Búsqueda agéntica
La búsqueda agéntica es un enfoque de recuperación en el que un agente de IA (por lo general impulsado por un modelo de lenguaje grande) planifica y ejecuta activamente un proceso de búsqueda de varios pasos en lugar de realizar una única consulta estática. El agente descompone una consulta, decide qué fuentes o herramientas consultar, emite múltiples búsquedas, evalúa lo que encuentra y refina su enfoque en un bucle hasta que ha reunido suficiente información para responder.
En resumen: la búsqueda tradicional a menudo recupera una sola vez; la búsqueda agéntica razona, recupera y vuelve a recuperar hasta que la pregunta queda genuinamente respondida.
Cómo funciona la búsqueda agéntica
La búsqueda agéntica reemplaza el único paso de “entra la consulta, salen los resultados” por un bucle iterativo que el agente controla:
- Comprensión de la intención: el agente interpreta lo que el usuario realmente quiere, incluyendo restricciones implícitas y el objetivo subyacente detrás de la consulta literal.
- Planificación y descomposición: las preguntas complejas se dividen en subpreguntas o tareas más pequeñas que pueden investigarse de forma independiente.
- Selección de herramientas y fuentes: el agente elige dónde buscar, seleccionando entre un índice de búsqueda web, una base de datos vectorial, una base de conocimientos interna, una API estructurada o una combinación de estas.
- Recuperación iterativa: el agente emite búsquedas (a veces en paralelo, a veces en secuencia) y lee los resultados.
- Evaluación: el agente juzga si el material recuperado es relevante, suficiente y confiable, e identifica lagunas o contradicciones.
- Refinamiento: con base en ese juicio, el agente reformula consultas, profundiza o explora un nuevo ángulo, repitiendo el bucle según sea necesario.
- Síntesis: una vez que tiene suficiente, el agente combina sus hallazgos en una respuesta coherente, a menudo citando sus fuentes.
Una característica definitoria es la reflexión, en la que el agente puede reconocer cuándo una respuesta está incompleta o tiene baja confianza y decidir buscar de nuevo antes de devolver una respuesta.
Búsqueda agéntica vs. búsqueda por palabras clave y búsqueda semántica
- La búsqueda por palabras clave (léxica) hace coincidir los términos literales de una consulta con los documentos, por lo general sin un bucle de planificación explícito de varios pasos.
- La búsqueda semántica utiliza embeddings para hacer coincidir el significado en lugar de las palabras exactas, devolviendo los pasajes más similares. Esto suele implementarse como una única pasada de recuperación.
- La generación aumentada por recuperación (RAG) estándar a menudo recupera el contexto relevante una vez y lo alimenta a un LLM para generar una respuesta, aunque también existen variantes iterativas.
- La búsqueda agéntica agrega autonomía e iteración sobre estas técnicas. El agente puede usar la búsqueda por palabras clave o la búsqueda semántica como herramientas, pero decide cuántas veces buscar, qué buscar a continuación y cuándo ha terminado.
La búsqueda agéntica está estrechamente relacionada con el RAG agéntico; la diferencia es principalmente de énfasis. La búsqueda agéntica describe el comportamiento de recuperación autónomo de varios pasos, mientras que el RAG agéntico describe un pipeline completo que combina ese comportamiento con la generación de respuestas.
Dónde se aplica la búsqueda agéntica
- Motores de respuestas con IA y herramientas de “investigación profunda”: sintetizan información de muchas fuentes antes de responder.
- Asistentes de conocimiento empresarial: buscan en documentos, wikis, sistemas de tickets y bases de datos para responder preguntas de los empleados.
- Agentes de atención al cliente: consultan políticas, detalles de la cuenta y documentación en múltiples sistemas para resolver un problema.
- Asistentes de codificación: buscan en un código base, sus dependencias y documentación para comprender el contexto antes de sugerir cambios.
- Investigación especializada: flujos de trabajo en campos como el análisis legal, médico y financiero, donde las buenas respuestas dependen de conciliar múltiples fuentes autorizadas.
La búsqueda agéntica es más valiosa cuando una pregunta es compleja, abarca múltiples fuentes o no puede responderse con un solo documento, situaciones en las que una única pasada de recuperación a menudo se queda corta.
Términos relacionados
Generación aumentada por recuperación (RAG), RAG agéntico, búsqueda semántica, base de datos vectorial, embeddings, descomposición de consultas, uso de herramientas, agentes LLM.