Agentes de Braze en la Consola de Agente
Los agentes de Braze son asistentes basados en inteligencia artificial que puedes crear dentro de Braze. Los agentes pueden generar contenido, tomar decisiones inteligentes y enriquecer tus datos para que puedas entregar experiencias del cliente más personalizadas.
Se necesitan créditos de mensajes para acceder y utilizar los agentes de Braze. Si actualmente no tienes créditos de mensajes y quieres utilizar los agentes de Braze, ponte en contacto con tu director de cuentas para conocer los pasos a seguir.
Mira este video para obtener un resumen de los agentes de Braze en la Consola de Agente.
¿Por qué utilizar los agentes de Braze?
Los agentes de Braze ayudan a tu equipo a entregar experiencias más inteligentes y personalizadas, sin añadir trabajo adicional. Actúan como agentes autónomos que no solo responden a indicaciones, sino que comprenden el contexto, toman decisiones y actúan para alcanzar un objetivo.
En la práctica, los agentes pueden crear automáticamente textos de mensajes, como líneas del asunto o texto dentro del producto, para que cada cliente reciba una comunicación que parezca personalizada. También pueden adaptarse en tiempo real, dirigiendo a las personas por diferentes rutas de Canvas en función de sus preferencias, comportamientos u otros datos.
Más allá de la mensajería, los agentes pueden enriquecer tus catálogos calculando o generando valores de campos de productos y perfiles, lo que mantiene tus datos actualizados y dinámicos. Al encargarse de tareas repetitivas o complejas, liberan a tu equipo para que pueda centrarse en la estrategia y la creatividad, en lugar de en la configuración manual. Los agentes de Braze actúan más como colaboradores que como procesos en segundo plano, ayudándote a resolver problemas y a generar impacto a gran escala.
Cuándo utilizar los agentes de Braze frente a otras características de BrazeAI
Utiliza agentes para personalizar contenido sobre la marcha usando el contexto específico del usuario. Por ejemplo, si un agente sabe que el sabor de helado favorito de un usuario en particular es el chocolate y que su topping favorito son las gominolas, puede crear un texto push específico para esa combinación para ese usuario cuando pase por el Canvas.
Sin embargo, el agente no aprende mediante ensayo y error, y no tiene idea del objetivo de marketing final que busca medir y maximizar. Aunque le indiques que, en general, redacte textos que impulsen las conversiones, no dispone de ningún mecanismo para «supervisar» el impacto de sus textos en las conversiones e integrar esos datos en futuras llamadas. Puedes pensar en esto como una toma de decisiones basada en «vibraciones», no como toma de decisiones con IA basada en recompensas.
Por el contrario, otras herramientas de BrazeAI están diseñadas para maximizar las métricas que miden. Por ejemplo, los agentes son muy buenos a la hora de evaluar cualitativamente cómo las características de un usuario influyen en su probabilidad o propensión a realizar una determinada acción o a preferir un determinado producto. Sin embargo, dado que el agente no aprende mediante ensayo y error, no tiene idea de cómo medir su precisión a la hora de predecir probabilidades y mejorar la señal con el tiempo. Por lo tanto, el uso de Predictive Suite supera al paso del agente cuando se evalúa la precisión de sus predicciones y las mejoras a lo largo del tiempo.
Características
Las características de los agentes de Braze incluyen:
- Configuración flexible: Utiliza un LLM proporcionado por Braze o conecta tus propios proveedores de modelos de IA (como OpenAI, Anthropic o Google Gemini).
- Integración fluida: Implementa agentes directamente en los pasos en Canvas o en los campos del catálogo.
- Herramientas de prueba y registro: Obtén una vista previa del resultado de tu agente probando con entradas de muestra antes de lanzarlo. Consulta los registros de cada vez que se ejecuta el agente, incluyendo la entrada y salida de esa ejecución.
- Controles de uso: Los límites diarios ayudan a administrar el rendimiento y los costes.
Acerca de los agentes de Braze
Los agentes se configuran con instrucciones (indicaciones del sistema) que definen cómo deben comportarse. Cuando un agente se ejecuta, utiliza tus instrucciones junto con los datos que le pasas para generar una respuesta. No pueden acceder a datos de usuario más allá de lo que se proporciona a través del contexto e instrucciones seleccionados.
Conceptos clave
| Término | Definición |
|---|---|
| Modelo | El «cerebro» del agente, en este caso un modelo de lenguaje grande (LLM). Interpreta las entradas, genera respuestas y realiza razonamientos. Un modelo más sólido (entrenado con datos más relevantes) hace que el agente sea más capaz y versátil. |
| Instrucciones | Las reglas o directrices que le das al agente (indicación del sistema). Definen cómo debe comportarse el agente cada vez que se ejecuta. Las instrucciones claras hacen que el agente sea más fiable y predecible. |
| Contexto | Datos que se transmiten al agente en tiempo de ejecución, independientemente de dónde se implemente, como campos del perfil de usuario o filas del catálogo. Esta entrada proporciona la información que el agente utiliza para generar resultados. |
| Variables de contexto de Canvas | Datos temporales que puedes crear y utilizar dentro del recorrido de un usuario a través de un Canvas específico. |
| Variable de salida | El resultado que produce el agente cuando se utiliza en los pasos en Canvas. Las variables de salida almacenan el resultado del agente para personalizar contenido o guiar las rutas del flujo de trabajo. Las variables de salida pueden ser de tipo cadena, número o booleano. |
| Invocación | Una sola ejecución del agente. Esto cuenta para tus límites diarios. |
| Formato de salida | La estructura de datos predefinida de la respuesta del agente. |
| Temperatura | El nivel de desviación del resultado del agente. Esto define el grado de precisión o creatividad que puede alcanzar tu agente. |
Limitaciones
Se aplican las siguientes limitaciones:
- Cada agente tiene un límite de invocación diario predeterminado de 250 000 ejecuciones, que se puede aumentar hasta un máximo de 1 000 000 de ejecuciones por día. Ponte en contacto con tu administrador del éxito del cliente si te interesa aumentar este límite.
- De forma predeterminada, cada ejecución debe completarse en un plazo de 20 segundos. Después de 20 segundos, el agente devuelve una respuesta
nulldonde se utiliza.- Si tus agentes agotan constantemente el tiempo de espera, ponte en contacto con tu director de cuentas de Braze para aumentar este límite.
- Los datos de entrada están limitados a 25 KB por solicitud. Las entradas más largas se truncan.
¿Cómo se utilizan mis datos y cómo se envían a los LLM proporcionados por Braze?
Con el fin de generar resultados de IA a través de las características de IA de Braze que Braze identifica como que aprovechan los LLM proporcionados por Braze («Resultado»), Braze enviará tu indicación del sistema o cualquier otra entrada, según corresponda («Entrada»), al LLM proporcionado por Braze. Los datos enviados al LLM proporcionado por Braze aplicable no se utilizan para entrenar o mejorar el LLM proporcionado por Braze. Entre tú y Braze, el Resultado es tu propiedad intelectual. Braze no reclamará ningún derecho de propiedad intelectual sobre dicho Resultado. Braze no ofrece garantía alguna con respecto a cualquier contenido generado por IA en general, incluido el Resultado.
El LLM proporcionado por Braze para los agentes de Braze, identificado como «Auto», utiliza modelos Google Gemini. Google conserva las Entradas y los Resultados enviados a través de Braze durante 55 días, tras los cuales los datos se eliminan.
Próximos pasos
Ahora que ya conoces los agentes de Braze, estás listo para los siguientes pasos: