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.

Importante

Se necesitan créditos de mensajes o de acciones para acceder y utilizar los agentes de Braze. Si actualmente no tienes créditos de acciones 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 usar los agentes de Braze?

Los agentes de Braze ayudan a tu equipo a ofrecer experiencias personalizadas, sin añadir trabajo extra. Entienden el contexto, toman decisiones y actúan hacia un objetivo, en lugar de limitarse a responder a una única instrucción.

En la práctica, los agentes pueden crear automáticamente textos de mensajes —como líneas del asunto o textos dentro del producto— para que cada cliente reciba una comunicación que se sienta personalizada. También pueden adaptarse en tiempo real, dirigiendo a las personas por diferentes recorridos en Canvas según 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, manteniendo tus datos actualizados y dinámicos. Al asumir tareas repetitivas o complejas, liberan a tu equipo para que se concentre en la estrategia y la creatividad en lugar de en la configuración manual. Los agentes de Braze funcionan más como colaboradores que como procesos en segundo plano, ayudándote a resolver problemas y generar impacto a escala.

Cuándo usar los agentes de Braze frente a otras características de BrazeAI

Usa agentes cuando necesites razonar sobre el contexto de un usuario en el momento del envío, incluyendo texto libre o una decisión subjetiva. Por ejemplo, si un agente sabe que el sabor de helado favorito de un usuario en particular es chocolate y su cobertura favorita son los ositos de goma, puede escribir el texto push para esa combinación a medida que el usuario avanza por el Canvas.

Los agentes de Braze razonan sobre el contexto que les proporcionas. No aprenden de si el resultado funcionó, por lo que no mejoran por sí solos a partir de los resultados.

Usa otras características de BrazeAI cuando necesites aprendizaje basado en resultados medidos:

Consejo

Si una regla sobre datos limpios responde a la pregunta, usa un paso estándar en Canvas. Las ejecuciones de agentes consumen créditos. Para conocer cómo los agentes de Braze se diferencian de los agentes de decisión en Decisioning Studio, consulta Agente de Braze frente a agente de decisión.

Para una comparación completa de las características de BrazeAI, consulta BrazeAI.

Características

Las características de los agentes de Braze incluyen:

• Configuración flexible: Usa un LLM proporcionado por Braze o conecta tus propios proveedores de modelos de IA (como OpenAI, Anthropic, Google Gemini o Databricks Mosaic).
• Integración fluida: Implementa agentes directamente en pasos en Canvas o campos de catálogo.
• Pruebas, registros e historial de versiones: Previsualiza la salida de tu agente probándolo con entradas de muestra antes de lanzarlo. Consulta los registros de cada vez que el agente se ejecuta, incluidas la entrada y la salida de esa ejecución. Usa la pestaña Version history para revisar versiones anteriores y diferencias en línea de los cambios en las instrucciones.
• Controles de uso: Los límites diarios ayudan a gestionar el rendimiento y los costos.

Acerca de los agentes de Braze

Los agentes se configuran con instrucciones (indicaciones del sistema) que definen cómo se comportan. Cuando un agente se ejecuta, utiliza tus instrucciones junto con cualquier dato que le pases explícitamente para generar una respuesta. No pueden acceder a datos de usuario más allá de lo que configures: variables de Liquid, selecciones de contexto del agente, variables de contexto de Canvas y valores de pasos de contexto. Los agentes no buscan en perfiles ni avisan cuando faltan datos. Consulta Qué datos reciben los agentes.

Conceptos clave

Limitaciones

Se aplican las siguientes limitaciones:

• Cada agente tiene un límite predeterminado de invocaciones diarias de 250 000 ejecuciones, que puede aumentarse hasta un máximo de 1 000 000 de ejecuciones por día. Ponte en contacto con tu administrador de éxito de cliente si te interesa aumentar este límite.
• Agent Console muestra un Límite diario de coste en créditos de acción para cada agente, que es el máximo estimado de créditos por día basado en la relación de créditos por invocación de tu modelo y el límite de invocaciones diarias. Consulta Límites diarios de invocaciones y créditos.
• De forma predeterminada, cada ejecución debe completarse en un plazo de 20 segundos. Transcurridos los 20 segundos, el agente devuelve una respuesta null donde se utiliza.
  • Si tus agentes agotan el tiempo de espera de forma recurrente, 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.

Buenas prácticas

Apunta a casos de uso de alto valor en los que los agentes puedan generar el mayor retorno de la inversión (ROI), y elige audiencias con probabilidades de responder. Una audiencia más pequeña y con alto potencial suele superar a una audiencia grande con bajo potencial; por ejemplo, reorientar a usuarios que buscaron recientemente pero no convirtieron, en lugar de enviar textos generados por agentes a toda tu base de usuarios.

Para validar el ROI antes de escalar, utiliza un paso de recorrido de experimentos para enviar solo una parte de tu audiencia a través de un paso de agente. Cuando una prueba a pequeña escala dé buenos resultados, escala el agente a tu audiencia objetivo completa y aumenta el límite diario de invocaciones para que las invocaciones no se limiten a mitad del envío. Confirma que te sientes cómodo con el consumo estimado de créditos antes de escalar a tu audiencia completa. Para más orientación sobre el despliegue, consulta Implementar agentes personalizados.

Gestión de errores

Si el modelo conectado devuelve un error de límite de velocidad del proveedor de LLM durante la invocación de un agente de paso en Canvas o un agente de catálogo, Braze reintenta continuamente la solicitud utilizando retirada exponencial.

Para otros fallos (como un tiempo de espera agotado o una clave de API no válida), la salida del agente de paso en Canvas se establece en null, a menos que el agente tenga valores alternativos configurados en la Agent Console (solo para agentes de paso en Canvas). Los agentes de catálogo no reintentan fallos que no sean de límite de velocidad. Si un agente alcanza su límite diario de invocaciones, Braze aplica los valores alternativos configurados cuando están presentes; de lo contrario, la salida se establece en null.

Los errores de límite de velocidad, la indisponibilidad del modelo y los fallos por límite diario de invocaciones no consumen créditos de Braze. Los tiempos de espera agotados sí consumen créditos. Consulta Cuándo se consumen los créditos.

Cuando muchos usuarios entran en un paso de agente a la vez, el procesamiento puede tardar más debido a los controles de flujo de invocación. Configura valores alternativos en la Agent Console para los agentes de paso en Canvas, de modo que los usuarios sigan recibiendo una salida cuando una invocación falle, o utiliza valores predeterminados de Liquid en los pasos de mensaje posteriores.

¿Cómo se utilizan mis datos y cómo se envían a los LLM proporcionados por Braze?

Para generar resultados de IA a través de las características de IA de Braze que Braze identifica como dependientes de 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 correspondiente no se utilizan para entrenar ni mejorar el LLM proporcionado por Braze. Entre tú y Braze, el Resultado es tu propiedad intelectual. Braze no reclamará derechos de autoría sobre dicho Resultado. Braze no ofrece ningún tipo de garantía con respecto al contenido generado por IA en general, incluido el Resultado.

El LLM proporcionado por Braze para Braze Agents, identificado como “Auto”, utiliza modelos de Google Gemini. Google retiene las Entradas y los Resultados enviados a través de Braze durante 55 días, tras los cuales los datos se eliminan.

Próximos pasos

Ahora que conoces los agentes de Braze, estás listo para los próximos pasos:

• Crear agentes personalizados
• Implementar agentes personalizados
• Agentes conversacionales