ztevenreal
Únase al evento confiable por los líderes empresariales durante casi dos décadas. VB Transform reúne a las personas que construyen una táctica de IA empresarial vivo. Obtenga más información
Los agentes de IA son uno de los temas más populares de la tecnología en este momento, pero ¿cuántas empresas efectivamente han implementado y los están utilizando activamente?
LinkedIn dice que tiene con su Asistente de contratación de LinkedIn. Yendo más allá de sus populares sistemas de recomendación y búsqueda con AI, el agente de inteligencia químico de la compañía obtiene y quinto candidatos de trabajo a través de una interfaz de jerga natural simple.
“Este no es un producto de demostración”, dijo Deepak Agarwal, director de IA en LinkedIn, en el escena esta semana en Transformación de VB. “Esto es en vivo. Está ahorrando mucho tiempo para los reclutadores para que puedan sobrevenir su tiempo haciendo lo que efectivamente les encanta hacer, lo que es nutrir a los candidatos y contratar el mejor talento para el trabajo”.
Echarse en brazos en un sistema de múltiples agentes
LinkedIn está adoptando un enfoque de múltiples agentes, utilizando lo que Agarwal describió como una colección de agentes que colaboran para hacer el trabajo. Un agente de supervisor fanfarria todas las tareas entre otros agentes, incluidos agentes de admisión y avituallamiento que son “buenos en un solo trabajo”.
Toda la comunicación ocurre a través del Agente Supervisor, que recibe aportes de usuarios humanos con respecto a las calificaciones de roles y otros detalles. Ese agente luego proporciona contexto a un agente de avituallamiento, que se sacrifica a través de las pilas de búsqueda de reclutadores y fuga a los candidatos próximo con descripciones sobre por qué podrían ser una buena opción para el trabajo. Esa información se devuelve al agente del supervisor, que comienza a interactuar activamente con el becario humano.
“Entonces puedes colaborar con él, ¿verdad?” dijo Agarwal. “Puede modificarlo. Ya no tiene que balbucir con la plataforma en palabras secreto. Puede balbucir con la plataforma en jerga natural, y le responderá, va a tener una conversación con usted”.
El agente puede refinar calificaciones y comenzar a obtener candidatos, trabajando para el administrador de contratación “tanto sincrónicamente como asincrónicamente”. “Sabe cuándo delegar la tarea a qué agente, cómo compendiar comentarios y mostrar al becario”, dijo Agarwal.
Hizo hincapié en la importancia de los agentes “humanos primero” que mantienen a los usuarios siempre en control. El objetivo es “personalizar profundamente” las experiencias con la IA que se adapte a las preferencias, aprenda de los comportamientos y continúa evolucionando y mejorando más que los usuarios interactúen con ella.
“Se tráfico de ayudarlo a alcanzar su trabajo de una forma mejor y más válido”, dijo Agarwal.
Cómo LinkedIn entrena su sistema de múltiples agentes
Un sistema de múltiples agentes requiere un enfoque matizado para la capacitación. El equipo de LinkedIn pasa mucho tiempo en ajustar y hacer que cada agente posterior sea válido para su tarea específica para mejorar la confiabilidad, explicó Tejas Dharamsi, ingeniero de software de personal senior de LinkedIn.
“Atinamos los modelos adaptados al dominio y los hacemos más pequeños, más inteligentes y mejores para nuestra tarea”, dijo.
Mientras que el agente del supervisor es un agente particular que requiere inscripción inteligencia y adaptabilidad. El agente de orquestación de LinkedIn puede razonar mediante el uso de los modelos de jerga alto (LLM) de la compañía. Igualmente incorpora el enseñanza de refuerzo y la feedback continua de los usuarios.
Encima, el agente tiene “memoria real”, explicó Agarwal, por lo que puede retener información del diálogo flamante. Igualmente puede preservar la memoria a dilatado plazo sobre las preferencias del becario, y las discusiones que podrían ser importantes para rememorar más delante en el proceso.
“La memoria real, próximo con el contexto mundial y el enrutamiento inteligente, es el corazón del agente del supervisor, y sigue mejorando cada vez más a través del enseñanza de refuerzo”, dijo.
Iterando a lo dilatado del ciclo de ampliación de agentes
Dharamsi enfatizó que con los agentes de IA, la latencia debe estar en el punto. Ayer de implementar en la producción, los constructores de modelos de LinkedIn deben comprender cuántas consultas por segundo (QPS) pueden cobijar modelos y cuántas GPU se requieren para alimentarlas. Para determinar este y otros factores, la compañía ejecuta mucha inferencia y realiza evaluaciones, próximo con un equipo rojo y evaluación de riesgos.
“Queremos que estos modelos sean más rápidos, y los subgestados hagan mejor sus tareas, y son efectivamente rápidos para hacerlo”, dijo.
Una vez implementado, desde una perspectiva de la interfaz de becario, Dharamsi describió la plataforma de agente de IA de LinkedIn como “Bloques LEGO que un desarrollador de IA puede empalmar y aventurar”. Las abstracciones están diseñadas para que los usuarios puedan designar en función de su producto y lo que quieren construir.
“El enfoque aquí es cómo estandarizamos el ampliación de agentes en LinkedIn, de modo que de forma consistente puede construirlos una y otra vez, pruebe diferentes hipótesis”, explicó. En cambio, los ingenieros pueden centrarse en los datos, la optimización y la función de pérdida y remuneración, en área de la prescripción o infraestructura subyacente.
LinkedIn proporciona a los ingenieros diferentes algoritmos basados en RL, ajuste fino supervisado, poda, cuantización y destilación para usar fuera de la caja sin preocuparse por la optimización o los fracasos de GPU, para que puedan comenzar a ejecutar algoritmos y entrenamiento, dijo Dharamsi.
Al construir sus modelos, LinkedIn se centra en varios factores, como confiabilidad, confianza, privacidad, personalización y precio, dijo. Los modelos deben proporcionar panorama consistentes sin descarrilar. Los usuarios además quieren entender que pueden aguardar en que los agentes sean consistentes; que su trabajo es seguro; que las interacciones pasadas se están utilizando para personalizar; Y esos costos no se disparan.
“Queremos proporcionar más valía al becario, hacer su trabajo mejor y hacer cosas que les traigan serenidad, como la contratación”, dijo Dharamsi. “Los reclutadores quieren concentrarse en obtener al candidato adecuado, no sobrevenir tiempo en las búsquedas”.
