La visión artificial determina cómo los agentes de IA visual toman decisiones

Todas las industrias, desde la fabricación hasta el comercio minorista, se enfrentan a sus propios desafíos operativos, y encontrar formas innovadoras de resolver estos problemas siempre ha sido fundamental para gestionar negocios con éxito. Recientemente, los agentes de IA se han convertido en una solución popular en muchos ámbitos. Estos sistemas van más allá del análisis de datos. También pueden actuar.

Por ejemplo, los agentes de IA en la fabricación pueden detectar defectos en tiempo real e iniciar automáticamente medidas de control de calidad para que la producción siga funcionando sin problemas. Del mismo modo, en la logística y el comercio minorista, pueden supervisar varias ubicaciones mediante videovigilancia inteligente y alertar al instante a los equipos sobre actividades inusuales.

A medida que crece esta tendencia, los agentes de IA están transformando activamente las industrias de todo el mundo. El mercado mundial de los agentes de IA alcanzó los 5,1 mil millones de dólares en 2024 y se prevé que crezca hasta los 47,1 mil millones de dólares en 2030.

Fig. 1. Una mirada al tamaño del mercado mundial de los agentes de IA.

Una de las tecnologías clave que impulsan estos avances es la visión artificial. Al permitir que las máquinas procesen e interpreten datos visuales, la IA de visión hace posible que los agentes de IA realicen tareas de visión artificial, como la detección de objetos en tiempo real, la segmentación de instancias y el seguimiento de objetos, con una precisión extraordinaria. Tiende un puente entre lo que ven las máquinas y cómo toman decisiones, lo que la convierte en una parte fundamental de muchas soluciones basadas en IA.

En este artículo, exploraremos los agentes de IA y su relación con la visión artificial. También analizaremos los distintos tipos de agentes de IA y cómo se utilizan en aplicaciones basadas en visión. ¡Empecemos!

¿Qué son los agentes de IA?#

Antes de profundizar en los agentes de IA basados en visión, detengámonos un momento para entender los agentes de IA en general y comprobar hasta qué punto pueden ser versátiles estos sistemas.

Un agente de IA es un sistema inteligente que puede comprender y responder a tareas o preguntas sin necesitar la ayuda de una persona. Muchos agentes de IA utilizan el aprendizaje automático y el procesamiento del lenguaje natural (NLP) para gestionar una amplia variedad de tareas, desde responder preguntas básicas hasta gestionar procesos complejos.

Algunos agentes de IA incluso pueden aprender y mejorar con el tiempo, a diferencia de los sistemas de IA tradicionales, que dependen de la intervención humana para cada actualización. Por eso los agentes de IA se están convirtiendo rápidamente en una parte esencial de la IA. Pueden automatizar tareas, tomar decisiones e interactuar con su entorno sin necesitar supervisión constante. Son especialmente útiles para gestionar tareas repetitivas y que requieren mucho tiempo.

Por ejemplo, puedes encontrar agentes de IA en sectores como la atención al cliente y la hostelería. En la atención al cliente, se utilizan para procesar reembolsos y ofrecer recomendaciones de productos personalizadas. Mientras tanto, en la hostelería, pueden ayudar al personal de los hoteles a gestionar las solicitudes de los huéspedes, agilizar el servicio de habitaciones y sugerir atracciones cercanas. Estos ejemplos muestran cómo los agentes de IA hacen que los procesos cotidianos sean más rápidos y eficientes.

Cómo funcionan los agentes de IA de visión#

A continuación, veamos brevemente cómo funcionan los agentes de IA. Aunque cada agente de IA es único y está diseñado para tareas específicas, todos comparten los mismos tres pasos principales: percepción, toma de decisiones y acción.

Primero, en la fase de percepción, los agentes de IA recopilan información de distintas fuentes para comprender qué está ocurriendo. A continuación viene la toma de decisiones. A partir de la información que recopilan, utilizan sus algoritmos para analizar la situación y decidir cuál es la mejor forma de actuar. Por último, está la acción. Una vez tomada la decisión, la ejecutan, ya sea respondiendo a una pregunta, completando una tarea o señalando un problema para que lo gestione una persona.

Puede parecer sencillo, pero, según el tipo de agente de IA, a menudo suceden muchas cosas entre bastidores para que estos pasos funcionen. Desde analizar datos complejos hasta utilizar modelos avanzados de aprendizaje automático, cada agente de IA está diseñado para gestionar tareas específicas a su manera.

