Con Retrieval Agent Manager (RAM), SAS pretende convertir los depósitos de contenido no estructurado en respuestas contextualizadas para las empresas. Ubicada entre bases de datos documentales y LLM, la solución promete implementación sin código y orquestación agente de flujos de trabajo. Suficiente para industrializar el RAG a gran escala evitando mezclar datos y modelos sensibles.
Todos los actores de los datos y su análisis se están reinventando en la era de la IA agente. Este es necesariamente el caso de SAS Software, que fue uno de los primeros en defender las capacidades de la IA mucho antes de que habláramos de IA generativa. Por eso no sorprende que hoy el editor busque popularizar las técnicas RAG e incluso industrializarlas. Esta semana lanza su Gerente de agente de recuperación (RAM), un servicio para aprovechar documentos no estructurados, desde PDF hasta correo electrónico, a través de un canal RAG llave en mano, escalable y habilitado por agentes. En otras palabras, SAS RAM es una solución sin código diseñada para proporcionar respuestas rápidas, precisas y contextuales generadas por IA a partir del contenido no estructurado de la empresa utilizando técnicas RAG que evitan entrenar modelos específicos y al mismo tiempo limitan el riesgo de alucinaciones.
Si bien numerosos estudios muestran que la mayoría de los proyectos GenAI fallan en la ingesta, la calidad y la gobernanza del contenido, la solución RAM de SAS apunta precisamente a este eslabón débil al separar estrictamente datos y modelos, automatizar la selección de configuraciones y exponer las API para chatbots y aplicaciones. La RAM ingiere y procesa automáticamente documentos no estructurados, luego evalúa y selecciona las mejores configuraciones para permitir una interacción rápida con la información que contienen.
Kathy Lange, directora de investigación de IA y automatización de IDC, resume la ambición del editor de la siguiente manera: “ SAS Retrieval Agent Manager transforma datos fragmentados en información procesable para acelerar decisiones mejor informadas. Al combinar IA generativa e IA agente, RAM proporciona una interfaz para crear y modernizar procesos sin necesidad de revisar los sistemas. »
La promesa responde a una realidad obstinada: la mayor parte del contenido corporativo aún escapa al EI transaccional y su crecimiento sigue siendo sostenido.
RAG a gran escala
A nivel técnico, RAM reúne varios componentes que se esperan de un RAG “industrializado” para extenderse a toda la escala de la empresa y servir a todos los empleados: ingesta multiformato, indexación de vectores, evaluación de las cadenas de recuperación y generación y publicación de los resultados (fuentes citadas, respuestas y recomendaciones) a través de API o chatbot.
En realidad, todo esto es una “capa agente” que se encarga de las secuencias de acciones (consulta de repositorios, activación de un flujo, generación de un informe) basándose en documentos de la empresa. SAS insiste en el hecho de que los datos no se utilizan para entrenar un LLM: los modelos se llaman en la ejecución de las indicaciones, lo que facilita el cumplimiento y limita la huella de datos.
« SAS Retrieval Agent Manager admite grandes volúmenes de datos continuamente actualizados », subraya Jason Mann, vicepresidente de IoT de SAS. “ RAM facilita que una empresa aplique tecnologías como chatbots e IA conversacional a su base de conocimientos, utilice API sólidas para integrar servicios de conocimiento generativo basados en IA en aplicaciones existentes, para facilitar el desarrollo de agentes de IA. ».
El editor promete que los mecanismos de evaluación subyacentes permiten que la solución elija las mejores combinaciones de incrustaciones, recuperación y generación para mantener un rendimiento estable a pesar de la constante afluencia de nuevos datos.
Los casos de uso descritos por SAS cubren varios sectores. En banca y seguros, RAM facilita la detección de patrones sospechosos, el acceso rápido al corpus de cumplimiento (AML/KYC) y la automatización del procesamiento de compensaciones. En el sector público, la solución ayuda a los agentes a brindar respuestas consistentes en todos los centros de contacto. En salud, resume notas clínicas y literatura médica para respaldar las decisiones médicas. Por último, en la industria, la RAM se integra con los sistemas de mantenimiento predictivo: analiza manuales técnicos, informes de intervención y boletines de proveedores para sugerir operaciones específicas y generar instrucciones adaptadas a técnicos e ingenieros. Con esta idea subyacente de que el tiempo perdido muchas veces proviene menos del diagnóstico que de la dificultad para vincular la información correcta esparcida por la documentación.
En el mercado, SAS se posiciona frente a las ofertas de “search & grounding” y de agentes de AWS, Google Cloud, Microsoft o plataformas especializadas. La diferenciación entre soluciones se basará en la evaluación integrada y la capacidad de orquestar escenarios de un extremo a otro, incluso en entornos regulatorios donde la separación de datos/LLM sigue siendo un imperativo. Para las organizaciones que ya son clientes de SAS, RAM amplía las herramientas familiares y puede acelerar la industrialización de los POC de GenAI estancados.
Si RAM mantiene sus compromisos en uso, la herramienta puede convertirse en una capa muy interesante y útil de mediación documental sobre repositorios heterogéneos, con una gestión de riesgos y costes mejor controlada. Queda por verificar, en producción, la calidad de las respuestas sobre corpus ruidosos, la gestión de roles y la capacidad de respuesta cuando los documentos cambian a alta velocidad.
Lea también:
SAS añade un entorno de desarrollo de IA al corazón de su plataforma Viya
SAS Viya disponible en Microsoft Azure
SAS amplía su oferta de nube de datos vertical para los sectores VOD, salud y energía
Inteligencia artificial: ¿cuáles serán las principales tendencias en IA de 2025?
«Muchos problemas que hace apenas unos años se consideraban insolubles ahora pueden resolverse gracias al enorme poder de las máquinas actuales y de la nube. »
[
