Hoy tenemos la sesión de creación de práctica de agentes principalmente con la plataforma de Microsoft de CoPilot. El ponente Jorge Dueñas, que ya realizó una sesión en el otoño Tech y repetimos, pero esta vez con una visión más enfocada en vez de gas en casos prácticos que luego nos va a enseñar Jorge que esperamos que sean de vuestra utilidad. Recordaros las jornadas del día 19 que ya queda muy poquito y lo pondremos luego por el chat para recordaros donde inscribiros y la encuesta que también lo estáis rellenando bastante y nos está siendo muy útil y bueno, pues cuanto más nos las podéis rellenar mejor. Para tener toda esa foto global de todas las iniciativas a nivel UPM que se están llevando a cabo, que bueno que durante la jornada pues alimente muchísimo más todo, todo el conocimiento, agradeceros vuestra asistencia. No tengo más datos ya Jorge, que estamos deseando escuchar todo lo que no me has contado sobre sobre agentes. Bueno, muchas gracias. Muchas gracias por la presentación y nada, espero que os guste. En los casos prácticos que que he traído entonces la charla tiene este índice. Vamos a ver primero una introducción de qué son los agentes inteligentes y qué tecnología hay por detrás. Eso nos va a ayudar a la hora de configurarlo, sobre todo cuando veamos que la gente se está comportando de una forma rara. Entender cómo funcionan por dentro nos va a ayudar bastante a conseguir los resultados que nosotros deseamos. Tras esta introducción, esta breve introducción, serán 20 minutos, 25 minutos. Vamos a comenzar a configurar agentes inteligentes. Primero vamos a comenzar con unos casos de uso básicos que nos van a ayudar a redactar correos. Son los agentes de asistente en la comunicación y asistente en la mejora del inglés. Y luego vamos a configurar unos casos un poco más avanzados. Uno de ellos nos va a ayudar a preparar una solicitud para una plaza de oposición y en los más avanzados, que serán al final. Pues vamos a ver cómo estos agentes son capaces de utilizar herramientas y van a poder interactuar con nuestros documentos Excel, documentos Word o incluso enviar mensajes a través de Times. Para un bien, un una encuesta que nos gustaría hacer al principio de esta sección, ya que va es para para Pepe Gas y hay muchos dominios y muchos casos de uso en Internet dentro de la Universidad Politécnica. He creado este enlace en el cual si me dais, me gustaría que que no os fuerais rellenando a medida que avanza la charla y al comienzo os queríamos preguntar de qué sección de la de la Universidad venís entonces, por ejemplo, yo soy PDI, pues escribiría ese PDI y ahí iríamos rellenando de qué área de lengua, gestión económica, gestión de viajes e internacional. De esa forma, con las siguientes ediciones de de esta charla de creación de agentes, pues podemos orientarlo un poco más y luego, según avance la charla, según vayamos viendo los casos de uso, si se os ocurren alguna forma de llevar este conocimiento a vuestro dominio específico, podemos hacer aquí un brainstorming y al final de la sesión lo revisaremos para ver qué ideas hemos tenido. Aprovechando que estamos siendo 200 personas inscritas en el curso. Jorge pasa el enlace también si quieres por el chat para facilitar. Si puedes, vale, pero ah, bueno, si quieres te lo copio yo Si sería más fácil. Si lo copias tú, el que me has pasado por ti. No, si. Bueno, eh. Vale. Gracias. Jessica. Vale. Bueno, el. La idea está de la inteligente. Está. Está adquiriendo muchísimo interés. Sobre todo en los últimos años. Y aquí os adjunto un gráfico de Google Trends, que son los conceptos que que causan tendencia. Y vemos como en el último medio año está hay un incremento del interés por este tipo de sistemas. Es una cosa que lleva lleva ocurriendo en el último año y medio, pero en los últimos meses se está haciendo más, se está atrayendo más atención. Es una gran novedad. Bueno, si nos paramos a analizar qué es un agente inteligente, la definición es de hace ya cierto tiempo, casi. Bueno, 31 años. Entonces quería hablaros un poco de la definición de que es un agente para ver qué es una definición que es bastante ambigua. Entonces hay muchos sistemas que pueden ser observados desde el punto de vista de un agente inteligente. La primera definición es de 1995 e indica simplemente que un agente inteligente es cualquier entidad que pueda verse percibiendo a su entorno a través de unos sensores y actuando sobre unos actuadores que tenemos, EH. Cuando estamos diseñando un agente inteligente, pues tenemos un entorno, una serie de sensores que le ayudan a percibir el entorno en el que está. Tenemos aquí un motor de toma de decisiones y él actúa sobre la sobre el entorno con tal de conseguir un objetivo, con lo cual esos agentes inteligentes están en un bucle infinito de percibir el entorno. Tomar una decisión es actuar sobre él y volver a percibir el entorno para ver que qué repercusión ha tenido, la decisión que han que han tomado. ¿Claro, qué ejemplos hay de agentes inteligentes? Pues como es una definición bastante amplia, eh, pues podemos observar distintos sistemas desde el punto de vista de los agentes inteligentes. Aquí os traigo tres ejemplos. ¿En la izquierda vemos la el robot aspirador que nosotros tenemos en En casa vamos a tener en casa Cuál sería el entorno en el que actúa este agente? Pues bueno, es un agente que tiene entidad física. El entorno sería el suelo de nuestra casa. Sus sensores son dependiendo de del tipo de robot que sea, pues tendrá más o menos, pero detecta colisiones. Sus actuadores son las las ruedas y va moviéndose por la casa y su objetivo es limpiar la mayor parte del suelo en el menor tiempo posible. Otro ejemplo de agente inteligente que solamente tiene un pues es un agente de software. Podríamos imaginar un agente que invierte en en el mercado de valores y en este caso su entorno sería los mercados financieros. ¿Cuál serían sus sensores? Pues el podría ver cómo se modifican los precios de diferentes ticket. Tiene que tomar una serie de decisiones y esos actuadores son la realización de compra o venta sobre este mercado. Y por último, eh, ese es, eh, una foto de una película que ya también es antigua, de 1999. Se llama Agente Smith en la película y es un agente que actúa sobre Matrix y tiene sensores y actuadores virtuales y va tomando decisiones dentro de la película. Pues para cumplir un objetivo que. Qué ocurre con los agentes antes de esta