Piensa en el informe semanal de estado que escribes cada viernes o en las notas de lanzamiento que reescribes cada vez que se publica un proyecto. Si tienes que explicar continuamente la misma tarea a una IA, ya conoces el problema que AWS intenta resolver. Su explicación sobre los agentes y las skills muestra cómo convertir esas explicaciones repetitivas en algo que solo tengas que escribir una vez.
Las piezas, explicadas de forma sencilla
AWS describe Quick como un servicio basado en IA para automatizar tareas, analizar datos, crear aplicaciones web y realizar investigaciones. Trabajas con él usando lenguaje natural, es decir, frases normales en lugar de código. Detrás de esa conversación hay varios elementos:
- Agente: una IA configurable con sus propias instrucciones y acceso a determinados datos y herramientas. Piensa en él como un compañero de trabajo con una función concreta.
- Skill: un conjunto de instrucciones guardadas que muestra a un agente cómo realizar una tarea específica, como redactar el informe semanal de tu equipo con el formato que utilizáis.
- Space: una colección seleccionada de documentos y recursos de Quick que un agente puede usar como fuente de información. Puedes crear uno para ti o para un grupo.
- Base de conocimientos: un índice organizado y con función de búsqueda que reúne contenido de fuentes como Google Drive, SharePoint o Amazon S3. Quick lo mantiene actualizado según un calendario de sincronización.
- Conector: un enlace entre Quick y una aplicación externa, como Outlook, Slack, Jira o Salesforce, para que un agente pueda leer información y realizar acciones por ti.
Cómo realiza su trabajo un agente
AWS explica que un agente funciona dentro de un ciclo gestionado al que llama harness. El agente utiliza un patrón llamado ReAct, abreviatura de razonamiento y acción. Dicho de forma sencilla: piensa en el siguiente paso, usa una herramienta, revisa el resultado y repite el proceso hasta obtener una respuesta.
Quick incluye un agente predeterminado al que puede acceder cualquier usuario. No tiene un ámbito fijo, así que trabaja con los recursos a los que ya puedes acceder. Un agente personalizado es uno que configura alguien de tu equipo para una tarea concreta. El ejemplo de AWS es un asistente de incorporación de personal que responde a las preguntas de las nuevas contrataciones usando el space del equipo de Recursos Humanos. Una vez probado y publicado, puedes compartirlo con otros usuarios y grupos de tu cuenta.
AWS también afirma que los agentes solo pueden acceder a lo mismo que tú, y que tú decides qué puede hacer cada agente.
En conclusión
La explicación de AWS se resume en una cadena sencilla: un agente sigue instrucciones, carga las skills que necesita para una tarea, utiliza conectores para actuar y basa sus respuestas en tus datos. Cuando entiendes estas piezas, puedes identificar qué tarea repetitiva puede convertirse en una skill reutilizable y dónde un agente personalizado puede servir a un equipo concreto. El siguiente paso es fácil: elige una tarea que explicas a una IA cada semana, anota los pasos que siempre le indicas y comprueba si la cuenta de Quick de tu equipo ya tiene un space o una skill que pueda encargarse de ella.
