Recientemente, el panorama de la IA volvió a transformarse cuando OpenAI lanzó Investigación avanzada.
Poco después llegaron lanzamientos similares de Perplexity, xAI, Manus y otros. En esencia, Investigación avanzada es un agente de búsqueda capaz de recibir una consulta del usuario y llevar a cabo durante un máximo de 30 minutos una investigación compleja y con múltiples pasos en internet, a veces utilizando más de 100 fuentes. En cuestión de minutos, genera un informe de investigación exhaustivo, un trabajo que normalmente llevaría varias horas a un investigador humano.
Creemos que es uno de los lanzamientos de IA más importantes desde GPT-3.
En las conversaciones posteriores con nuestros clientes, hay una pregunta que destaca: «¿Cuándo podremos aplicar este tipo de investigación avanzada a nuestros propios datos?»
Muchos de estos clientes llevan años, o incluso décadas, creando meticulosamente algunos de los mayores repositorios de conocimiento propio del mundo. Estos datos tienen un valor incalculable y sustentan su ventaja competitiva en sus respectivos sectores.
Conscientes de esta necesidad, nos propusimos desarrollar un enfoque que permita a cualquier empresa crear capacidades de investigación avanzada adaptadas a su mercado, sus datos y su contexto específicos.
Llamamos a esta solución Investigación Avanzada Empresarial.
En Investigación Avanzada Empresarial integramos muchos de los aprendizajes que expusimos en nuestro análisis detallado de los enfoques RAG.
Mejorar iterativamente la consulta del usuario es aún más importante en las tareas de investigación avanzada que en el RAG clásico
La gestión del contexto sigue siendo fundamental. Es fundamental que el agente de investigación comprenda bien qué ha explorado hasta el momento y qué líneas de investigación han resultado más fructíferas. Al gestionar este estado de forma inteligente, el razonamiento del modelo puede funcionar con la máxima eficacia
El agente de investigación es el motor que impulsa Investigación Avanzada Empresarial.
El agente de investigación conoce la pregunta del usuario, las consultas ejecutadas anteriormente y la información útil que estas han obtenido. A continuación, utiliza el razonamiento para convertir su flujo de datos seleccionados en acciones.
El agente de investigación dispone de numerosas herramientas para alcanzar su objetivo. Entre ellas puede haber herramientas de búsqueda web y de operador web, habituales en las soluciones de investigación avanzada para consumidores, pero también herramientas para interactuar con sus fuentes de datos y puntos de conexión propios.
Es como una caja de herramientas real: el agente de investigación solo tiene que elegir la herramienta adecuada para cada tarea. A veces, una búsqueda web es la herramienta más útil: quizá quiera consultar rápidamente un artículo de investigación publicado hoy que aún no se haya incorporado a la base de conocimiento de su empresa.
Sin embargo, si trabaja en sectores como el farmacéutico, el financiero o el jurídico, su flujo de trabajo dependerá en gran medida de sus bases de conocimiento internas. Para estas fuentes, podemos optimizar cuidadosamente el agente de investigación mediante aprendizaje por refuerzo integral, de modo que pueda recorrer su conocimiento propio con la máxima eficacia. Y ahí es donde nuestra Investigación Avanzada Empresarial destaca de verdad.
Aquí es donde ocurre la magia.
Aunque internet ofrece una enorme cantidad de información, incorporar directamente su conocimiento especializado propio a los sistemas de IA permite aprovechar todo su potencial. Creemos que las soluciones más eficaces surgen al integrar su conocimiento único y sus ventajas competitivas en cada etapa del proceso.
Colaboramos con las organizaciones para desarrollar soluciones de integración a medida que reúnen en un ecosistema unificado datos de distintas fuentes, ya sean bases de datos estructuradas como Neo4j, PostgreSQL o Snowflake, o servicios de almacenamiento en la nube y sistemas de archivos como S3 o SharePoint. Esta integración ayuda a garantizar que todos los componentes del sistema se enriquezcan con sus datos propios y procesos internos. Así, el agente de investigación puede seguir los mismos pasos que sus analistas internos.
Los esfuerzos por aprovechar eficazmente los datos suelen plantear cuestiones cruciales sobre los derechos y permisos de acceso. Como es lógico, a los propietarios de los datos les preocupa que las respuestas puedan exponer inadvertidamente información confidencial. Creemos que la privacidad y la seguridad de los datos deben formar parte de nuestras soluciones desde el principio. Al indexar sus datos internos, es esencial registrar su titularidad y aplicar los permisos correspondientes, para garantizar que solo los usuarios autorizados puedan acceder a información específica. Además, disponer de mecanismos sólidos para eliminar datos del índice de conformidad con el RGPD y otras normativas es fundamental para preservar la privacidad y garantizar el cumplimiento normativo. Este nivel de control y seguridad diferencia nuestro enfoque de las herramientas públicas de investigación avanzada que abarcan todo internet.
La búsqueda web sigue siendo un pilar de los flujos de trabajo de investigación empresarial. La extracción web tradicional lleva mucho tiempo siendo una forma fiable de recopilar datos estructurados de fuentes en línea. Estos métodos clásicos son eficaces para recopilar grandes volúmenes de información pública.
Recientemente han surgido agentes operadores web para abordar las complejas tareas de recuperación de datos en internet. Entre ellos se encuentran Operator de OpenAI, Claude de Anthropic y Proxy de Convergence. Están diseñados para navegar por entornos web complejos, abordar consultas con matices y recuperar datos que podrían estar fuera del alcance de las técnicas de extracción convencionales.
A veces, los LLM no son la mejor herramienta para analizar los datos recuperados. Por eso, podemos dar al agente de investigación acceso a herramientas más especializadas, como un entorno de programación o incluso sus propias herramientas, para completar estos análisis. Este enfoque por capas, desde la extracción clásica hasta los agentes operadores avanzados y las herramientas especializadas, garantiza que la investigación de su empresa sea exhaustiva y adaptable, por complejo que sea el entorno de datos.
Cada empresa tiene su propia cultura, particularidades sectoriales y prácticas consolidadas, que influyen en la mejor forma de asimilar y aplicar los hallazgos. Las herramientas listas para usar suelen ofrecer respuestas genéricas que quizá no se ajusten al contexto específico de su empresa.
Al crear una solución de investigación avanzada a medida, dispone de la flexibilidad necesaria para presentar los hallazgos exactamente donde y como se necesiten, ya sea integrándolos en herramientas de análisis existentes o creando un flujo de trabajo específico.
Al adaptar los resultados de la investigación al lenguaje y los procesos específicos de su empresa, garantiza que los hallazgos no solo sean precisos, sino que también se integren a la perfección en sus marcos de toma de decisiones actuales.
Imaginamos un futuro en el que todas las empresas se beneficien de una solución de investigación avanzada a medida que impulse sus flujos de trabajo más importantes.
Lanzamientos recientes como la API Responses de OpenAI, que ofrece funciones integradas de búsqueda web, y su recién presentado SDK para agentes, destinado a crear sistemas de IA con agentes, demuestran el compromiso de los líderes del sector con el avance de las herramientas de IA en este ámbito. Aunque herramientas públicas como Investigación avanzada de OpenAI destacan al responder consultas generales, las empresas que buscan una ventaja competitiva se beneficiarán de un enfoque a medida que aproveche plenamente su conocimiento propio y sus fortalezas únicas.
¿Le interesa explorar cómo podría funcionar esta visión en su empresa? Póngase en contacto con nosotros por el canal que prefiera.