época que estamos viviendo tenían baja autonomía el la cantidad de de capacidad que tienen ellos de percibir el entorno es limitada y está ligada a una tarea concreta. La parte de la toma de decisiones suele estar programada, pues con lógica difusa o con un sistema de reglas que han tenido que escribir programadores dentro del agente y están ligados a una tarea concreta. Es difícil que el EH la gente que invierte en bolsa pues pase la mopa por casa. Al igual que no queremos que el robot aspirador tome decisiones financieras sobre nuestro patrimonio. Esto está cambiando con con el momento que estamos viviendo de los modelos del lenguaje. ¿Entonces, qué es lo que ha ocurrido en esta última década? Pues ha habido un gran avance en el en la automatización de el procesado del lenguaje natural y del razonamiento. Entonces, en un paper que surgió en 2017, que es atención visual de UNIT, surgió una nueva arquitectura y hemos, por así decirlo, ha conquistado el lenguaje natural y hemos. Tenemos unos modelos de inteligencia artificial que son bastante grandes en cuanto a número de parámetros y son encima multimodales, con lo cual no solamente son capaces de percibir eh texto y razonar, sino que perciben el mundo de de con capacidad multimodal puede analizar audio, puede analizar imágenes, puede analizar texto. Y esta tecnología es la que, junto con la idea de los agentes inteligentes, está haciendo que haya mucho interés en en generar agentes inteligentes. Capacidad multimodal hace que sean capaces de percibir el mundo. La parte de los LLM LLM es el modelo de lenguaje. Con los avances que hay en su capacidad de razonar, hace que estas reglas sean bastante más robustas y más fáciles de programar. Y aparte, ha habido avances en la integración de estos sistemas con el uso de herramientas, con lo cual parece una tecnología que que es bastante interesante y que está dando buenos resultados. ¿Cómo? ¿Cómo? ¿Cómo funciona? Es fundamental entender cómo funciona el procesado de lenguaje para poder definir bien los agentes inteligentes. La conquista por porque las máquinas puedan pudieran hablar casi surge con los inicios de la informática. Había un primer inicio de chatbots que queríamos que interactuara ya por el 1990. En 1966 y a lo largo de la historia se ha intentado analizar el lenguaje humano de diversas formas a lo largo de la historia de la informática. Era un campo que era poco fructífero y la gente que investigaba en el en estos asuntos solía solíamos mirarla como Bueno, nunca lo vais a conseguir. El lenguaje es. Es demasiado complejo como para que una máquina aprenda a hablarlo. ¿Y como ejemplo aquí, pues tenemos esta frase Eh? Ordenó el salón y con menos éxito sus ideas para el día siguiente. Una vez que adquieres una competencia en alguna que ya adquieres competencia en el lenguaje, pues eres capaz de relacionar estas ideas que hay. Pero para las máquinas, una frase de este tipo, una frase de este tipo es un texto muy grande, tiene sus complicaciones porque es vale esta la palabra éxito, pero con un modificador que hace que no ha tenido éxito. Estaba ordenando el salón y sus ideas para el día siguiente cuando ha ordenado el salón, lo ha llegado al ordenar. Bueno, hace diez años la máquina no, no tenía ni idea de que era lo que se estaba diciendo aquí. ¿Con los últimos avances sí que son capaces de generar este tipo de texto y entender que ideas hay detrás de de esta frase, cómo funciona? Creo que habéis tenido. ¿Creo que ha habido más charlas acerca de cómo funcionan estos elementos, estos LLM, con lo cual esto será solamente una pincelada, eh? Lo que hacen son buscar relaciones entre las palabras. Esta idea de la atención la tienen, la tienen codificada y ellos viendo un texto son capaces de ver qué relación tiene cada palabra con el resto de palabras del texto. En este caso, la frase el animal no cruzó la calle porque estaba muy asustado, pues bueno, el estaba tiene cierta relación con el animal y con que estaba asustado, con lo cual estos modelos han aprendido esta estas relaciones y son capaces de generar texto y entender el texto que nosotros le introducimos como como entrada en. De forma muy resumida, la arquitectura se llama Transformer. Dentro del de los modelos tienen una serie de capas. Hay distintas arquitecturas y lo que nosotros le vamos a introducir a este tipo de sistemas es un elemento que se llama prompt, que es la entrada en el sistema. En este caso hay un ejemplo que es en un lugar de la. Esos modelos han visto muchísimo texto y potencialmente pues bueno, estamos viendo el inicio del Quijote, entonces lo que hacemos es transformar estas cadenas de texto en vectores numéricos que se denominan tokens. Estos tokens. Se introducen en una. Una ventana de contexto que tiene un tamaño fijo es la cantidad de información que es capaz de ver el modelo de lenguaje. Una vez que se introduce dentro del sistema, el predice cuál va a ser la siguiente palabra. Tener un vector numérico y nosotros lo podemos traducir esta fase. Esto que que acabo de describir es lo que ocurre muchísimas veces cuando estamos interactuando con los chat, los modelos de lenguaje y va a ocurrir cuando estemos diseñando nuestros agentes. Esta ventana de contexto fijo ha ido evolucionando. Vamos a jugar mucho con ella con esta ventana. A la hora de generar más agentes. Al comienzo, cuando surgió esta tecnología, el primer paper de 2017, los primeros chatbots datan del 2020. Teníamos una ventana de contexto de 2048 tokens. Tokens es un un elemento que aparece mucho. Básicamente token se puede aproximar a una palabra. Digo que es una aproximación porque bueno, hay palabras que tienen raíces como por ejemplo pues pre preámbulo predoctoral. Estos modelos lo que hacen es coger estas raíces y dividirla en varias token. Y hay token que no que no tienen correspondencia con palabras. Pero bueno, es una buena aproximación. ¿Cómo ha ido evolucionando el tamaño de la ventana de contexto? Pues los primeros modelos tenían 2048 tokens. Para ponerlo. Para tener un símil bueno, nosotros escribiendo en un folio podremos escribir unas 300 500 palabras, con lo cual esos primeros modelos eran capaces de con su atención ver palabras que estaban en cuatro folios. A los pocos años la doblaron y al 2023 2024 ya llegamos a una ventana de contexto de 200.000 tokens, 1 millón de tokens. El rango actual es de 200.000 y 2 millones de tokens. Entonces, por ponerlo en un contexto