De la idea al impacto en tres horas: un repaso al primer «Agent Builders Challenge»

Imagínese crear un asistente de IA a medida para sus operaciones en tan solo una tarde. Uno que pudiera automatizar los traspasos de turno, auditar nuevas aplicaciones o incluso recopilar los conocimientos de su operador más experimentado, convirtiendo décadas de experiencia humana en un recurso escalable.

Esa es la promesa fundamental que subyace a los nuevos «Composable AI Agents»Tulip. Sin embargo, queríamos ir más allá de las simples palabras de moda de una vez por todas y comprobar esa promesa por nosotros mismos. ¿Con qué rapidez podría nuestra Tulip traducir el potencial de la IA agentiva en un impacto operativo real?

Así pues, en nuestra Operations Calling anual Operations Calling , organizamos nuestro primer «Agent Builders Challenge». La idea era sencilla: quince de los mejores desarrolladores de aplicaciones trajeron sus retos operativos reales y cotidianos y pusieron a prueba los Tulip .

¿El objetivo? Ver qué se podía lograr en solo tres horas. Los resultados fueron asombrosos.

La experiencia de Ken pone de relieve una conclusión clave de la jornada: los desarrolladores no eran científicos de datos. Eran expertos en operaciones que conocían sus problemas al dedillo. Los agentes simplemente les proporcionaron una nueva y potente forma de codificar, aplicar y potenciar esa experiencia.

Como explicó nuestro director de Producto e Ingeniería, Mason Glidden, lo que distingue a los agentes es su capacidad no solo para analizar, sino también para actuar. Estos «permiten resolver problemas en los que el objetivo es claro, pero el camino para alcanzarlo es mucho menos evidente».

Los desarrolladores pudieron crear estas soluciones de gran impacto con tanta rapidez porque Tulip Agents forman parte de una plataforma modular y ampliable. Esto significa que , a diferencia de los agentes rígidos e inflexibles (los nuevos monolitos), un Tulip es un componente que se puede configurar rápidamente e integrar directamente en sus aplicaciones operativas y flujos de trabajo.

Cabe destacar que los desarrolladores no tuvieron que escribir algoritmos complejos para crear un agente potente que se integrara a la perfección en su sistema de producción. Simplemente accedieron al Agent Builder sin código Tulip y definieron:

• El objetivo: lo que querían que lograra el agente.

• Las instrucciones: cómo se deben alcanzar esos objetivos, expresadas en un lenguaje sencillo.

• Las herramientas: qué capacidades podría ofrecer (el núcleo de la ventaja de la plataforma), como el acceso a Tulip específicas Tulip , a otras aplicaciones o a conectores con otros sistemas, como ERP o QMS.

Esta flexibilidad y transparencia le permiten crear un agente que no sea simplemente un generalista. Se trata de un especialista que comprende e interactúa con su operación específica, utilizando sus datos en tiempo real. Esta profunda integración en una plataforma más amplia que conecta sus operaciones es lo que las hace tan potentes, y ofrece la respuesta directa a las limitaciones de las soluciones de IA «añadidas».

(Para obtener más información sobre la arquitectura y las capacidades de los agentes de IA modulares, puede consultar nuestro blog de introducción a los agentes de IA.)

Los participantes en el taller utilizaron en repetidas ocasiones el término «macro humano» para describir una de las mayores ventajas de Tulip : la posibilidad de plasmar por fin los conocimientos especializados y de procesos de sus expertos en una herramienta que pueda utilizar cualquier persona de su organización. Como señaló uno de los desarrolladores:

Lo más impresionante fue la variedad de retos que los desarrolladores resolvieron mediante la configuración de la misma herramienta subyacente, desde el análisis de la producción en primera línea hasta la gestión de aplicaciones en el back-end. Las soluciones se clasificaron de forma natural en dos categorías principales, lo que puso de manifiesto cómo los agentes pueden potenciar y generar nuevas eficiencias en cada nivel de la organización de fabricación.

