La superación personal es el nuevo foso, permitiendo a las empresas de productos ir más allá de simplemente envolver APIs de LLM.
Hay dos lugares para cosechar este aprendizaje: la actividad en el navegador (lo que los usuarios realmente hacen en las aplicaciones) y los traces del agente (lo que tu agente realmente hizo).
Si se hace correctamente, tu producto puede mejorar simplemente con el uso.
Tu producto puede tener cientos, miles o millones de interacciones agente-usuario cada día. Eso es una mina de oro de datos.
Sin embargo, hoy en día, la mayor parte de ese valor no se captura.
Tus usuarios "enseñan" al agente y esa "lección" simplemente desaparece.
Capturar señales de datos es un activo que se acumula.
Pero capturar no es suficiente: el agente aún tiene que usarlo sin ahogarse en el contexto. Los modelos tienen un presupuesto de atención limitado, y llenar el contexto con todo no es la solución...
Resumen del artículo
Analizaremos los agentes auto-mejorables con los que puedes construir un foso de negocio, incluyendo:
- Aprendizaje a partir de traces del agente y actividad en el navegador
- Dónde se pueden aplicar los aprendizajes: pesos del modelo, el arnés y el contexto
- Los diferentes tipos de aprendizajes: procedural, semántico, episódico
- Privacidad de datos: mantén seguros los datos de tus usuarios
- Propiedad de los datos: construye un foso de negocio
- Consejos prácticos para implementar fácilmente el auto-aprendizaje para cualquier agente, usando AG-UI
Lanzaremos nuestra solución de Auto-Aprendizaje en las próximas semanas.
Regístrate aquí para acceso anticipado y asociación de diseño.
Tu agente debería aprender de 2 lugares
Los agentes deberían aprender de los traces del agente y de la actividad ambiental en el navegador.
La mayoría de los enfoques de aprendizaje solo usan uno u otro, pero los productos que aprovechan ambos superarán significativamente a los que no lo hacen.
1. Traces del Agente
El agente se ejecuta y cada paso se registra como un trace. Qué se le pidió, qué herramientas llamó, qué devolvió, dónde falló.
Apuntas a otro agente a esos traces, y encuentra los patrones de fallo y reescribe los prompts, herramientas e instrucciones.
La mitad faltante: Cualquier cosa fuera de la interacción del agente, donde aún ocurre la mayor parte de la actividad.
2. Actividad ambiental del usuario en el navegador
Es decir, observar al usuario.
Sus clics, ediciones, respuestas y flujos de trabajo.
Brex construyó su onboarding de esta manera. Observaron a sus analistas trabajar y alimentaron cada corrección humana como una señal de entrenamiento.
Cada corrección humana crea un punto de datos etiquetado que agudiza la siguiente ejecución.
La mitad faltante: Este método ve al humano perfectamente. Pero no sabe nada sobre lo que el agente intentó o por qué falló.
Deberías estar capturando ambas señales
¿Cómo? O mejor aún, ¿dónde?
Hay un lugar en casi todos los productos hoy en día que ve ambas simultáneamente: la superficie donde la persona y el agente trabajan codo a codo.
Es decir, la interfaz.
El cómo es a través del Protocolo de Interacción Agente-Usuario (AG-UI): un estándar abierto que transmite cada evento entre tu aplicación, tus usuarios y el agente. Más sobre por qué esto es importante a continuación.
Dónde se puede aplicar el aprendizaje
Hay tres lugares, cada uno con sus propias ventajas y desventajas.
→ Pesos del modelo: Ajusta la lección directamente en el modelo.
→ Arnés: Todo lo que rodea al modelo. El ciclo que sigue, las herramientas que puede llamar, las comprobaciones que lo atrapan antes de actuar.
→ En contexto: Añade la nueva información directamente al prompt. El agente la lee en cada llamada.
Cubrí los 10 enfoques en estas tres capas en el primer artículo ↓
https://x.com/svpino/status/2070210421995569537
Los diferentes tipos de aprendizajes
Hay tres tipos principales que ayudarán a tus agentes a mejorar con el tiempo.
1. Procedural (flujos de trabajo/cómo hacer las cosas)
La memoria procedural es lo que muchos de nosotros incluimos en archivos de skills o agents.md:
Flujos de trabajo aprendidos y reglas para completar una tarea.
Por ejemplo:
Un gerente que aprueba un reembolso por encima del límite para un cliente leal. El agente aprende esto y hace lo mismo la próxima vez.
Pro: El agente maneja el mismo caso de la misma manera cada vez. Consistente e independiente.
Contra: Si aprende el flujo de trabajo incorrecto, hará lo incorrecto con confianza, cada vez.
2. Episódico (cosas que sucedieron)
Un registro de eventos e interacciones pasadas específicas.
Por ejemplo:
"El 5 de enero, el reembolso de Joe Jonas rebotó porque su tarjeta había caducado."
Pro: Un caso pasado real supera a una regla abstracta. El agente ve cómo se desarrolló y copia lo que funcionó.
Contra: La mayoría de los casos pasados son ruido inútil. Alguien tiene que revisarlos y quedarse solo con los que vale la pena recordar, o el útil se entierra.
