Resumen: Este estudio distingue críticamente entre los agentes de la IA y la IA agente, que ofrece una taxonomía conceptual estructurada, mapeo de aplicaciones y análisis de desafío para aclarar sus filosofías y capacidades de diseño divergente. Comenzamos describiendo la estrategia de búsqueda y las definiciones fundamentales, caracterizando a los agentes de IA como sistemas modulares impulsados por modelos de lenguaje grandes (LLM) y modelos de imagen grandes (LIMS) para una automatización estrecha y específica de tareas. La IA generativa se posiciona como un precursor, con agentes de IA que avanzan a través de la integración de herramientas, la ingeniería rápida y las mejoras de razonamiento. Por el contrario, los sistemas de IA agente representan un cambio paradigmático marcado por colaboración de múltiples agentes, descomposición de tareas dinámicas, memoria persistente y autonomía orquestada. A través de una evaluación secuencial de la evolución arquitectónica, los mecanismos operativos, los estilos de interacción y los niveles de autonomía, presentamos un análisis comparativo en ambos paradigmas. Los dominios de la aplicación, como la atención al cliente, la programación y el resumen de datos, se contrastan con implementaciones de IA de agente en automatización de la investigación, coordinación robótica y apoyo a las decisiones médicas. Examinamos más a fondo los desafíos únicos en cada paradigma, incluida la alucinación, la fragilidad, el comportamiento emergente y la falla de coordinación y proponemos soluciones específicas como bucles React, trapo, capas de orquestación y modelado causal. Este trabajo tiene como objetivo proporcionar una hoja de ruta definitiva para desarrollar sistemas robustos, escalables y explicables de IA y sistemas de agente de IA. > Agentes de IA, basados en agentes, modelos en idioma de visión, sistema de apoyo a la decisión de AI de agente, Aplicaciones de Agentic-AI
Publicado Originalme en rss.arxiv.org El 15 de mayo de 2025.
Ver Fuente Original
