La visión artificial dirige cómo los agentes de IA de visión toman decisiones

Cada industria, desde la fabricación hasta el comercio minorista, enfrenta sus propios desafíos de proceso, y encontrar formas innovadoras de resolver estos problemas siempre ha sido clave para dirigir negocios exitosos. Recientemente, los agentes de IA se han convertido en una solución popular en muchos campos. Estos sistemas van más allá de analizar datos. También pueden tomar medidas.

Por ejemplo, los agentes de IA en la fabricación pueden detectar defectos en tiempo real y activar automáticamente medidas de control de calidad para mantener la producción en marcha sin interrupciones. De igual modo, en la logística y el comercio minorista, pueden supervisar múltiples ubicaciones mediante videovigilancia inteligente y alertar al instante a los equipos sobre actividades inusuales.

A medida que esta tendencia crece, los agentes de IA están transformando activamente industrias en todo el mundo. El mercado global de agentes de IA alcanzó los 5100 millones de dólares en 2024 y se proyecta que crezca hasta los 47 100 millones de dólares para 2030.

Fig 1. Un vistazo al tamaño del mercado global de agentes de IA.

Una de las tecnologías clave que impulsan estos avances es la visión por ordenador. Al permitir que las máquinas procesen e interpreten datos visuales, la visión artificial hace posible que los agentes de IA realicen tareas de visión por ordenador como detección de objetos en tiempo real, segmentación de instancias y seguimiento de objetos con una precisión increíble. Esto cierra la brecha entre lo que las máquinas ven y cómo toman decisiones, convirtiéndola en una parte fundamental de muchas soluciones impulsadas por IA.

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

¿Qué son los agentes de IA?#

Antes de sumergirnos en los agentes de IA basados en visión, tomémonos un momento para entender los agentes de IA en general para ver cuán versátiles pueden ser estos sistemas.

Un agente de IA es un sistema inteligente que puede entender y responder a tareas o preguntas sin necesidad de ayuda humana. Muchos agentes de IA utilizan aprendizaje automático y procesamiento de lenguaje natural (NLP) para manejar una amplia gama de tareas, desde responder preguntas básicas hasta gestionar procesos complejos.

Algunos agentes de IA incluso tienen la capacidad de 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 necesidad de supervisión constante. Son especialmente útiles para gestionar tareas repetitivas y que consumen mucho tiempo.

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

Comprender cómo funcionan los agentes de IA de visión#

A continuación, echemos un vistazo rápido a 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 el paso de percepción, los agentes de IA recopilan información de diferentes fuentes para entender lo que está sucediendo. Luego viene la toma de decisiones. Según la información que recopilan, utilizan sus algoritmos para analizar la situación y decidir el mejor curso de acción. Finalmente, está la acción. Una vez que han tomado una decisión, la llevan a cabo, ya sea respondiendo una pregunta, completando una tarea o marcando un problema para que un humano lo maneje.

Puede sonar sencillo, pero dependiendo del tipo de agente de IA, a menudo sucede mucho detrás de escena para que estos pasos funcionen. Desde analizar datos complejos hasta usar modelos avanzados de aprendizaje automático, cada agente de IA está construido para manejar tareas específicas a su propia manera.

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

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

Agentes de IA de visión en coches autónomos#

Usemos los coches autónomos como ejemplo para ver cómo funcionan los agentes de IA de visión a través de los tres pasos principales descritos anteriormente:

• Percepción: Los agentes de visión por IA en coches autónomos recopilan datos visuales de cámaras y sensores instalados en el vehículo. Estos datos incluyen imágenes y vídeos del entorno circundante, tales como otros vehículos, peatones, señales de tráfico y señales viales.
• Toma de decisiones: El agente de IA procesa estos datos visuales usando 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 las señales. Esto ayuda al coche a comprender las condiciones de la carretera en tiempo real.
• Acción: Según su análisis, el agente de IA toma medidas, como girar para evitar un obstáculo, ajustar la velocidad o detenerse en un semáforo en rojo. Estas decisiones se toman rápidamente para garantizar una conducción segura y eficiente.

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

Fig 3. Taxi autónomo basado en agentes de IA de Waymo.

Tipos de agentes de IA de visión#

Ahora que hemos visto cómo funcionan los agentes de IA y cómo utilizan la visión artificial, echemos un vistazo a los diferentes tipos de agentes de IA. Cada tipo está diseñado para tareas específicas, desde acciones simples hasta una toma de decisiones y un aprendizaje más complejos.