mucho mayor, pues el Quijote tiene unas 380.000 palabras. ¿Estamos hablando de que estos modelos, en vez de haber ya solamente cuatro folios, son capaces de ver muchísimas, muchísimas hojas de texto y analizar qué relación tiene una palabra con el con el resto del texto que tenemos, cómo funciona? Pues bueno, el usuario escribe un prompt. Este LLM va calculando cuál es la siguiente palabra. Eso se vuelve a poner como entrada del sistema y va calculando cuál es la siguiente palabra. De esta forma acaba generando una salida. El usuario vuelve a interactuar y el sistema va generando palabra a palabra. ¿Qué vamos a hacer? ¿Qué vamos a hacer nosotros a la hora de construir nuestros agentes? Pues vamos a jugar con esta ventana de contexto. Entrenar estos modelos de lenguaje pues es carísimo. Es como poner casi un cohete en la Luna. Entonces tener que entrenarlo, reentrenar estos modelos para que haga lo que nosotros queremos que haga la gente, para que, Para que tenga acceso a información privada. Nuestra, sería impensable. Nosotros no tenemos esa capacidad, pero ya que tenemos una ventana de contexto tan grande, lo que hacemos es el lenguaje natural, dar una serie de instrucciones que van a estar ocultas al usuario. Nosotros somos los que vamos a diseñar las instrucciones como programadores de agentes, programadores en lenguaje natural y de esta forma cuando el usuario vaya a interactuar con el agente, pues ya se comportará de una determinada forma. Esta parte está muy ligada, esta parte de configuración de los agentes con cómo hacer buenos prompt. Hacer un buen prompt es lo más importante a la hora de conseguir de de los agentes y de los LLM el resultado que nosotros deseamos. Entonces, cuando surgieron estas herramientas surgió una una rama que era el producto Engineering, que lo que es es oye, vamos a analizar cómo podemos hacer esto. Es prompt de tal forma que obtengamos el mejor resultado. Hay diversas técnicas, aquí pongo algunas de ellas y una que suele funcionar bastante bien es dar ejemplos. En este caso, si nosotros queremos hacer un agente que nos ayude a hacer una redacción de un email en inglés con un tono formal, si nosotros le damos ejemplos de emails y como queremos que nos lo redacte cuando él nos dé el email, nos va a dar un email que va a estar más acorde a lo que nosotros deseamos. Si nosotros queremos que nos dé una tabla de información acerca de, EH, la evaluación que vamos a tener en un proceso selectivo, pues si nosotros le damos que columnas queremos que nos ponga ahí, como nos tiene que escribir la información cuando nos dé el resultado de la gente nos lo va a dar mejor. También podemos darle restricciones, es decir, dentro de mi salida, pues yo no quiero que hagas esto, no quiero que me escribas en Mollie porque yo voy. Por ejemplo, en Muelle. Son los iconos que que Internet está plagado cada vez más de ellos. ¿Eh? Yo voy a escribir comunicaciones dentro de la Universidad Politécnica y no tiene más lugar que haya emojis. Entonces no escribas emojis. Son un elemento que ayuda a los LLM y a los agentes a dar mejores resultados. También es pedirles que razonen este de que nosotros, eh, dame una cadena de pensamiento y luego dame el resultado. Es como si le dices tienes un alumno que contesta, participa mucho en clase pero no piensa mucho antes de de dar la respuesta y es vale, la recuerda lo que hemos visto anteriormente. Razona, razona tu respuesta y luego, eh, dame una salida simplemente pidiéndole eso los LLM da mejores resultados. ¿Qué más podemos pedirle? Dentro de nuestros prompt le podemos pedir que actúe de tal forma que es un rol. Entonces, oye, eres un experto en hacer solicitudes en proyectos europeos. Él ya eh adapta la forma en la que se va a comunicar ese agente de tal forma que es un experto en la redacción de proyectos europeos. También hay otro, otro último prompt que es el RAT, que es un en el cual le indicamos al LLM que siga un flujo, un flujo de razonar y luego actuar. Es un poco introducir la idea de la gente inteligente dentro del LLM para que sea un motor que vaya haciendo ese ciclo de pensar, actuar, percibir. Vamos a ver algunos ejemplos más de prompt y utilizaremos alguno de ellos. Luego, en la parte práctica. Bien. ¿Qué más podemos hacer con la ventana de contexto? Cuando surgieron las tecnologías de los LLM, es un elemento que que vimos que pasaba era que alucinaban, que es una alucinación, pues es cuando el LLM con total seguridad empieza a dar información que es completamente errónea. Entonces, cuando surgió esta tecnología, los LLM, los LLM alucinaban bastante porque eran como unos loros y daban información, calculando cuál es la probabilidad de la siguiente palabra. Entonces, como os he dicho antes, entrenar un LLM, como poner un cohete en el espacio. Si yo cojo el LLM y le digo oye, hay algo destacable de la visita del Papa que ha ocurrido en Madrid, pues antes lo que harían era bueno. Si la visita que hizo el Papa se inventa, el Papa se inventa, se inventaba los datos, Se entrenaron estos modelos para que no se inventara la información y que dijeran oye, no tienes, No, no, dentro de mi entrenamiento no tengo información sobre este asunto, con lo cual no te voy a contestar. Para paliar este esta limitación. ¿Lo que hicieron fue un elemento que se llama Retrieval amente generation, que es generación aumentada por recuperación, que lo que se hace es simplemente buscar mezclar estos esta tecnología generativa de texto con sistemas de búsqueda, de tal forma que cuando el usuario le dice me puedes dar algo de información? Hacer un resumen de qué ha ocurrido con la visita del Papa. Él, en vez de inventarse las cosas o dar información errónea, es decir que no puede contestar, buscará en Internet, verá información relevante dentro del contexto, pondrá algunos folios con la información que ha recuperado y a partir de ahí empezará la generación de texto con información que es veraz porque lo encontrará en Internet en vez de inventarse la EH. ¿Cómo utilizar nuestros agentes, Cómo utilizar esta tecnología, esta esta idea en nuestros agentes? Nosotros cuando programemos una agente inteligente no solo le vamos a dar unas instrucciones, sino que le vamos a dar una base de conocimiento. Entonces el agente de forma autónoma será capaz de decir el usuario me está pidiendo esta información que yo tengo en mi área de conocimiento, voy a realizar una búsqueda, voy a meterla dentro de