesar de ser más avanzados, los SmartAgent también pueden realizar todas las funciones de un bot tradicional: capturar datos paso a paso, navegar por flujos estructurados, mostrar botones, entregar mensajes estáticos o condicionales y redirigir al usuario según condiciones configuradas. Todo esto es posible gracias a las Funciones Inteligentes, que les permiten interactuar con pasos clásicos del flujo o incluso emularlos cuando sea necesario.
Tecnologías que componen a SmartAgent
SmartAgent está construido sobre un ecosistema avanzado de tecnologías que permiten una experiencia conversacional más inteligente, flexible y adaptable que un bot tradicional. Estas son las principales piezas que lo hacen posible:
🧠 Componentes de un SmartAgent
Modelos LLM (OpenAI y otros compatibles): motores de lenguaje capaces de entender lenguaje natural, generar respuestas contextuales y adaptarse a múltiples situaciones conversacionales.
Thought Framework: estructura interna que guía el razonamiento paso a paso del agente, ayudándole a tomar decisiones más coherentes y humanas.
Conocer más sobre [Thought Framework]
- System Prompts y Few-Shots: instrucciones personalizadas y ejemplos que entrenan el comportamiento del agente en función del caso de uso específico, sin necesidad de escribir código.
Memoria Conversacional: permite que el agente recuerde información a lo largo de una sesión o incluso entre sesiones (si así se configura), brindando continuidad y contexto.
Function Calling (Funciones Inteligentes): permite ejecutar acciones específicas como consultar CRMs, agendar citas, validar datos o cambiar de flujo. Gracias a esto, el SmartAgent puede realizar acciones tradicionales como las de un bot clásico, pero con una lógica mucho más flexible y contextual.
RAG (Retrieval-Augmented Generation): tecnología que permite al agente consultar bases de conocimiento (internas o externas) en tiempo real y generar respuestas basadas en artículos o documentos actualizados.
Audara Runtime Engine: motor que permite orquestar las decisiones del agente, integrar con las herramientas propias de Audara, coordinar la lógica de flujos y gestionar múltiples canales de atención al mismo tiempo.
Usar y Configurar un SmartAgent
El SmartAgent es un nodo especial dentro de los flujos conversacionales de los bots en Audara. A diferencia de los nodos tradicionales, el SmartAgent permite crear interacciones de forma más natural e inteligente, aprovechando todo el potencial de la inteligencia artificial.
Se trata de una nueva manera de construir flujos, donde no necesitas configurar cada paso manualmente, sino que defines el rol del asistente y sus capacidades. A partir de ahí, la IA se encarga de guiar la conversación según las necesidades del cliente.
Los SmartAgent son la forma más recomendada para usar IA en Audara, ya que combinan las mejores herramientas y tecnolgoias para brundar la mejor atención. Esta herramienta reúne lo mejor de los estándares de atención al cliente en un solo lugar, de manera simple y flexible para cualquier empresa.
Para conocer como usar ls funciones con los SmartAgent ir al apartado [Usar funciones inteligentes]
Configuración y parametros de SmartAgent
1. Titulo
Todos los nodos, sin importar su tipo, incluyen un campo de nombre. Este nombre permite identificarlos fácilmente dentro del flujo, especialmente al utilizar acciones como “Ir a”, donde necesitas saber con precisión a qué paso se está dirigiendo el bot.
2. Prompt
Este es el campo donde se escribe el prompt principal del SmartAgent. Aquí le indicamos a la inteligencia artificial cuáles serán sus funciones, cómo debe hablar, qué debe hacer y qué información debe tener en cuenta durante la conversación.
Es fundamental ser claro, ordenado y específico en este paso. Un prompt bien estructurado permite que el SmartAgent se comporte de forma coherente, útil y alineada con los objetivos del flujo.
Recomendaciones:
Define el rol del asistente (por ejemplo, “Actúa como un asesor de soporte técnico…”).
Especifica el tono de la conversación (formal, cercano, amigable, etc.).
Indica sus funciones clave (responder dudas, capturar datos, transferir al humano, etc.).
Si es necesario, incluye información que deba conocer (como detalles del producto o empresa).
Un buen prompt es la base para que la IA funcione correctamente.
