En el panorama empresarial actual, la integración de diversas modalidades de datos se ha vuelto crucial. Desde documentos de texto y presentaciones hasta grabaciones de audio, las organizaciones tienen acceso a una riqueza de información que puede ser aprovechada de manera más eficiente mediante la inteligencia artificial. Un asistente de IA multimodal puede, por ejemplo, analizar las transcripciones de las llamadas de ganancias de una empresa, visualizar gráficos en las diapositivas de la presentación y escuchar las declaraciones del CEO. Según Gartner, se espera que para 2027, el 40% de las soluciones de IA generativa sean multimodales, un incremento significativo del 1% registrado en 2023.

Para lograr esta evolución, se hace necesario contar con un asistente de IA generativa multimodal que no solo pueda comprender y combinar distintos tipos de datos, sino que también tenga la capacidad de recuperar información activamente, planificar tareas y tomar decisiones. Un enfoque prometedor en este sentido es el uso de Amazon Nova Pro, una solución de modelado de lenguaje grande de AWS que se presenta como el núcleo de esta evolución.

La arquitectura de este asistente integra diversas tecnologías de Amazon, como Amazon Bedrock, que ofrece herramientas para el procesamiento de datos multimodales. Un ejemplo concreto de esta solución es un asistente de gestión financiera que puede proporcionar análisis cuantitativos y asesoramiento financiero basado en la revisión de la llamada de ganancias y las diapositivas de presentación, así como en la información financiera relevante.

El flujo de trabajo de este asistente se divide en varias etapas. En la etapa de razonamiento, el agente analiza la solicitud del usuario y determina los pasos a seguir, ya sea respondiendo directamente o invocando herramientas adicionales. Luego, ejecuta esos pasos y observa los resultados antes de decidir si es necesario realizar más acciones. Este enfoque iterativo permite que el asistente maneje consultas complejas que no pueden resolverse con un simple prompt.

La solución también permite la colaboración entre múltiples herramientas. Por ejemplo, al realizar una consulta sobre el rendimiento de las acciones de una empresa, el agente puede necesitar datos como el símbolo de las acciones, el precio en tiempo real y métricas financieras clave. Utiliza herramientas específicas para obtener esta información y luego sintetiza todos los datos para ofrecer una respuesta coherente y fundamentada.

El uso de Amazon Bedrock proporciona una infraestructura escalable, lo que facilita la creación de aplicaciones sofisticadas sin complicaciones técnicas. Esta flexibilidad permite que arquitectos de soluciones personalicen el sistema según las necesidades de su organización, integrando nuevas capacidades o ajustando componentes existentes.

Industria tras industria, desde los servicios financieros hasta la salud y la manufactura, las empresas están comenzando a aprovechar estas tecnologías para optimizar sus operaciones. La capacidad de un asistente de IA para correlacionar datos de diferentes formatos y fuentes puede transformar la manera en que se generan análisis y se toman decisiones, haciendo que el proceso sea más eficiente y menos propenso a errores.

Con esta evolución en la inteligencia artificial, la era de soluciones que solo manejan un tipo de entrada está empezando a quedar atrás. Los asistentes generativos multimodales constituyen una nueva frontera de capacidades en aplicaciones empresariales, ofreciendo un enfoque que imita el trabajo de un analista humano, pero a una velocidad y escala mucho mayores. Este desarrollo no solo es teórico, sino que se encuentra al alcance de las organizaciones gracias a las tecnologías actuales de AWS.
vía: AWS machine learning blog