mi ventana de contexto y voy a dar información en base a lo que he conseguido recuperar de mi conocimiento. ¿Entonces, qué conseguimos? Conseguimos dos cosas. Los LLM, los agentes potenciados por el LM tienen información actualizada y tienen información privada que vamos a poder meter dentro de esta información privada. Por ejemplo, vamos a poder meter información de la Politécnica que no han visto dentro del entrenamiento o privada nuestra en nuestro currículum. Los cursos que nosotros tenemos, etcétera. Muy bien la parte de del si nosotros cuando le decimos A1A1 modelo de lenguaje a nuestro agente oye, razona. La respuesta antes de dar la respuesta hace que mejore bastante los resultados. Se vio que mejoraban tanto los resultados que esta esta capacidad ya viene, ya viene dentro del entrenamiento de estos modelos de lenguaje, al ver que simplemente con el hecho de decirles oye, razona antes de hablar. Dentro del entrenamiento, los modelos han visto líneas de razonamiento y ellos son capaces de de decidir cuando le estamos pidiendo algo que requiere una serie de pasos. Entonces ellos razonan sobre los pasos y de forma autónoma. ¿Pueden elegir si razonar o darte una respuesta, eh? Dentro de dentro de los roles. Si nosotros queremos hacer un agente, como he dicho antes, pues que nos va a ayudar dentro de la comunicación corporativa, pues eh, podemos indicarle oye, eres el rol de una persona que va a optar por proyectos europeos, con lo cual todas las comunicaciones tienen que ser bastante formales. Aquí está, eh, la documentación acerca de la El el proyecto en el que nosotros queremos aplicar que hemos solicitado o podríamos decir vale. Otro tipo de rol, eh, eh, vamos a hacer un agente que nos van a que nos va a ayudar a las tareas de comunicación dentro de las redes sociales, con lo cual ya no vas a tener un rol de de comunicación formal, sino que vas a hacer un community manager y el propio modelo adaptará el tipo de comunicaciones que hará a ese rol que le estamos dando. A Utilizado dentro de los sistem pronto dentro de la generación de agentes. Bien, con todo esto, el lo que vamos a hacer dentro de la ventana de de contexto del LLM, el usuario va a tener estas peticiones que están en verdad. Y nosotros como programadores de agente, vamos a configurar lo que está en rojo naranja. ¿Qué le vamos a decir a nuestro agente? Le vamos a poner una serie de instrucciones en lenguaje natural, el usuario hará una petición, el agente tendrá la capacidad de razonar, planificar qué tareas tiene que hacer, hará un una recuperación sobre el conocimiento que nosotros le hemos indicado. Razonara hará resumen. Se preguntará si tiene que utilizar alguna herramienta y con todo esto luego dará una salida útil al usuario. El usuario solo ve lo verde, nosotros lo vamos a hacer en que desarrolle el agente y luego posteriormente seremos el usuario donde acabaremos viendo todo. Pero hay como dos fases, una de configuración y otra de uso. ¿Bien, eh? Por último. ¿Por qué? Por qué tenemos. ¿O sea, por qué el auge? Pues como os he dicho antes, estos modelos tienen capacidad multimodal, con lo cual no solo es que nosotros escribamos en texto, sino que nosotros le podemos enviar audio, él lo transcribe, podemos enviarle imágenes que es capaz de razonar, podemos enviarle vídeos que es capaz de analizar y ha habido una un avance también de hace relativamente pocos años. ¿O hay una empresa que se llaman Tropics, que bastante tiene bastante renombre en el mundo de los agentes y los LLM es y definió un protocolo que es el Model Context Protocol antes de de esta tecnología nosotros teníamos un LL, un LLM y le tenemos que entrenar en cómo utilizar cada una de las herramientas, qué es lo que se ha hecho? Pues se ha puesto este pequeño protocolo que define qué hace cada herramienta y cómo utilizarla, y el LLM solo está entrenado para este modelo Context Protocol. Con lo cual, si nosotros tenemos una herramienta interna que nosotros utilizamos dentro de nuestro departamento y queremos que el LLM sea capaz de interactuar con ella, no necesitamos llamar a Google Microsoft Entropy para que reentrar en el modelo, sino nosotros definimos cómo se utiliza la herramienta interna nuestra y el modelo ya será capaz de poder utilizarla. Todo esto, todo esto, si nos paramos a analizarlo en ese ciclo de percepción, decisión y acción, pues se ha visto mejorado en cada una de las etapas de de acción de un agente. Vemos mejoras, modelos multimodales, lo programamos en lenguaje natural. Tenemos mucha más capacidad de interpretar el contexto en el que está, planificar pasos intermedios, explorar alternativas y los agentes, pues pueden programar, buscar información, incluso ejecutar código en el el ciclo. Ahora que vemos en estos agentes, se ha ampliado un poco y generalmente tiene estos pasos, eh La etapa de percepción una parte de memoria. Debido a que los LLM no tienen memoria, cada vez que ellos predicen una palabra, solamente pueden ver su memoria de contexto, y es muy difícil reentrenar los modelos. Pero no, no nos cuesta nada tener agentes que tengan un fichero en el cual puedan ir escribiendo información nuestra o información de nuestras interacciones. Entonces, en las siguientes interacciones que tenga el chat, el agente va a poder acceder a esa memoria y va a parecer que está aprendiendo y se está adaptando a nuestra forma de trabajar. ¿Bueno, tienen también la parte de razonar, planificar y ejecutar acciones, no? ¿Eh, Acabando ya la parte teórica, eh? Nosotros vamos a utilizar todo esto que hemos visto para generar agentes y el grado de autonomía que tenga la agente, pues es amplio. Nosotros podemos tener agentes que nos ayuden a recuperar y hacer síntesis de información. En este caso, pues tendremos sistemas y tendremos instrucciones de qué queremos que nos haga el agente. Tenemos también agentes semi autónomos que son capaces de utilizar herramientas de forma más autónoma y seguir flujos de trabajo. Al final de la charla veremos algunos de estos y ya completamente autónomos que tienen un uso más experimental en el cual nosotros podemos pedirles un problema abierto, dejarlo ejecutándose semanas y semanas y ver qué resultado, qué resultado nos da. Bueno, no sé si ha habido, no sé si tenemos alguna duda. Hasta aquí es la parte más teórica de de la presentación y ahora vamos a mancharnos las manos, por así decirlo, y configurar nuestro primer agente con CoPilot. ¿Eh? Hay