3. Ejemplos (Few-Shot Learning)
Este es un campo especializado de Audara diseñado para facilitar la escritura de ejemplos de interacción entre el usuario y el SmartAgent.
Los few-shots consisten en pares de pregunta y respuesta que sirven como guía para que la inteligencia artificial aprenda cómo debe responder, en qué tono, y cómo debe actuar ante ciertas situaciones.
Además de enseñar el estilo de conversación, también se pueden usar estos ejemplos para mostrar cuándo y cómo llamar funciones inteligentes, como transferir a un asesor, capturar un dato o consultar disponibilidad.
¿Para qué sirven?
Afinar el comportamiento del SmartAgent.
Enseñar con ejemplos concretos qué se espera.
Aclarar cómo usar las funciones personalizadas de forma correcta.
4. Máximo palabras por respuestas
Este parámetro permite definir un límite aproximado para la cantidad de palabras que puede tener cada respuesta del SmartAgent. Sirve para controlar la densidad y extensión de las respuestas, logrando así un balance entre claridad y brevedad.
Es importante tener en cuenta que se trata de un límite flexible:
El agente puede dar respuestas más cortas si la situación no requiere mucha explicación.
También puede superar el límite por una o dos palabras si necesita terminar una idea de forma coherente.
Configurar este campo permite:
Optimizar el consumo de tokens, especialmente si se tiene un flujo con muchas interacciones.
Ajustar el estilo del agente según el canal o público objetivo (más directo o más explicativo).
5. Temperatura
La temperatura es un parámetro que define el nivel de creatividad o aleatoriedad en las respuestas del SmartAgent, en relación con el prompt principal configurado.
Este valor indica qué tanto se apega el agente a las instrucciones del prompt y qué tanta libertad tiene para improvisar o ser creativo.
¿Cómo funciona?
La temperatura se mide en un rango de 0.0 a 2.0.
Un valor bajo (0.0 – 0.3) hace que el SmartAgent sea muy preciso y predecible, ideal para tareas formales, soporte técnico o flujos que deben ser estrictos.
Un valor medio (0.4 – 0.7) permite un buen equilibrio entre precisión y naturalidad.
Un valor alto (0.8 – 2.0) genera respuestas más creativas, variadas y menos repetitivas, útil para asistentes más conversacionales o de marketing.
Recomendación general:
Para la mayoría de casos en Audara, se recomienda un valor entre 0.4 y 1. Esto permite mantener coherencia sin limitar demasiado la naturalidad del lenguaje.
6. Funciones
Este campo permite seleccionar las funciones inteligentes que podrá usar este SmartAgent durante la conversación.
Las funciones deben estar previamente configuradas desde el módulo de Funciones (en el submenú de Agentes de IA). Luego, deben vincularse al flujo agregando nodos de tipo Smart Function justo después del nodo del SmartAgent.
🔗 ¿Quieres aprender más sobre cómo se usan?
Consulta la sección 👉 [Uso de funciones inteligentes]
🔗 ¿Qué son las funciones inligentes?
Consulta la sección 👉 [Qué son las funciones inteligentes]
Cómo escribir un buen PROMPT en un SmartAgent (Recomendaciones)
Un buen prompt es la base de un agente inteligente, claro y útil. Estas recomendaciones te ayudarán a escribir instrucciones efectivas para que tu SmartAgent responda como esperas:
1. Habla claro y directo
Evita frases ambiguas o rebuscadas. Usa un lenguaje natural pero preciso, como si hablaras con un colaborador que debe entender qué hacer.
✅ “Responde como asesor de ventas, ofreciendo el plan más conveniente y preguntando si desea agendar una cita.”
❌ “Habla sobre productos si el usuario parece interesado.”
2. Dale contexto
Incluye detalles sobre la empresa, el producto o el tipo de cliente. Esto ayuda a que el agente entienda el tono, el rol y la intención.
✅ “Eres un agente de soporte de Audara, una plataforma omnicanal con CRM integrado.”
❌ “Responde como un bot.”
3. Establece el tono y el estilo
Define si quieres que hable de forma formal, cercana, técnica o alegre. Incluso puedes imitar el estilo de ciertos asesores o marcas.
✅ “Habla en tono cálido, cercano y profesional, como un asesor de confianza.”