Estos agentes actúan como apoyo para los equipos de primera línea, desde los operadores hasta los supervisores de producción, reduciendo la brecha entre los datos y la acción en la planta de producción.

• Agente de traspaso de turnos: Un equipo desarrolló este agente para analizar datos de producción (como indicadores clave de rendimiento, problemas de seguridad y horas de funcionamiento de las máquinas) y generar automáticamente una lista de tareas priorizadas para el siguiente turno. Tal y como señaló Jason Gillespie, de Jazz Pharmaceuticals, este único caso de uso podría suponer un ahorro de «un mínimo de 10 horas a la semana», al eliminar las 2-4 horas diarias que los equipos dedican únicamente a recopilar información.

• Agente de análisis de inventario: Otro equipo ha desarrollado este agente para examinar las listas de materiales con el fin de identificar los componentes que corren el riesgo de agotarse en un futuro próximo y sugerir medidas preventivas, lo que contribuye a evitar costosas paradas de la línea de producción.

• Agente de planificación de la producción: Este agente identificó similitudes en los procesos entre las distintas líneas de productos para generar planes de producción óptimos y dinámicos que maximizan la eficiencia en instalaciones con limitaciones de espacio.

• Agente de gestión de defectos: Este agente aborda directamente lo que un desarrollador denominó el «cuello de botella de las pymes», transformando un informe manual de gestión de defectos —cuya elaboración podría llevar «dos semanas» a un experto— en un documento que se puede generar en cuestión de minutos.

Los equipos también crearon agentes que ampliaron las posibilidades de los desarrolladores de aplicaciones, acelerando el diseño y la implementación de estas, y facilitando la incorporación y el apoyo a los nuevos miembros del equipo.

• AgenteApp y gobernanzaApp : este agente comprueba que Tulip cumplan con las mejores prácticas empresariales (en aspectos como la interfaz de usuario, las convenciones de nomenclatura y las convenciones de modelado de datos) y sugiere automáticamente mejoras antes de que la aplicación esté lista para su implementación, lo que agiliza enormemente los ciclos de desarrollo y garantiza la coherencia en toda la empresa.

• Nuevo agente «Builder Coach»: Los equipos también desarrollaron este agente, que se conectaba con la base Tulip , la biblioteca y las aplicaciones existentes Tulip para ofrecer orientación sobre cómo diseñar una nueva aplicación para un caso de uso concreto, lo que redujo drásticamente el tiempo de incorporación de Tulip nuevos Tulip .

• Expression Creator Agent: Otro equipo ha desarrollado este sencillo agente para analizar las variables, los desencadenantes y el flujo de datos de una aplicación, con el fin de agilizar el proceso de creación de lógica compleja.

• Agente de revisiónApp : Un desarrollador creó este agente para identificar automáticamente los cambios entre dos versiones de una aplicación y evaluar el impacto de dichos cambios, lo que supone un enorme ahorro de tiempo para cualquier proceso de validación o control de calidad.

Hay algo que los Agent Builders han dejado muy claro: el potencial de la IA agentiva para las operaciones no reside en sustituir a su personal. Se trata de un multiplicador de capacidades que refuerza a su equipo, amplía sus conocimientos y automatiza las tareas manuales y laboriosas que impiden la resolución real de problemas. Cierra la brecha entre los datos, la toma de decisiones y la acción.

Se trata de un nuevo elemento fundamental que permitirá a los fabricantes impulsar su propia transformación, única y personalizada.

Nos ha dejado boquiabiertos lo que nuestra Tulip ha creado en tan solo unas horas y estamos deseando ver qué harán a continuación.

Los agentes Tulip entrarán en fase beta abierta este invierno. Para inscribirse en la lista o solicitar información sobre nuestra fase beta cerrada actualmente en curso, póngase en contacto con su Tulip .

La verdadera pregunta es: ¿cuál será el primer agente que creará?