3. Semántico (los hechos)
Hechos estables que el agente debería conocer.
Por ejemplo:
"Todos los planes de tarjetas de crédito tienen algún límite, pero el límite varía según el plan"
Pro: Reutilizable en todas partes. Un hecho es un hecho.
Contra: Se vuelve obsoleto sin previo aviso. El día que el límite cambia, el agente está equivocado con confianza y actúa de todos modos.
Auto-aprendizaje en acción a través de CopilotKit Intelligence y AG-UI
Semántico mantiene lo que es verdad.
Episódico mantiene el caso que sucedió.
Procedural mantiene la regla para manejarlo.
El viaje del flujo desde la interacción agente-usuario hasta el auto-aprendizaje
Ser dueño del bucle tú mismo y construir un foso
Los datos de aprendizaje son la parte más importante de tu producto, y se volverán cada vez más valiosos a medida que el costo de crear software desde cero disminuya.
Ser dueño de los datos de aprendizaje te permite convertirte en algo más que un envoltorio de una API de LLM.
El error del agente y la corrección del humano generalmente terminan en dos lugares diferentes.
Y nadie los conecta.
La superficie para hacerlo ya existe dentro de tu producto: la interfaz.
Las herramientas de trace ven solo al agente.
Las herramientas ambientales, las que observan el navegador, ven solo al humano e invaden la privacidad para obtenerlo.
Pero CopilotKit ve ambas señales.
CopilotKit lee los eventos que fluyen a través de tu aplicación: cada llamada a herramienta, cambio de estado, aprobación y edición, tanto del agente como de la persona que lo usa.
Lo hace a través de AG-UI (Protocolo de Interacción Agente-Usuario) que transporta cada evento entre tu aplicación, tus usuarios y el agente en tiempo real.
Ahora el intento del agente y la corrección del humano llegan en la misma transmisión.
AG-UI funciona con cualquier agente y cualquier arnés
AG-UI es un estándar abierto que es independiente del framework.
Ha sido adoptado por AWS, Google, Microsoft, Oracle, LangChain, Mastra, Pydantic AI, CrewAI, LlamaIndex y más.
AG-UI ve los eventos e inyecta el contexto aprendido directamente en el agente, sea cual sea el arnés de ese agente subyacente.
Eso significa que el mismo aprendizaje se aplica a cualquier agente que incorpores, hoy o el año que viene, automáticamente, sin necesidad de trabajo de integración personalizado para cada uno.
Uno de nuestros clientes ejecuta una interfaz de usuario que habla con el agente de CopilotKit + Google ADK + Microsoft Agent Framework, y todas las memorias se comparten entre los tres.
Memoria desvinculada de la elección del framework = portabilidad
Todo se ejecuta en tu infraestructura, por lo que eres dueño del aprendizaje
CopilotKit Intelligence se auto-aloja en tu propio clúster de Kubernetes. Soberanía total de datos, SOC 2 Tipo II, implementación aislada si es necesario.
Los datos se quedan contigo. También todo lo que el agente aprende de ellos.
El enfoque de todos los demás mantiene tu aprendizaje en su nube o, como el de Meta, utiliza vigilancia para obtenerlo.
@CopilotKit Intelligence está activo en producción en empresas Fortune 500 hoy, y está abierto para acceso anticipado. Si quieres que tu agente mejore cuantas más personas lo usen, contáctanos.
Contenedores de Aprendizaje: decidiendo "quién" recibe los nuevos aprendizajes
Tan pronto como habilitas el aprendizaje en tu producto, surge la pregunta: ¿hasta dónde se extiende el aprendizaje? Los hechos sensibles de un usuario no deben filtrarse en el contexto del agente de otro usuario.
La solución de CopilotKit son los Contenedores de Aprendizaje: ámbitos amigables para el desarrollador que puedes controlar, decidiendo qué tan 'lejos' se extiende cada lección.
CopilotKit te permite definir fácilmente contenedores de aprendizaje para diferentes cohortes de usuarios:
- Por usuario. Como preferencias específicas.
- Por equipo. Como procedimientos de aprobación.
- Por aplicación. Como reglas a nivel de empresa.
Los contenedores de aprendizaje son completamente auditables. Puedes ver exactamente qué se aprendió y en qué contenedor aterrizó.
Hay mucho más sobre esto.
Recientemente, realizamos una transmisión en vivo en profundidad repasando todo lo que acabo de mencionar.
Mira la grabación completa aquí.
Resumen en pocas palabras
Comparte este gráfico con tu red como un TL;DR
@CopilotKit Intelligence ya está ejecutando esto en producción dentro de grandes empresas, y está abierto para acceso anticipado.
Si quieres un agente que mejore cuanto más lo usen tus usuarios, contáctanos y te daremos acceso.
Sigue a @ataiiam para más contenido.
![[Edición Definitiva] Un análisis profundo de Recruit Holdings por un ex empleado (escrito por mí, no por IA)](/cdn-cgi/image/width=1920,quality=90,format=auto,metadata=none/https%3A%2F%2Fcms-assets.youmind.com%2Fmedia%2F1783619810056_4fyuz8_HMtxHM_bIAA-0_J.jpg)