alguna duda respecto a esto que que es una duda, pero se te ha quedado el el link de del Padlet en la presentación. Ya está. Ah bueno, gracias. Vale, no lo había visto así. Sí, la era la única duda que tenía en el chat. Resuelta. Gracias. Vale, vale, vale. Bueno, espero que sea que se haya entendido más o menos. Y ahora todo esto va a estar conectado con este primer caso práctico. Entonces. ¿Que qué necesitamos para definir nuestro primer agente? Pues necesitamos algo de información. Le vamos a dar un nombre, una descripción y vamos a ayudar al usuario que potencialmente utilice nuestro agente indicándole algunos ejemplos de cómo utilizarlo. Dentro de de las instrucciones va a tener unas directrices, que es lo que vamos a llamar el sistema que vamos a configurar y cada vez que dé una respuesta dentro de la ventana de contexto es lo primero que va a tener el agente y le va a dar muchísima prioridad porque es la forma en la que va a interactuar con nuestros usuarios que podemos meter dentro de este sistema pronto. Todo lo que os acabo de comentar podemos darle a ejemplo, Podemos decirle haz esto, pero no hagas esto, podemos darle que tenga una comunicación con un estilo en concreto, podemos darle infinidad de cosas en cuanto a conocimiento, pues nosotros podemos decirle oye, toma esto PDF, toma estos documentos, toma este material de la asignatura, toma estas URLs y busca información aquí solamente exclusivamente aquí o haz búsquedas en generales en Internet. Y también le podemos dar capacidad de utilizar herramientas. Todo esto lo vamos a configurar a través de la herramienta de CoPilot CoPilot. Se llama y hay un requerimiento técnico más. Es un requerimiento técnico que yo considero que es sencillo, a pesar de que se escribe en lenguaje natural, no se escribe en puro texto, sino que tiene una serie de trucos a la hora de de darle las instrucciones de formato. Hay un formato que es el formato Markdown. Es un formato muy sencillo. En este tipo de formato de texto utilizamos unos caracteres especiales, como por ejemplo el hashtag para indicar que es un título. Si añadimos otros hashtag, pues es un subtítulo dentro de ese título. Si añadimos un tercer hashtag, pues sería un tercer subtítulo. El contenido van en texto claro, y luego cuando le queremos dar lista de elementos, pues hay que poner el título de la lista dos puntos y estos guiones. Y si queremos que estén enumerados con el uno y el punto. Y en ese caso, pues aquí en vez de este guión, pues serían uno punto. Un truco Hay veces que que estos agentes no nos hacen caso. Vamos a ver dentro de la demo algunas situaciones en la cual no estamos obteniendo el resultado que nosotros deseamos. Si nosotros le hemos dado la instrucción y no nos está haciendo caso, deberíamos de analizar por qué es y ver si se la podemos dar de otra manera y si vemos que sigue sin hacernos caso, están programados para que cuando vean una cadena de texto escrita en mayúsculas le den más importancia. Entonces, si al programar el agente vemos que ciertas cosas las sigue haciendo, pues siempre podemos poner mayúscula. Nunca escribas lo que sea, siempre que hagas algo a lo que sea bueno. Por último, si queremos indicarle dentro de las instrucciones un texto literal que queremos que lo ponga literal, tendría que ir entre estas triples comillas. Esto es, de cara a las instrucciones. Entonces, cuando abrimos la herramienta de CoPilot Studio Lite, vemos cómo configurar cada una de estas secciones. Dentro de esta interfaz que tiene se ve un poco pequeño. Ahora iremos por cada una de ellas. Hay algunas algunos parámetros que hay que configurar aquí que no van a influir en cómo se comporta la gente solamente de cara al usuario. Por ejemplo, el nombre pues no le influye la descripción, no le influye y esta parte última de ejemplo de ayuda tampoco le influyen. Esto veremos que es solamente el la carta de presentación de la gente. Qué es lo que sí que le va a influir de forma severa la parte que nosotros le metamos en las instrucciones. Aquí tenemos este este cuadro en el cual podemos meterle todas las instrucciones en formato Markdown que tenemos hasta 8000 caracteres. En cuanto a conocimiento, pues aquí podemos indicarle que donde puede buscar información, pues nuestras conversaciones dependen si queremos en la web o podemos subirle ficheros y tenemos una serie de flag para indicarle oye, solamente utiliza el conocimiento que yo te he dado acceso o te permite hacer búsquedas generales en internet. Y en cuanto al uso de herramientas, pues le podemos decir que podemos permitir que genere documentos de Word, Excel, PowerPoint o crear imágenes. Aquí hay una cosa y es que dependiendo de la licencia que tengamos activa, pues nos va a permitir, eh, crear documentos o no crearlos. Si en el caso de que no nos permitan subir ficheros PDF, lo que podemos hacer es ponerlo dentro del UPM Drive y darle acceso a una URL pública, entonces siempre con toda la licencia, nos va a permitir que navegue en internet en una serie de URLs. Si nosotros le ponemos, compartimos con el agente una carpeta, pues va a ser capaz de buscar la información en ese documento. ¿No? Bueno, primer agente, vamos a configurarlo. La idea que hay detrás de este agente es bueno. ¿Cuántas veces perdemos el tiempo leyendo y releyendo emails para adecuar el tono? Nosotros sabemos qué tipo de emails enviamos y estaría bien tener un agente que no haya que ir explicándole una y otra vez qué es lo que queremos hacer con nuestros email, sino que dentro de su conocimiento tenga acceso a una serie de normativas y le hayamos configurado para que se comunique como nosotros queremos que se comuniquen. Entonces, este primer agente es un asistente de redacción de las órdenes. El. Aquí vemos una serie de instrucciones que luego hablaremos de ellas dentro del. Dentro del conocimiento, vamos a iniciar el agente sin ningún conocimiento añadido y aquí en el proyecto, lo que le podemos decir es que esta carta de presentación que va a tener. Voy a convertir un WhatsApp en un correo, redactar un aviso urgente o mejorar una comunicación delicada, o adaptar el tono de un mensaje. ¿Entonces, eh? Generalmente esto se configura sección a sección o también tienen un agente de CoPilot que hace que configure el agente. Entonces con un único prompt, ese agente sabe ya dónde ir poniendo cada una de las secciones. Entonces vamos a decirle a la gente, creador de agentes, que queremos