La Universidad Jiao Tong de Shanghái y Tencent desarrollan un agente de IA ProAct que predice las necesidades de los usuarios

Investigadores de la Universidad Jiao Tong de Shanghái y del conglomerado tecnológico chino Tencent desarrollaron ProAct, un agente de IA diseñado para predecir las necesidades de los usuarios antes de que presenten consultas. El sistema utiliza el tiempo ocioso entre conversaciones para revisar interacciones pasadas y preparar información con antelación. Según el artículo de investigación, ProAct rindió mejor que sistemas proactivos de IA anteriores en pruebas de referencia, aunque los experimentos no incluyeron usuarios reales. El desarrollo aborda lo que los investigadores describen como una oportunidad computacional desperdiciada en agentes de IA actuales que siguen siendo, fundamentalmente, reactivos.

El sistema funciona mediante un proceso de predicción en múltiples etapas

ProAct opera a través de varias etapas que lo diferencian de los agentes de IA convencionales. La primera etapa, llamada Future-State Prediction, analiza conversaciones pasadas, preferencias del usuario e información faltante para predecir posibles preguntas de seguimiento. La segunda etapa, Idle-Time Acquisition, evalúa qué predicciones ameritan investigación en función de la relevancia, el momento y la utilidad potencial de nueva información. Un sistema separado determina si presentar la información preparada de inmediato, guardarla para más tarde o almacenarla hasta que sea necesaria.

"Después de cada interacción en primer plano, el agente actualiza su memoria, predice necesidades futuras posibles, asigna cómputo de tiempo ocioso a candidatos valiosos y decide cómo debe gestionarse la preparación resultante", escribieron los investigadores en el artículo. "Esta formulación vincula predicción, adquisición y entrega en una sola política, en lugar de tratar el cómputo de tiempo ocioso como una búsqueda en segundo plano sin restricciones".

Las pruebas de referencia muestran mejoras de rendimiento

Los investigadores probaron ProAct en 200 simulaciones en 40 dominios, incluidos planificación financiera, gestión de lanzamientos de software y ciberseguridad. Según el artículo, el sistema redujo el número de turnos de conversación en 14,8% y recortó las solicitudes de seguimiento en 11,7%. En una comparación usando un punto de referencia llamado ProActEval, ProAct anticipó 703 necesidades previsibles de usuarios, frente a 32 del sistema anterior. Los investigadores también informaron una reducción del 28,1% en las alucinaciones.

"Si bien los agentes de IA demuestran capacidades notables en razonamiento y uso de herramientas, siguen siendo fundamentalmente reactivos: calculan respuestas solo después de indicaciones explícitas del usuario", escribieron los investigadores. "Este paradigma ignora una oportunidad crítica: el tiempo ocioso entre interacciones se desperdicia en gran medida, dejando a los agentes incapaces de prepararse para necesidades futuras del usuario".

El estudio reconoce limitaciones del sistema

Los investigadores reconocieron varias limitaciones en el estudio de ProAct. En el 3% de los casos, el sistema produjo respuestas peores al introducir información irrelevante. El artículo indicó que cualquier versión en el mundo real necesitaría protecciones de privacidad, porque el sistema analiza constantemente conversaciones y almacena datos de los usuarios.

"Nuestro análisis de presupuesto también muestra que presupuestos más grandes de Idle-Time Acquisition aumentan el coste de tokens activos y generan rendimientos decrecientes", escribieron los investigadores: "así que el cómputo proactivo es un compromiso de punto de operación, más que algo que maximizar".

La investigación llega mientras los agentes autónomos de IA se expanden por la industria tecnológica, con proyectos como OpenClaw y Hermes Agent que entregan asistentes de IA persistentes que gestionan tareas de codificación, programación, investigación y automatización de flujos de trabajo. Investigadores por separado advirtieron a principios de este mes que los agentes de IA podrían completar tareas peligrosas sin entender las consecuencias. "Como el Sr. Magoo, estos agentes avanzan hacia un objetivo sin comprender completamente las consecuencias de sus acciones", dijo el autor principal Erfan Shayegani, estudiante de doctorado de la UC Riverside, en un comunicado.