❌ “Responde normal.”
4. Usa ejemplos (few-shots)
Agrega uno o dos ejemplos de preguntas y respuestas que esperas. Esto mejora la consistencia en las respuestas del agente.
✅
Ejemplo:
Usuario: “¿Qué incluye el plan Avanzado?”
Bot: “El plan Avanzado incluye 2 agentes, WhatsApp, email, voz y acceso a reportes.”
5. Anticipa errores o casos especiales
Indícale cómo actuar si no entiende o si el cliente pregunta algo fuera de tema.
✅ “Si no sabes algo, responde: ‘Prefiero confirmarlo con un asesor, ¿quieres que te transfiera?’”
6. Evita confiar en que “el modelo adivine”
Sé explícito. En vez de decir “ayuda al cliente”, indica cómo y con qué herramientas debe ayudar.
✅ “Si el cliente pide soporte técnico, explícale cómo ingresar al panel de configuración desde la web.”
❌ “Ayuda con lo que necesite.”
7. Prueba y mejora
Después de probar el comportamiento del agente, ajusta el prompt según los resultados. Probar y ajustar, probar y ajustar hasta afinar lo mejor posible el comportamiento. A veces, pequeños cambios mejoran mucho la precisión.
Uso del aprendizaje por ejemplos (Few-Shot)
El concepto de Few-Shot Learning (Aprendizaje con Pocos Ejemplos) en agentes de IA, se refiere a la capacidad del modelo para aprender una nueva tarea o un nuevo comportamiento con solo un puñado (unos pocos) ejemplos de entrada-salida, sin necesidad de un re-entrenamiento extensivo o un ajuste fino (fine-tuning) del modelo. Audara cuenta con un espacio exclusivo para esto. Especializado en mantener el orden y escribir los ejemplos que sean necesarios para el buen compartamiento del SmartAgent.
Cómo funciona Few-Shot Learning:
En lugar de re-entrenar el modelo, se le dan los ejemplos directamente dentro del prompt de entrada. El modelo utiliza estos ejemplos como una “demostración” de la tarea que se espera que realice.
Estructura típica de un ejemplo para Few-Shot:
Descripción de la tarea (opcional)
Ejemplo 1 de Entrada: [Tu pregunta de ejemplo 1]
Ejemplo 1 de Salida: [La respuesta esperada para el ejemplo 1]
Ejemplo 2 de Entrada: [Tu pregunta de ejemplo 2]
Ejemplo 2 de Salida: [La respuesta esperada para el ejemplo 2]
Analogía: Imagina que le estás enseñando a un niño muy inteligente (el LLM) a jugar un juego nuevo. En lugar de darle un manual de reglas completo (fine-tuning), simplemente juegas un par de rondas con él y él capta las reglas y el estilo del juego.
Ventajas del Few-Shot Learning:
- Eficiencia: No requiere el costoso y lento proceso de fine-tuning. Puedes adaptar el modelo a nuevas tareas sobre la marcha.
- Flexibilidad: Permite adaptar el modelo rápidamente a nuevas variaciones de tareas o a diferentes estilos de salida sin necesidad de programar reglas explícitas.
- Reducción de datos: Reduce drásticamente la necesidad de grandes conjuntos de datos etiquetados para tareas específicas.
- Transferencia de conocimiento: El modelo utiliza el vasto conocimiento adquirido durante su pre-entrenamiento para generalizar a partir de los pocos ejemplos proporcionados.
Ventajas del Few-Shot Learning:
- Zero-Shot Learning: El modelo realiza una tarea sin ningún ejemplo de entrada-salida, basándose únicamente en la descripción de la tarea. (Ej: “Traduce esta frase al español: [frase]”).
- One-Shot Learning: El modelo realiza una tarea con solo un ejemplo de entrada-salida.
- Few-Shot Learning: El modelo realiza una tarea con unos pocos (2 a ~10) ejemplos de entrada-salida.
Recomendaciones de buenas prácticas para usar SmartAgent
Para lograr conversaciones naturales, efectivas y eficientes, te recomendamos seguir estas buenas prácticas al configurar y utilizar un SmartAgent en Audara:
1. Define bien el objetivo del agente
Antes de configurar prompts o flujos, ten claro qué rol cumplirá el agente: ¿atención al cliente?, ¿ventas?, ¿agendamiento?, ¿soporte técnico? Esto guiará su comportamiento.
