Naranja, en busca de innovación, inicia un proyecto revolucionario de sistemas multi-agentes de RAG, con el objetivo de redefinir la inteligencia artificial. Este enfoque inédito combinará varios agentes de recuperación, optimizando así el análisis de documentos variados como texto, imágenes y gráficos. El proyecto promete superar los límites actuales de las soluciones clásicas, donde un solo agente a menudo es insuficiente. Los desafíos se delinean claramente: mejorar la vectorización y la comprensión de datos complejos, al tiempo que se crea un ecosistema de IA más eficiente e integrado.
Un proyecto innovador en Orange Business
La filial especializada de Orange dedicada a los servicios digitales para empresas está realizando esfuerzos notables en el desarrollo de un proyecto de RAG (Recuperación Aumentada Generativa) que integra un enfoque multi-agente. Este ambicioso proyecto tiene como objetivo trascender las limitaciones actuales de los sistemas de inteligencia artificial en este ámbito, que hasta ahora se han especializado en la manipulación de un único agente.
Objetivos del proyecto
Orange Business aspira a optimizar la gestión de documentos complejos, combinando diferentes tipos de medios como texto, imágenes, tablas y gráficos. El objetivo es desarrollar una solución capaz de generar respuestas más precisas y relevantes a partir de una base documental enriquecida. La implementación de este sistema de RAG multi-agente está diseñada para dar lugar rápidamente a la creación de una oferta comercial en los próximos meses.
Los desafíos de los sistemas existentes
Las soluciones tradicionales de RAG sufren de limitaciones notables, ya que solo explotan el contenido textual de los documentos. La vectorización de los documentos de referencia a menudo presenta inconsistencias, dificultando la comprensión del significado global. Didier Gaultier, responsable de IA en Orange Business Digital Services, destaca que los usuarios, acostumbrados a realizar búsquedas por palabras clave, no aprovechan plenamente las capacidades de la inteligencia artificial generativa.
Arquitectura del RAG multi-agente
El concepto del RAG multi-agente se basa en la colaboración de varios agentes, cada uno especializado en la vectorización de un tipo de contenido. Estos agentes procesan formatos variados como texto, imágenes y tablas, creando una base documental única, denominada «meta-vectorizada». El desarrollo de un motor de orquestación permitirá gestionar la interacción entre estos diversos agentes, garantizando una búsqueda mejorada y pertinente.
La interconexión de los contenidos documentales, a través de un sistema de grafos, resultará de los análisis de correspondencia entre los archivos. Este método permitirá comprender las conexiones existentes, ofreciendo así una recuperación de información que va más allá de simples vectores.
Casos de uso potenciales
Este sistema podría revolucionar la forma en que las empresas gestionan sus datos. Por ejemplo, podría detectarse que una habilidad de un empleado, identificada por la vectorización de sus contenidos profesionales, no está mencionada en su CV, facilitando así el matching de habilidades y títulos de puestos.
En el corazón de esta tecnología, los agentes colaborarán para formular frases comprensibles a partir de palabras clave, optimizando así la relevancia de las consultas de los usuarios.
Colaboración y desarrollo futuro
Orange Business ha formado un consorcio de actores, incluyendo a Lighton, un experto en IA generativa. La voluntad de lograr un producto comercializable en un futuro cercano es manifiesta. En conjunto con los socios industriales, la ESN busca apoyos financieros para acelerar el proyecto.
Este proyecto promete acelerar las innovaciones en el campo de los sistemas multi-agente, posicionando a Orange como un actor de referencia en el sector de soluciones de IA para empresas.
Preguntas frecuentes sobre el proyecto RAG multi-agente de Orange
¿Qué es el sistema de generación aumentada de recuperación (RAG) multi-agente propuesto por Orange?
El RAG multi-agente es un sistema innovador que utiliza varios agentes para recuperar y procesar información a partir de documentos multimedia, como textos, imágenes o tablas, con el fin de proporcionar respuestas más precisas y relevantes.
¿Cuáles son las ventajas del enfoque multi-agente en comparación con los sistemas RAG tradicionales?
A diferencia de los sistemas tradicionales que se basan en un solo agente, el enfoque multi-agente permite una vectorización de diferentes formatos, lo que mejora la recuperación de información teniendo en cuenta las interrelaciones entre diversos elementos del contenido.
¿En qué consiste la vectorización en el proyecto de RAG de Orange?
La vectorización consiste en transformar la información de un documento en representaciones numéricas, permitiendo así a los agentes buscar e identificar los vectores más pertinentes en relación a una pregunta formulada por el usuario.
¿Cómo prevé Orange garantizar la calidad y precisión de las respuestas proporcionadas por el RAG multi-agente?
Orange tiene como objetivo crear una base documental meta-vectorizada, que analiza las correspondencias entre los archivos y establece grafos de relaciones para asegurar una recuperación de información más precisa y relevante.
¿Cuál es la línea de tiempo de desarrollo y comercialización del sistema RAG multi-agente?
Orange Business prevé lanzar una oferta empaquetada de este sistema en los próximos meses, después de haber constituido un consorcio con socios especializados, como Lighton, para acelerar el proyecto.
¿Cómo podrán los usuarios interactuar con el sistema RAG multi-agente una vez que se lance?
Los usuarios podrán formular preguntas en forma de frases completas, y el sistema RAG multi-agente transformará estas consultas en prompts comprensibles para realizar búsquedas precisas en la base de datos.
¿Qué pasos son necesarios antes de que el proyecto de RAG multi-agente se vuelva operativo?
Antes de que sea operativo, el proyecto requiere el desarrollo de la infraestructura técnica, la implementación de los agentes de recuperación y pruebas exhaustivas para validar la precisión de los resultados proporcionados.
¿Qué tipos de agentes se utilizarán en el sistema multi-agente de Orange?
El sistema integrará varios tipos de agentes especializados en la vectorización de diferentes formatos de información, como texto, imágenes, tablas y potencialmente incluso contenido de audio.
¿Por qué es esencial tener un motor de orquestación en este sistema multi-agente?
El motor de orquestación es crucial porque permitirá coordinar la interacción entre los diferentes agentes, asegurando así que las respuestas se basen en una comprensión integrada y coherente de los datos recuperados.