Por ejemplo, mientras muchos agentes de IA se centran en procesar el lenguaje mediante NLP, otros, conocidos como agentes de IA de visión, integran la visión artificial para gestionar datos visuales. Mediante modelos avanzados de visión artificial como Ultralytics YOLO11, los agentes de IA de visión pueden realizar análisis de imágenes más precisos.

Fig. 2. Un ejemplo de recuento de manzanas en una imagen mediante YOLO11.

Agentes de IA de visión en vehículos autónomos#

Utilicemos los vehículos autónomos como ejemplo para ver cómo funcionan los agentes de IA de visión mediante los tres pasos principales descritos anteriormente:

• Percepción: Los agentes de IA de visión en vehículos autónomos recopilan datos visuales de las cámaras y los sensores instalados en el vehículo. Estos datos incluyen imágenes y vídeos del entorno, como otros vehículos, peatones, semáforos y señales de tráfico.
• Toma de decisiones: El agente de IA procesa estos datos visuales mediante modelos como Ultralytics YOLO11. Identifica objetos como coches y peatones, detecta obstáculos o cambios repentinos de carril y reconoce patrones, como el flujo del tráfico y el estado de los semáforos. Esto ayuda al coche a comprender las condiciones de la carretera en tiempo real.
• Acción: A partir de su análisis, el agente de IA actúa, por ejemplo, girando para evitar un obstáculo, ajustando la velocidad o deteniéndose ante un semáforo en rojo. Estas decisiones se toman rápidamente para garantizar una conducción segura y eficiente.

Los vehículos autónomos de Waymo son un gran ejemplo de esta tecnología. Utilizan agentes de IA de visión para comprender su entorno, tomar decisiones en tiempo real y circular por las carreteras de forma segura y eficiente sin intervención humana.

Fig. 3. El taxi autónomo de Waymo basado en un agente de IA.

Tipos de agentes de IA de visión#

Ahora que hemos visto cómo funcionan los agentes de IA y cómo utilizan la visión artificial, analicemos los distintos tipos de agentes de IA. Cada tipo está diseñado para tareas específicas, desde acciones sencillas hasta procesos más complejos de toma de decisiones y aprendizaje.

Agentes reactivos simples#

Los agentes reactivos simples son el tipo más básico de agente de IA. Responden a entradas específicas con acciones predefinidas, basándose únicamente en la situación actual y sin tener en cuenta el historial ni los resultados futuros. Estos agentes suelen utilizar reglas sencillas de «si-entonces» para guiar su comportamiento.

En el análisis de imágenes, un agente reactivo simple podría programarse para detectar un color concreto, como el rojo, y activar una acción inmediata, como resaltar o contar objetos rojos. Aunque esto puede funcionar en tareas sencillas, se queda corto en entornos más complejos, ya que el agente no aprende ni se adapta a partir de experiencias anteriores.

Agentes reactivos basados en modelos#

Los agentes reactivos basados en modelos son más avanzados que los agentes reactivos simples porque utilizan un modelo interno de su entorno para comprender mejor la situación. Este modelo les permite gestionar información ausente o incompleta y tomar decisiones más fundamentadas.

Por ejemplo, considera los sistemas de cámaras de seguridad con IA. Los agentes de IA de visión integrados en ellos pueden utilizar la visión artificial para analizar lo que ocurre en tiempo real. Pueden comparar movimientos y acciones con un modelo de comportamiento normal, lo que les ayuda a detectar actividades inusuales, como hurtos, y señalar posibles amenazas para la seguridad con mayor precisión.

Fig. 4. Un ejemplo del uso de la visión artificial para detectar robos.

Agentes basados en la utilidad#

Piensa en un dron basado en la utilidad utilizado para supervisar cultivos. Ajusta su trayectoria de vuelo para cubrir más terreno mientras evita obstáculos y selecciona la mejor ruta para la tarea. Esto significa que el dron evalúa varias acciones posibles, como qué zona priorizar o cómo desplazarse de forma eficiente, y elige la que maximiza su eficacia.

Del mismo modo, los agentes basados en la utilidad están diseñados para elegir la mejor acción entre varias opciones con el fin de obtener el mayor beneficio o resultado. Los agentes de IA de visión diseñados para ello pueden procesar y analizar distintas entradas visuales, como imágenes o datos de sensores, y seleccionar el resultado más útil según criterios predefinidos.

Fig. 5. Los drones basados en la utilidad pueden utilizarse para supervisar cultivos.