2. Utiliza prompts específicos y bien redactados
Los prompts personalizados son el corazón del comportamiento del agente. Evita ambigüedades, habla claro y da instrucciones concretas. Si es necesario, usa el Thought Framework para desglosar procesos paso a paso.
3. Aprovecha los few-shots
Agrega ejemplos dentro del mismo prompt que orienten al agente sobre cómo debe responder ante ciertos tipos de preguntas o situaciones.
4. Uso de memoria en conversación
Usa la memoria conversacional cuando el flujo requiera mantener información entre pasos o sesiones, para darle la mejor atención a los clientes.
5. Combina lógica de IA con pasos clásicos
Gracias a las Funciones Inteligentes, puedes ejecutar pasos como validaciones, integraciones o bifurcaciones sin dejar el contexto conversacional. Esto evita respuestas genéricas y mejora la experiencia.
6. Integra el RAG con una buena base de conocimiento
Asegúrate de tener una base de conocimiento bien estructurada, actualizada y categorizada. Esto permite respuestas más útiles cuando el agente consulta artículos mediante RAG.
7. Configura flujos de fallback
Siempre prevé qué hacer si el agente no sabe qué responder o si falla una llamada externa (como un POST a un CRM). Puedes mostrar mensajes informativos o redirigir el flujo a una nueva validación.
8. Haz pruebas continuas y mejora
Revisa periódicamente los logs, las respuestas del agente y la interacción con los usuarios. Usa herramientas de speech analytics y supervisión para detectar mejoras.
9. Evita respuestas demasiado largas o robotizadas
Dale un tono conversacional, humano y directo. Usa fragmentos de texto cortos y amigables para no saturar al usuario.
10. Escala al humano cuando sea necesario
Un buen SmartAgent sabe cuándo pasar el turno a un humano. Usa esta capacidad para garantizar una experiencia híbrida efectiva.
Cómo usar funciones Inteligentes con SmartAgent
Las Funciones Inteligentes permiten potenciar el rendimiento de los SmartAgents mediante acciones avanzadas y personalizadas. Para usarlas correctamente, deben integrarse al flujo conversacional como nodos específicos.
🧩 ¿Cómo se agregan?
Se utilizan nodos de tipo Smart Function, disponibles en el editor visual de flujos de Audara. Estos nodos permiten:
Activar funciones configuradas previamente en el módulo de Funciones
Dividir y organizar el flujo de forma clara y modular
Cada Smart Function actúa como una puerta de enlace entre el SmartAgent y la acción que necesita ejecutar.
🔧 ¿Cómo se configuran?
Una vez insertado el nodo de Smart Function en el flujo, podrás:
Seleccionar la función previamente creada.
Ajustar sus parámetros. Esto quiere decir seleccionar la función que se quiere configurar en el nodo y este cambiara dependiendo el tipo de la función.
Definir qué sucede después de ejecutarse (respuesta al cliente, nueva pregunta, fin de flujo, etc.).
Ten en cuenta:
Cada función puede tener un comportamiento distinto, por eso es importante revisar cómo se configura cada tipo (ver más adelante).
Cada Smart Function actúa como una puerta de enlace entre el SmartAgent y la acción que necesita ejecutar.
➡️ Función tipo "Acción"
Las funciones del tipo “Accion” sirven para decirle al SmartAgent cuando salir de la conversacion e ir a un nodo especifico del flujo de forma que sirve para incluir cualquier cosa necesaria del bot tradiconal. Permite enviar a una campaña entrante para hablar con un agente humano, enviar un WhatsApp, un correo electronico, mostrar un menu en el caso del chatbot, enviar archivos adjuntos en el caso del chatbot y cualquier accion que se quiera.
➡️ Función tipo "Captura"
Las funciones del tipo Captura están diseñadas para obtener datos del usuario durante una conversación, utilizando lenguaje natural. En lugar de usar preguntas rígidas, el SmartAgent puede solicitar la información de forma flexible, comprendiendo distintas formas de respuesta y adaptándose al contexto.
¿Cómo funcionan?
