ztevenreal
Presentado por elástico
A medida que las organizaciones se esfuerzan por implementar soluciones de IA agentes, el llegada a datos patentados desde todos los rincones será secreto
A estas cielo, la mayoría de las organizaciones han oreja charlar de la IA agente, que son sistemas que “piensan” reuniendo de forma autónoma herramientas, datos y otras fuentes de información para dar una respuesta. Pero aquí está el problema: la confiabilidad y la relevancia dependen de aplaudir un contexto preciso. En la mayoría de las empresas, este contexto se encuentra disperso en varias fuentes de datos no estructurados, incluidos documentos, correos electrónicos, aplicaciones comerciales y comentarios de los clientes.
Mientras las organizaciones miran en dirección a 2026, resolver este problema será secreto para acelerar los despliegues de IA agente en todo el mundo, afirma Ken Exner, director de producto de Elastic.
"La muchedumbre está empezando a darse cuenta de que para hacer IA agente correctamente, es necesario tener datos relevantes," dice Exner. "La relevancia es fundamental en el contexto de la IA agente, porque esa IA actúa en su nombre. Cuando la muchedumbre lucha por crear aplicaciones de IA, casi puedo garantizarles que el problema es la relevancia”.
Agentes en todas partes
La lucha podría estar entrando en un período central a medida que las organizaciones luchan por obtener una preeminencia competitiva o crear nuevas eficiencias. Un estudio de Deloitte predice que para 2026, más del 60% de las grandes empresas habrán implementado IA agente a escalera, lo que marcará un aumento importante desde las fases experimentales hasta la implementación generalizada. Y el investigador Gartner previsiones que para fines de 2026, el 40% de todas las aplicaciones empresariales incorporarán agentes para tareas específicas, en comparación con menos del 5% en 2025. Unir capacidades de especialización de tareas convierte a los asistentes de IA en agentes de IA conscientes del contexto.
Ingrese a la ingeniería de contexto
El proceso para hacer ascender el contexto relevante a los agentes en el momento adecuado se conoce como ingeniería de contexto. No solo garantiza que una aplicación agente tenga los datos que necesita para proporcionar respuestas precisas y detalladas, sino que todavía ayuda al maniquí de jerga egregio (LLM) a comprender qué herramientas necesita para encontrar y utilizar esos datos, y cómo convocar a esas API.
Si correctamente ahora existen estándares de código descubierto, como el Model Context Protocol (MCP), que permite a los LLM conectarse y comunicarse con datos externos, existen pocas plataformas que permiten a las organizaciones crear agentes de IA precisos que utilicen sus datos y combinen recuperación, gobernanza y orquestación en un solo oportunidad, de forma nativa.
Elasticsearch siempre ha sido una plataforma líder para el núcleo de la ingeniería contextual. Recientemente lanzó una nueva característica interiormente de Elasticsearch convocatoria Agent Builder, que simplifica todo el ciclo de vida eficaz de los agentes: progreso, configuración, ejecución, personalización y observabilidad.
Agent Builder ayuda a crear herramientas MCP a partir de datos privados utilizando varias técnicas, incluido el jerga de consulta Elasticsearch, un jerga de consulta canalizado para filtrar, metamorfosear y analizar datos, o modelado de flujo de trabajo. Luego, los usuarios pueden tomar varias herramientas y combinarlas con indicaciones y un LLM para crear un agente.
Agent Builder ofrece un agente conversacional configurable y vivo para usar que le permite chatear con los datos del índice y todavía brinda a los usuarios la posibilidad de crear uno desde cero utilizando varias herramientas e indicaciones por otra parte de los datos privados.
"Los datos son el centro de nuestro mundo en Elastic. Estamos tratando de asegurarnos de que tenga las herramientas que necesita para poner esos datos a trabajar." Exner explica. "En el momento en que abres Agent Builder, lo apuntas a un índice en Elasticsearch y puedes comenzar a chatear con cualquier reseña al que lo conectes, cualquier reseña que esté indexado en Elasticsearch, o desde fuentes externas a través de integraciones”.
La ingeniería de contexto como disciplina.
La ingeniería rápida y contextual se está convirtiendo en una disciplina. No es poco en lo que necesites un título en informática, pero surgirán más clases y mejores prácticas, porque es un arte.
"Queremos que sea muy sencillo hacerlo," dice Exner. "Lo que la muchedumbre tendrá que descubrir es: ¿cómo se impulsa la automatización con IA? Eso es lo que impulsará la productividad. Las personas que se centren en eso tendrán más éxito."
Más allá de eso, surgirán otros patrones de ingeniería contextual. La industria ha pasado de la ingeniería rápida a la gestación de recuperación aumentada, donde la información se pasa al LLM en una ventana contextual, a soluciones MCP que ayudan a los LLM con la selección de herramientas. Pero no se detendrá ahí.
"Hexaedro lo rápido que avanzan las cosas, garantizo que surgirán nuevos patrones con congruo ligereza." dice Exner. "Todavía habrá ingeniería de contexto, pero habrá nuevos patrones sobre cómo compartir datos con un LLM, cómo alcanzar que se basen en la información correcta. Y predigo más patrones que hacen posible que el LLM comprenda datos privados en los que no ha sido capacitado."
Agent Builder ya está habitable como panorama previa técnica. Comience con un Prueba de nimbo elásticay consulte la documentación de Agent Builder aquí.
Los artículos patrocinados son contenido producido por una empresa que paga por la publicación o tiene una relación comercial con VentureBeat, y siempre están claramente marcados. Para más información, póngase en contacto ventas@venturebeat.com.