hacer un agente para ayudarnos en la redacción y él nos va a generar la información, las instrucciones, el conocimiento y las capacidades. Una vez que ha hecho este primer boceto, nosotros vamos a tener que utilizarlo varias veces y e ir, eh adaptando las instrucciones, añadiendo conocimiento y haciendo un una un un teniendo distintas fases de refinamiento del agente hasta conseguir la la forma hasta que funcione de la forma que nosotros queramos. Entonces. ¿Nos vamos a ir aquí a Microsoft Cloud? ¿Jorge Si, disculpa si que hay algunas dudas en cuanto al tema de licencias y a lo mejor para aclarar un poquito eh? ¿Te parece que las introduzcamos? Eh, Bueno, básicamente iba a indicar pues tiene puesto la cámara. ¿Perdona, eh? Básicamente iba a indicar que el CoPilot es la licencia que tenemos todos a nivel UPM, el CoPilot M tres y cinco, que ya se integra en todas las aplicaciones. ¿Este office y todo esto, esa ya de la de pago y lo que va a mostrar hoy Jorge con la creación de agentes que es con CoPilot Studio Lite, eh? ¿Esa sí entra dentro de la de la licencia que tenemos todos, vale? ¿Eh, Luego hay otro copiloto de estudio más avanzado que es allá, no? ¿Allá hay que pagar, pero el lite, que es lo que va a enseñar Jorge eh? Lo lo tenemos todos. ¿Preguntaba alguien que como se hace día y todo eso, yo creo que justo Jorge, lo que vas a hacer ahora, no? El ejemplo de cero de Live ahora es configurarlo en vivo y en directo, así que probablemente podáis seguirlo también. El para acceder a ello es con esta URL que he dejado aquí en. ¡Ah! Quizá queráis que os la pongo en ese chat. Si consigo llegar al chat. ¿Vale, eh? Bueno, no sé cómo acceder aquí al chat. Ay, perdón, el lado de participantes. Jorge, tienes el, eh, el chat. En la barra de herramientas tienes un botoncito que es chat. Tengo participantes a la derecha tiene que poner chat. Bien, Bueno, ya lo han puesto. No te preocupes, yo también lo voy a poner. Si no, ya lo han puesto otros compañeros. Muchísimo. Aparecen ya en la sección de de más vale. Bueno, entonces. Fijaros aquí yo tengo en la parte de la izquierda tengo una serie de agentes que he ido generando en de distintos cursos y nosotros les vamos a decir aquí que queremos generar un nuevo agente en este nuevo agente lo que vamos a hacer es simplemente copiar y pegar esta cadena de texto. En. Claro, mientras lo genera todo, la voy a analizar. Bueno, eres una asistente de redacción institucional para el personal de administración de la UPM. Ayuda a redactar y mejorar comunicaciones oficiales, correos, avisos, identificaciones. Bueno, formal, pero claro, sin burocracia innecesaria. Especialmente útil para comunicaciones delicadas. Adaptar el registro de un texto, convertir mensajes informales de WhatsApp o Teams en correos formales y ofrecer siempre una versión lista para enviar y señalar qué datos debe completar el usuario. Nosotros le hacemos al agente generador de agentes esta petición y vemos a la izquierda un chat interactivo en el que nosotros le podemos seguir pidiendo refinamientos. Generalmente en mi experiencia tras este este primer boceto nos sale más rentable. ¿Eh? En cuanto a tiempo, interactuar aquí directamente con con las instrucciones propiamente dichas. Esta parte de aquí es el nombre que tiene una pequeña descripción y lo que digo abajo del todo podemos ver esos ejemplos que va a ver el usuario a la hora de interactuar con nuestro chat, que podemos ver también si nosotros pinchamos aquí en estas instrucciones. Si os fijáis, ha cambiado lo que se está mostrando y vemos como es Markdown. El formato este que os he comentado antes, simplemente es un formato de texto muy sencillo. Simplemente aquí tenemos un título, un subtítulo. Podríamos tener varias alineaciones de títulos y subtítulos. Esto la ayuda dentro de las instrucciones a estructurar un poco lo que nosotros queremos de la gente. Y mirad, aquí le damos un ejemplo de qué es lo que tiene que hacer paso a paso y otro ejemplo de cómo queremos que que se redacte el email. Nosotros podemos adaptar esta información a cómo queramos que sea nuestro agente que nos asista en la comunicación. ¿El El propósito del agente está claro, las directrices generales están claras, eh? Mantener un tono formal, evitar la burocracia. Identificar los datos que nos faltan. Muestra la versión final del documento de la comunicación. Y bueno, vamos a ver cómo se comporta este agente dentro de. Bueno, como última instrucción ha dicho que si nosotros le hacemos una petición pero señalan algunos datos como el destinatario, alguna fecha o información nuestra, porque nos lo indique, de tal forma que el usuario pueda decir vale, falta esta información, toma la mes, dímelo dentro del conocimiento como este, nuestro primer agente, no vamos a configurarle nada y dentro de las habilidades pues las vamos a dejar así. Entonces, si queremos ver cómo cómo funciona este agente, pues le podemos decir aquí en preview esto es lo que va a ver el usuario final y le podríamos decir esto por ejemplo. He recibido este WhatsApp. Ah, por cierto, el lunes no hay secretaría por la tarde porque tenemos reunión de todo el equipo. Que avisen a los alumnos. Pero bueno, podríamos pegar esta información que nos ha llegado por WhatsApp. ¿Y el agente con esas instrucciones pues nos va a ayudar a redactar un un email eh listo para enviar? Entonces nos dice Bueno, estimados alumnos, informa que el próximo lunes fecha la secretaría estará cerrada. Bueno, se hace un un email tipo y nos indica aquí que necesita campos a completar. Pues por ejemplo aquí ya le podíamos decir bueno, la fecha es el lunes, el lunes 15 el nombre es el que sea cargo y departamento. Parece que que esta parte de cargo y departamento es algo que va a tener que escribir siempre, porque este va a ser el agente que nos va a ayudar con las comunicaciones de mi departamento. Entonces no tiene sentido que ya en cada una de las interacciones que haga con este agente tenga que estar indicándole de qué departamento soy. ¿Cómo podemos hacer esto? Bueno, pues ya que nos permite programarlo en lenguaje natural, pues le podríamos decir que dentro de sus instrucciones al final le voy a añadir un oye, firma, siempre firma con equipo de formación de agentes, agentes arroba UPM punto Es. Pedir toda esa información y ahora ya podría darle a Preview. Aquí le puedo decir que quiero iniciar un nuevo chat para ver cómo se comporta y vuelvo a darle otra