Agentes de reflejo simple#

Los agentes de reflejo simple son el tipo más básico de agente de IA. Responden a entradas específicas con acciones predefinidas, basándose puramente en la situación actual sin considerar ninguna historia o resultado futuro. Estos agentes suelen utilizar reglas simples de "si-entonces" para guiar su comportamiento.

Con respecto al análisis de imágenes, un agente de reflejo simple podría programarse para detectar un color en particular (como el rojo) y activar una acción inmediata (como resaltar o contar objetos rojos). Si bien esto puede funcionar para tareas sencillas, se queda corto en entornos más complejos, ya que el agente no aprende ni se adapta de experiencias previas.

Agentes de reflejo basados en modelos#

Los agentes de reflejo basados en modelos son más avanzados que los agentes de reflejo simple porque utilizan un modelo interno de su entorno para entender mejor la situación. Este modelo les permite manejar información faltante o incompleta y tomar decisiones más informadas.

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

Fig 4. Un ejemplo de uso de la visión por ordenador para detectar robos.

Agentes basados en utilidad#

Piensa en un dron basado en utilidad utilizado para la supervisión de 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 múltiples acciones potenciales, tales como qué área priorizar o cómo navegar de manera eficiente, y elige la que maximiza su eficacia.

De manera similar, los agentes basados en utilidad están diseñados para elegir la mejor acción entre varias opciones para lograr el mayor beneficio o resultado. Los agentes de IA de visión diseñados para esto pueden procesar y analizar diferentes entradas visuales, como imágenes o datos de sensores, y seleccionar el resultado más útil según criterios predefinidos.

Fig 5. Los drones basados en utilidad se pueden utilizar para la supervisión de cultivos.

Agentes basados en objetivos#

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

Por ejemplo, un coche autónomo opera como un agente basado en objetivos cuando su propósito es llegar a un destino. Procesa datos de cámaras de IA y sensores para tomar decisiones como evitar obstáculos, obedecer las señales de tráfico y elegir los giros correctos para mantenerse en la ruta. Estas decisiones están guiadas enteramente por lo bien que se alinean con el objetivo de llegar al destino de forma segura y eficiente. A diferencia de los agentes basados en utilidad, los agentes basados en objetivos se centran únicamente en alcanzar el objetivo sin considerar criterios adicionales como la eficiencia o la optimización.

Fig 6. Un coche autónomo que utiliza la visión por ordenador para identificar objetos en su entorno.

Agentes de aprendizaje#

Si te familiarizas con la visión por ordenador, es posible que hayas oído hablar del ajuste fino, un proceso en el que los modelos mejoran aprendiendo de nuevos datos. Los agentes de aprendizaje funcionan de manera similar, adaptándose y mejorando con el tiempo a medida que adquieren experiencia. En aplicaciones como el control de calidad basado en visión, estos agentes mejoran en la detección de defectos con cada inspección. Esta capacidad para refinar su rendimiento es especialmente vital en campos como la aviación, donde la seguridad y la precisión son cruciales.

Agentes jerárquicos#

Los agentes jerárquicos simplifican tareas complejas dividiéndolas en pasos más pequeños y manejables. Un agente de nivel superior supervisa el proceso general, tomando decisiones estratégicas, mientras que los agentes de nivel inferior manejan tareas específicas. Es más eficiente cuando se trata de operaciones que involucran múltiples pasos y una ejecución detallada.

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

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

Cómo empezar a construir un agente de IA de visión#

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

Estos son los diferentes procesos implicados en la construcción de 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.

• Custom-train el modelo: Entrena Ultralytics YOLO11 específicamente con tu conjunto de datos para mejorar su precisión y rendimiento en tu aplicación única.

• Integra con un marco de toma de decisiones: Conecta el modelo entrenado a un sistema que permita al agente de IA tomar decisiones basadas en entradas visuales.

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

Conclusiones clave#

Los agentes de IA integrados con visión artificial (agentes de IA de visión) están cambiando las industrias al automatizar tareas, hacer que los procesos sean más rápidos y mejorar la toma de decisiones. Desde ciudades inteligentes que controlan el tráfico hasta sistemas de seguridad que utilizan reconocimiento facial, estos agentes están aportando nuevas soluciones a problemas comunes.

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

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