La IA interpreta la respuesta del usuario y se encarga de:
Capturar el dato solicitado (por ejemplo: nombre, número, fecha, dirección, etc.)
Validar si el dato tiene el formato correcto o es coherente con lo esperado
Realizar ajustes automáticos simples, como:
Convertir valores (ej. de metros a centímetros)
Limpiar o normalizar datos (ej. quitar espacios, corregir errores comunes)
✅ Ventajas
Permite flujos más naturales y conversacionales
Aumenta la tasa de éxito al capturar datos correctamente
Reduce errores de formato y mejora la calidad de la información almacenada
Estas funciones se configuran desde el módulo de Funciones, definiendo:
Qué dato se va a capturar
Qué validaciones debe cumplir
Cómo debe ser almacenado o utilizado más adelante
¿Cómo se usa?
Una vez insertado el nodo de tipo Smart Function con una función de captura, ya no es necesario reconfigurar la lógica de la función (pues eso se hizo previamente en el módulo de Funciones).
En este punto, solo debes definir cómo se comportará dentro del flujo.
Pasos de configuración:
Renombra las variables:
Asigna un nombre claro a cada variable que la función va a capturar. Este será el nombre con el que el dato será identificado y utilizado en el resto del flujo.
Ejemplo: {{CEDULA}} – {{NOMBRE}}Mensaje de referencia para la IA (opcional pero recomendado):
Puedes agregar un mensaje que la IA usará una vez que se complete la captura correctamente.
Este mensaje puede ser algo como:"Gracias, he registrado tu correo"o"Perfecto, ya tengo esa información".
Esto ayuda a mantener la conversación fluida y mejora la experiencia del usuario.
➡️ Función tipo "Captura"
Las funciones del tipo Asistente le indican al SmartAgent cuándo salir momentáneamente de su flujo principal para consultar un asistente especializado preentrenado de OpenAI, y luego volver a continuar con el prompt general.
¿Para qué sirven?
Este tipo de función es ideal cuando necesitas que el SmartAgent brinde respuestas muy específicas sobre un tema complejo o técnico, que ha sido previamente entrenado con muchos documentos o una base de conocimiento extensa.
Estos asistentes especializados pueden:
Responder dudas sobre un producto, servicio o proceso complejo
Profundizar en temas legales, técnicos, médicos, etc.
Usar retrieval (RAG) para buscar información en cientos de documentos previamente cargados
Una vez respondida la duda, el SmartAgent retoma el control del flujo y continúa la conversación normalmente con su comportamiento original.
✅ Ventajas:
Permite tener múltiples “expertos” en temas específicos dentro de una misma conversación
Mejora la precisión y profundidad de ciertas respuestas
No interrumpe la lógica del flujo general del SmartAgent
¿Qué son las funciones inteligentes?
Las Funciones Inteligentes son acciones que los SmartAgents pueden ejecutar durante una conversación para ir más allá del texto generado por IA. Son herramientas clave que permiten conectar el lenguaje natural con acciones prácticas, tanto dentro del flujo del bot como con sistemas externos.
Estas funciones permiten que el SmartAgent realice tareas útiles y automatizadas, como por ejemplo:
📁 Enviar archivos o enlaces
📋 Mostrar botones, menús o listas
📝 Capturar y guardar datos en tiempo real
👤 Transferir la conversación a un asesor humano
🔍 Consultar información mediante RAG (Retrieval-Augmented Generation), es decir, responder preguntas buscando en una base de conocimiento entrenada
🌐 Conectarse con APIs externas para validar información, crear registros, consultar agendas, etc.
🔄 Ejecutar flujos tradicionales de bots cuando se requiera una acción estructurada
Las funciones se agrupan en cuatro tipos:
- Funciones de Acción
- Funciones de Repuesta (RAG)
- Funciones de Captura
- Funciones de Asistentes
Crear funciones Inteligentes
Las Funciones Inteligentes se configuran desde un módulo exclusivo llamado Funciones, ubicado en el submenú de Agentes de IA dentro de la configuración de Audara.
Estas funciones actúan como herramientas clave para potenciar las capacidades de los SmartAgents, permitiéndoles ejecutar acciones específicas durante una conversación.