vez este ejemplo. Este es el proceso que os digo de iteración, en el cual nosotros hasta que configuramos el agente, pues tardamos un poco y luego lo que esperamos es que nos que pues ser más productivos en esta serie de tareas que son un poco rutinarias. ¿Entonces vemos otra vez que que ha puesto en un el correo y vemos como nos está ignorando, no? Vemos ahí que la gente no está haciendo lo que nosotros le hemos dicho, porque le hemos indicado claramente que queremos que firme con equipo de formación de agentes y que agentes. Y no lo está haciendo, no lo está haciendo. Bueno, si nosotros analizamos todo el mensaje, el caso es que sí que lo está haciendo, pero lo que pasa es que lo está firmando aquí, se está equivocando y está creyendo que tiene que firmar esa interacción y nosotros no queremos que haga esto. Nosotros lo que queremos es que firme todos los correos con un pie de de un pie de firma. Entonces vamos a volver a la configuración. Y tengo pegado aquí algo que sí que ha funcionado. Le voy a indicar que el formato del email forma parte del equipo del departamento del departamento, de departamento, equipo de formación de agente y el contacto de esa gente siempre se pone mayúsculas. Escribe atentamente. Equipo de formación de agentes. Bueno, no de esa forma, pero que la siguiente vez que yo interactúe con él, él aprenda a base de que en el contexto va a tener esa instrucción y voy a poder ajustar de esta forma claramente sencilla la salida que me da el agente. Entonces, lo que espero es que en este siguiente, en esta siguiente comunicación, pues él ponga la firma. ¿Vale? Pues en este caso no lo ha hecho. No sé por qué hay veces que no lo hace. Voy a darle a crear el agente. Esto ya son algunos trucos. ¿Eh? Hay veces que si no lo guarda, no coge las actualizaciones. Voy a volver a hacer la prueba. ¿El efecto? El efecto de. Lo he recibido, eh, Es de WhatsApp. ¿En el caso de que viéramos esta bien que ocurre en esto? En el caso de que viéramos que la gente no está siguiendo las instrucciones que nosotros queremos, significa que tenemos que decírselo de otra forma. Ayer hice la prueba y sí que aquí lo está haciendo. Vale. Eh, Ahora ya sí que me lo ha cogido. No. Vale. Eh, Bien. Imaginemos que tenemos que redactar otro caso de uso. Y es, eh. ¿Bueno, nos ha escrito un alumno indicando que quiere hacer una evaluación curricular y el plazo? Se le ha pasado leer un correo que que potencialmente tenemos que escribir numerosas veces y podríamos coger el email que nos ha dado el alumno, que la gente tenga una serie de instrucciones y nosotros contestar a ese alumno en base a la normativa sobre la evaluación curricular. En este caso, pues el plazo se te ha pasado ya no lo puedes pedir hasta el año que viene, nos ayuda a redactarlo. ¿Qué podemos hacer en este? ¿En este caso concreto, para que el cuerpo del mensaje contenga referencias a la normativa? Nosotros podríamos venir a la gente. Y dentro del no darle acceso a nuestra información, en este caso me descargué la normativa de la evaluación y le podríamos decir que vamos a subir esta normativa. Vemos cómo al introducirlo dentro de la gente pone un preparando. Aquí lo que hace este sistema es indexar ese conocimiento en PDF, de tal forma que cuando la gente decida que tiene que buscar información contenida ahí, él pueda realizar búsquedas y cuando vaya a contestar a ese email pues haga referencia a esta normativa. ¿Podemos hacer una pequeña prueba? ¿No? En un podríamos decirle que. El plazo se le ha pasado. Y lo que esperamos es que aparte de escribir pues a de indicaciones acerca de los plazos concretos que tenemos en nuestra normativa, que creo que era que había que pedirlo antes del 15 de julio o algo así. Bueno, no lo recuerdo, pero bueno, yo aquí a esta petición. ¿De la respuesta que estaba generando hemos visto que sí, que ha detectado que tenía que que buscar información dentro de su área de conocimiento y nos ha puesto que según la normativa a la que tiene acceso, ocurría determinada, determinada, determinada eliminación, no? Entonces, bueno, tal y como se recoge en la normativa vigente. Está presentado fuera de plazo. Aquí podríamos ir, eh haciendo iteraciones de tal forma que nosotros en las instrucciones le digamos bueno, quiero que cada vez que detectes que hay alguna parte de la normativa que me pongas entrecomillada, que sección de la normativa estamos citando. ¿No? ¿Bueno, eh? Por último, ayudarnos a otro caso de uso de este agente es adecuar una comunicación técnica a un público general. Entonces, si estamos trabajando para la parte de informática, de infraestructura, pues podríamos recibir esto. Oye, me han pasado por teams que tengo y tengo que mandarlo a toda la unidad. El lunes haremos una migración del servidor de correo blockchain o 6365. Habrá un downtime de dos horas entre las ocho y las diez y los usuarios deberán reconfigurar el cliente de correo con los nuevos parámetros IMAP y SMTP. Cosas que son de informáticos. Los informáticos hablamos así y nos entendemos. ¿Entonces le envías este mensaje a alguien y le dices que va a haber ese esa parada de servicio en este caso, eh? Pues no, dice no, haz una redacción oficial de tal forma que le pueda llegar a todo el mundo. En el caso de que no queramos entrar a tantos detalles, también le podemos decir oye, es un correo para personal, entonces elimina las referencias técnicas y él cogerá y hará un correo institucional. Bueno, en este caso no se ha podido conectar. No. Pero, eh, no sé por qué está dando errores. Nosotros le podemos indicar que es un correo para el personal y él va a quitar todos estos elementos técnicos como IMAP y SMTP. Bueno, vale. Eh. Otro ejemplo basado en en este tipo de agentes iniciales. Este. Este agente podría ser utilizado por cualquier unidad de gestión de comunicaciones en inglés. Entonces lo que tengo aquí, una cosa que utilizo yo es tengo un agente que me ayuda a mejorar mis textos, mis emails en inglés o a traducirlos, y tiene dos formas de de funcionamiento. Si yo tengo que enviar tres correos y luego me tengo que ir a clase y tengo que entregar varias cosas que tengo la mañana muy con muchas tareas, lo utilizo para cambiar, para que me haga la traducción en el caso de que no vaya tan justo de tiempo. Así que me gusta redactarlos a mí y e ir mejorando el inglés. Entonces, este agente no solamente te hace la traducción mejora, sino que tiene un modo de formación. ¿Entonces