Explora Foundry IQ

Ahora sabe cómo RAG resuelve el problema de conocimiento de los agentes de inteligencia artificial. Pero este es el desafío: crear un sistema RAG desde cero significa configurar bases de datos vectoriales, implementar canalizaciones de inserción, optimizar algoritmos de recuperación y mantener la infraestructura de búsqueda. ¿Qué ocurre si necesita tres agentes de IA diferentes en toda la organización? Crearía tres sistemas RAG independientes.

Hay un mejor enfoque.

¿Qué es Foundry IQ?

Foundry IQ es una plataforma de conocimiento administrada para agentes de inteligencia artificial basados en Azure AI Search. Proporciona las funcionalidades de recuperación que ha aprendido en RAG, pero como servicio compartido que pueden usar varios agentes.

Considere un escenario típico. Su organización tiene documentación de producto almacenada en SharePoint, directivas de cliente en Azure Blob Storage y materiales de aprendizaje en OneLake. Con RAG tradicional, indexaría cada origen de datos por separado para cada agente. Con Foundry IQ, se crean bases de conocimiento una vez y se conecta cualquier agente a ellos.

Esto es importante porque cambia el foco de la creación de infraestructura a la creación de experiencias del agente. Dedica tiempo a mejorar la información a la que acceden los agentes, no cómo acceden a ella.

Cómo organizan las bases de conocimiento la información

Las bases de conocimiento de Foundry IQ organizan la información por dominio empresarial en lugar de por ubicación de almacenamiento técnico. Este diseño refleja cómo las personas piensan realmente en la información.

En lugar de que los agentes busquen "Sitio A de SharePoint" o "Contenedor de blobs B", buscan "Documentación del producto" o "Políticas de RR. HH.". Cada base de conocimiento agrupa la información relacionada, independientemente de dónde se almacene.

Por ejemplo, una base de conocimiento de documentación del producto podría incluir:

• Especificaciones técnicas de SharePoint
• Documentación de API de Azure Blob Storage
• Análisis de uso de OneLake
• Incidencias de soporte técnico del índice de búsqueda existente

Para los agentes, esto aparece como un origen de conocimiento unificado. Para usted, significa conectar orígenes de datos a bases de conocimiento en lugar de administrar sistemas de recuperación independientes.

Conexión de orígenes de datos

Foundry IQ se conecta al almacenamiento existente a través de integraciones de orígenes de datos. Señala tus sitios de SharePoint, contenedores de blobs o instancias de OneLake. Foundry IQ controla la indexación, la generación de inserción y la optimización de búsqueda automáticamente.

Esto es lo que sucede al agregar un origen de datos:

1. Detección: Foundry IQ examina la ubicación de almacenamiento de los documentos.
2. Procesamiento: los documentos se fragmentan e incrustan para la búsqueda semántica
3. Indexación: el contenido se puede buscar a través de la base de conocimiento
4. Supervisión: los cambios en los documentos desencadenan la reindexación automática

Tú configuras esto una vez por origen de datos. Cada agente conectado a esa base de conocimiento se beneficia instantáneamente de las actualizaciones.

Inteligencia de recuperación integrada

¿Recuerdas las estrategias de recuperación que has aprendido en RAG? Foundry IQ implementa estos automáticamente. Cuando un agente consulta una base de conocimiento, la plataforma:

Analiza la pregunta para comprender qué información necesita el agente. Una pregunta como "¿Cuál es nuestra directiva de devolución para los elementos dañados?" requiere una recuperación diferente de "Enumerar todas las directivas de devolución".

Selecciona estrategias de recuperación basadas en la consulta. Preguntas fácticas simples usan la búsqueda de palabras clave. Las preguntas complejas combinan la búsqueda semántica con la expansión de consultas.

Clasifica los resultados mediante la puntuación de relevancia. Las informaciones más contextuales y adecuadas se presentan primero, reduciendo así los tokens necesarios para las respuestas del agente.

Proporciona citas para que los agentes puedan hacer referencia a documentos de origen. Esto genera confianza y permite a los usuarios comprobar la información.

Esta inteligencia se ejecuta sin código personalizado. Defina qué contienen las bases de conocimiento. Foundry IQ determina cómo recuperar datos de ellos.

Conexión de agentes a conocimientos

Veamos lo sencillo que es proporcionar a un agente acceso a los conocimientos de la organización. En este ejemplo se crea un agente de soporte técnico que puede responder a preguntas mediante la documentación del producto:

from azure.ai.projects import AIProjectClient
from azure.ai.projects.models import PromptAgentDefinition, MCPTool

project_client = AIProjectClient(endpoint=project_endpoint, credential=credential)

# Connect to the product documentation knowledge base
knowledge_tool = MCPTool(
    server_label="product-docs",
    server_url=f"{search_endpoint}/knowledgebases/product-documentation/mcp"
)

# Create an agent with knowledge access
agent = project_client.agents.create_version(
    agent_name="product-support-agent",
    definition=PromptAgentDefinition(
        model="gpt-4o-mini",
        instructions="Answer product questions using the knowledge base. Always cite your sources.",
        tools=[knowledge_tool]
    )
)

El agente ahora recupera información de la base de conocimiento igual que usaría cualquier otra herramienta. No escribe lógica de recuperación ni administra la infraestructura de búsqueda.

La ventaja de conocimiento compartido

El valor real de Foundry IQ surge cuando se escala más allá de un agente. Imagine las necesidades de su organización:

• Un agente de soporte técnico que responde a las preguntas de los clientes
• Asistente de empleados que ayuda con las políticas de RR. HH.
• Un agente de desarrollador que explica el uso de la API

Con RAG tradicional, crearía y mantenería tres sistemas de recuperación. Con Foundry IQ, creará bases de conocimiento que varios agentes comparten:

• La base de conocimiento de documentación del producto sirve tanto al agente de soporte técnico como al agente de desarrollo.
• La base de conocimiento de políticas de RR. HH sirve solo al asistente de empleados.
• Cada agente accede exactamente a los conocimientos que necesita.

Cuando se mejora una base de conocimiento mediante la adición de orígenes de datos o el refinamiento de contenido, cada agente conectado se beneficia inmediatamente. Así es como las organizaciones crean sistemas de agentes de IA coherentes y escalables.