📚 Tipos de funciones
Las funciones se agrupan en cuatro tipos:
- Funciones de Acción
- Funciones de Respuesta (RAG)
- Funciones de Captura
- Funciones de Asistentes
Gracias a las funciones, los SmartAgents de Audara pueden combinar lo mejor del lenguaje natural con acciones concretas, logrando flujos conversacionales más útiles, dinámicos y efectivos.
Para conocer mejor la creación y configuración de las funciones puedes visitar el articulo completo sobre [Creación de funciones inteligentes de Audara]
Importancia de los Thought Frameworks
Los SmartAgent de Audara usan “Thought Framework” (o “marco de pensamiento”, “estructura de pensamiento” o “modelo mental”) es un conjunto estructurado de ideas, creencias, principios, conceptos o suposiciones que una persona o un grupo utiliza para entender, interpretar, analizar y abordar problemas o situaciones en el mundo.
Piensa en ello como un mapa mental o un esqueleto conceptual que guía tu forma de razonar y tomar decisiones. En lugar de abordar cada situación desde cero, un marco de pensamiento te proporciona un punto de partida, una lente a través de la cual ver el problema y una serie de pasos o categorías para organizar tus ideas.
El concepto de “Thought Framework” a un agente de IA, estamos hablando de una metodología o arquitectura interna que permite a la IA razonar de manera más estructurada, coherente y a menudo más “humana” al enfrentar problemas complejos o al planificar acciones.
Los SmartAgent de Audara en lugar de simplemente generar una respuesta directa basada en el prompt de entrada, un agente de IA que utiliza un Thought Framework “piensa” a través del problema en pasos intermedios o con un proceso estructurado antes de producir la respuesta final. Esto se inspira en cómo los humanos a menudo desglosan un problema complejo para resolverlo.
Los SmartAgent de Audara en lugar de simplemente generar una respuesta directa basada en el prompt de entrada, un agente de IA que utiliza un Thought Framework “piensa” a través del problema en pasos intermedios o con un proceso estructurado antes de producir la respuesta final. Esto se inspira en cómo los humanos a menudo desglosan un problema complejo para resolverlo.
➡️ Tipos de Thought Frameworks que usan los SmartAgent
- Cadena de Pensamiento (Chain-of-Thought): En lugar de una respuesta directa, el agente ‘piensa en voz alta’, desglosando el problema en pasos lógicos intermedios. Esto mejora la precisión en tareas de razonamiento complejas y hace que la lógica de la IA sea transparente.
Beneficio: Respuestas más fiables y comprensibles, especialmente para problemas que requieren análisis o cálculo.
Autorrefinamiento (Self-Refinement): Después de generar una primera respuesta, el agente se auto-critica. Revisa su propia solución, identifica posibles fallas y la mejora, puliendo la salida hasta alcanzar la máxima calidad.
Beneficio: Resultados de alta calidad y más ‘pulidos’, minimizando errores y mejorando la precisión con cada iteración.
ReAct (Razonar y Actuar): Nuestros agentes no solo piensan, sino que actúan. Cuando necesitan información externa (como datos de un CRM, resultados de una búsqueda web o cálculos específicos), la IA primero ‘piensa’ qué necesita, luego ‘actúa’ usando la herramienta adecuada, y finalmente ‘razona’ sobre los resultados.
Beneficio: Agentes que pueden interactuar dinámicamente con sus sistemas y el mundo real para obtener la información más precisa y actualizada.”
¿Por qué son importantes los Thought Frameworks en IA?
- Mejoran el razonamiento: Permiten a la IA abordar problemas más complejos que requieren lógica de varios pasos, matemáticas o toma de decisiones estratégicas.
- Reducen alucinaciones: Al forzar a la IA a “mostrar su trabajo”, se reduce la probabilidad de que invente respuestas.
- Aumentan la interpretabilidad: Hacen que el proceso de la IA sea más transparente, lo cual es útil para la depuración y la comprensión.
- Permiten la integración de herramientas: Son cruciales para que los agentes de IA puedan interactuar con bases de datos, APIs, herramientas de búsqueda, etc.
En esencia, los SmartAgent de Audara usan Thought Framework como la receta final para ser un verdadero agente de IA e ir más allá de una simple respuesta memorizada y, en cambio, “pensar” de una manera que se asemeja más a un proceso cognitivo deliberado y estructurado.