Agentes basados en objetivos#

Los agentes basados en objetivos son similares a los agentes basados en la utilidad porque ambos aspiran a alcanzar objetivos específicos. Sin embargo, los agentes basados en objetivos se centran únicamente en las acciones que los acercan a su objetivo definido. Evalúan cada acción según cómo contribuye a alcanzar su meta, sin sopesar otros factores, como el valor general o las compensaciones.

Por ejemplo, un coche autónomo funciona como un agente basado en objetivos cuando su objetivo es llegar a un destino. Procesa datos de cámaras con IA y sensores para tomar decisiones, como evitar obstáculos, respetar los semáforos y elegir los giros adecuados para mantenerse en la ruta. Estas decisiones se guían por completo por su grado de adecuación al objetivo de llegar al destino de forma segura y eficiente. A diferencia de los agentes basados en la utilidad, los agentes basados en objetivos se centran únicamente en alcanzar la meta, sin tener en cuenta criterios adicionales como la eficiencia o la optimización.

Fig. 6. Un coche autónomo que utiliza la visión artificial para identificar objetos de su entorno.

Agentes que aprenden#

Si estás familiarizado con la visión artificial, es posible que hayas oído hablar del ajuste fino, un proceso en el que los modelos mejoran aprendiendo de nuevos datos. Los agentes que aprenden funcionan de forma similar: se adaptan y mejoran con el tiempo a medida que adquieren experiencia. En aplicaciones como el control de calidad basado en visión, estos agentes detectan mejor los defectos con cada inspección. Esta capacidad de perfeccionar su rendimiento es especialmente importante en ámbitos como la aviación, donde la seguridad y la precisión son fundamentales.

Agentes jerárquicos#

Los agentes jerárquicos simplifican las tareas complejas dividiéndolas en pasos más pequeños y manejables. Un agente de nivel superior supervisa el proceso general y toma decisiones estratégicas, mientras que los agentes de nivel inferior se encargan de tareas específicas. Este enfoque es más eficiente en operaciones que implican varios pasos y una ejecución detallada.

Por ejemplo, en un almacén automatizado, un robot de nivel superior podría planificar el proceso de clasificación y decidir qué artículos deben dirigirse a cada zona. Al mismo tiempo, los robots de nivel inferior se centran en identificar los artículos mediante visión artificial, analizar características como el tamaño, la forma o las etiquetas, y organizarlos en los contenedores correctos. Una división clara de responsabilidades ayuda a que el sistema funcione sin problemas.

Fig. 7. Un ejemplo de un agente de IA robótico clasificando paquetes.

Cómo empezar a crear un agente de IA de visión#

El núcleo de un agente de IA con capacidades de visión es un modelo de visión artificial. Uno de los modelos de visión artificial más recientes y fiables disponibles actualmente es Ultralytics YOLO11. YOLO11 es conocido por su eficiencia y precisión en tiempo real, lo que lo hace perfecto para las tareas de visión artificial.

Estos son los distintos procesos necesarios para crear tu propio agente de IA con las capacidades de Ultralytics YOLO11:

• Prepara un conjunto de datos: recopila y preprocesa imágenes etiquetadas relevantes para la tarea que realizará tu agente de IA.

• Entrena el modelo de forma personalizada : entrena Ultralytics YOLO11 específicamente con tu conjunto de datos para mejorar su precisión y rendimiento en tu aplicación concreta.

• Intégralo con un marco de toma de decisiones: conecta el modelo entrenado a un sistema que permita al agente de IA tomar decisiones a partir de entradas visuales.

• Prueba y perfecciona: implementa el agente de IA, prueba su rendimiento, recopila comentarios y ajusta el modelo para mejorar su precisión y fiabilidad.

Conclusiones clave#

Los agentes de IA integrados con la visión artificial, es decir, los agentes de IA de visión, están transformando las industrias al automatizar tareas, agilizar los procesos y mejorar la toma de decisiones. Desde ciudades inteligentes que controlan el tráfico hasta sistemas de seguridad que utilizan el reconocimiento facial, estos agentes aportan nuevas soluciones a problemas habituales.

También pueden seguir aprendiendo y mejorando con el tiempo, lo que los hace útiles en entornos cambiantes. Con herramientas como Ultralytics YOLO11, crear y utilizar estos agentes de IA resulta más fácil, lo que da lugar a soluciones más inteligentes y eficientes.

Únete a nuestra comunidad y consulta nuestro repositorio de GitHub para aprender sobre IA. Explora diversas aplicaciones de la visión artificial en la atención sanitaria y la IA en la agricultura en nuestras páginas de soluciones. ¡Echa un vistazo a las opciones de licencia disponibles para empezar!