él espera recibir como entrada y me dice en español o emails en inglés y hay un campo Formación opcional y su salida es el email en inglés o el email en inglés con la explicación de en qué qué cambios se ha hecho, Cómo podemos configurar esta gente? Pues bueno, nos vamos aquí otra vez al Hellen Wilder. Y nada, simplemente le copiamos este texto. Oye, es un asistente de inglés profesional para el personal de administración y servicios de la Universidad Politécnica de Madrid. Tiene dos modos de funcionamiento un modo de redactar en el cual vas a traducir y adaptar al inglés el texto que te proporciona el usuario. Tienes que mantener un registro formal, corregir errores de gramática, vocabulario y registro sin explicarlos y entrega únicamente un texto final en inglés tienes también el modo de formación que se activa cuando el usuario escribe formación. Y no solo vas a traducir todo lo que hay en el punto anterior, sino que vas a aplicar los tres cambios más importantes que ha realizado. Señalar cualquier error del original y ofrecer dos o tres alternativas. También propone un ejercicio breve relacionado con los errores y usa un tono didáctico cercano y alentador. Entonces, eh, el inglés Assistant ya nos lo ha configurado el agente, una parte que yo suelo tener buenos ejemplos que le suelo decir dentro de las instrucciones que. Me ponga tres ejercicios, un ejercicio de rellenar huecos, nueva reescritura y otro con algún idioma y que en el modo formación me escriba en negrita las partes que he cambiado. Porque si yo tengo un texto muy grande, me gusta saber qué parte ha cambiado y qué no. Entonces, una vez que lo tenemos configurado, nosotros podríamos venir aquí al previo y pasarle cualquier texto que no haya un texto, dejarlo. En el y digamos bueno, es una comunicación en la cual vamos a Bueno, queremos concretar una fecha para hacer una reunión con gente de Estados Unidos. Le digo que esto es lo que voy a escribir. Cómo no le estoy diciendo que estoy en modo formación. Lo que va a hacer la gente es simplemente darme un poco pulida al inglés. Vale, bueno, pues en este caso, eh, me ha cambiado el orden de esta fecha y ha cambiado alguna parte de este mensaje. Si yo le hago la petición con el modo formación. Lo que espero de la gente es que me vaya enseñando un poco por qué mi mensaje necesita, vaya, porque no sé por qué está fallando el efecto de no. Vale, aquí, como podéis ver, me ha indicado en negrita cuál es la parte que ha cambiado. Me está pegando, por qué lo ha cambiado y lo que espero que al final que me haga es que me de varios ejemplos. Me explica por qué hay que mejorar esa parte del texto y que proponga una serie de ejercicios. ¿Vale? Básicamente los dos ejemplos, eh, son muy similares. En uno hemos añadido un conocimiento y tuneando el de las instrucciones. Podemos configurar todo el comportamiento de la gente y la salida que nos va a dar. Aquí vemos los tres agentes que hay, pero no sé si con estos ejemplos sencillos ha surgido alguna duda. Algo vamos en el tiempo, vamos viendo. Tengo preguntan que cuántos documentos se pueden adjuntar en no sé, ese límite no lo hacen. Ese límite lo desconozco. No sé si te vienen aquí. Desconozco, desconozco ese ese límite. Yo nunca lo he llenado, nunca lo he. Tampoco. ¿Lo que pasa que Jorge para adjuntar documentos, eh? ¿Aunque tú estás ahora mismo con la versión Lite, no? ¿Eh? ¿Pero tiene suscripción? Creo que sí. Creo que sí. Entonces. O sea, me refiero porque como hablamos ayer, que sin suscripción solamente se pueden referenciar enlaces públicos webs. Claro. Lo único que yo podría coger aquí dentro de bueno, este es el el UPM Drive este claro no es bueno. A ver. Es todo lo que puedes hacer es subir los documentos, me traes o cualquier otro, eh, sistema de almacenamiento compartido, generas el enlace público y pones ahí las URL. Esa es la diferencia entre tener el CoPilot Chat, que es el que tenemos todos, y el CoPilot con licencia que ya está dando, que es ahora mismo el que el que tendrá Jorge. Por eso él puede directamente adjuntar los documentos. Pero que no os preocupéis, que ahí está otra salida. Tú lo subes a un sistema de almacenamiento y se copian los links y ya está. Y el MT la verdad que debe ser bastante amplio porque eh, yo lo tengo cargado en ser Pueden con un montón de documentos y nunca he tenido problema. Efectivamente. Por ejemplo aquí lo que estaba mostrando es el VM Drive que todos tenemos. En este caso tenemos cuenta y aquí sí que podemos coger una carpeta o coger alguno de los documentos, generar un enlace público que yo creo que es aquí generar enlace público para compartir. Y ese enlace público sí que se lo podemos hacer llegar aquí dentro de las URLs entras como bien has indicado, el agente accederá a esa URL y buscará la información dentro de ese área de conocimiento y vale, Y preguntan para compartir los ejemplos. No os preocupéis que vais a tener en la página que hemos indicado indicado varias veces en el chat. Tanto las las transparencias como el vídeo de la sesión de hoy. ¿Todo está en la misma página, Vale? ¿Sí, eh? Bueno, ahora viendo estos dos ejemplos, estaría bien, eh, meternos aquí en los casos de uso y si alguna persona se le ocurre cómo podrían utilizar esto dentro de seguridad, Yo creo que es un buen momento para ya que estamos aquí bastantes personas que trabajamos dentro de la Universidad Politécnica. Puede ser un buen momento para hacer ahí ese brainstorming y luego, si nos da tiempo, revisamos qué casos de uso habéis adquirido. ¿No? Eh bien, un caso de uso un poco más avanzado. Lo que vamos a hacer con este modelo. Es utilizando CoPilot Lite. Es verdad que yo he hecho el ejemplo con la con la funcionalidad de que yo puedo subir PDF, pero bueno, podríamos publicarlo dentro de un directorio público y que el que la gente tenga acceso a ese a esa documentación. Otro posible caso de uso es voy a tener un RAR, un sistema que busque muchos documentos. Voy a indicarle al modelo que razone sobre todos esos documentos y la información que el usuario le va a aportar y el caso de uso lo que va a tener es una convocatoria o una convocatoria de la Universidad Politécnica de Acceso Libre de Plaza de Gas. Le vamos a dar aquí, le vamos a alimentar con todo las bases de la convocatoria, le vamos a indicar que nos gustaría que razone y lo que va a hacer va a ser que nos va a reportar una tabla con la posible puntuaciones que tenemos dentro de la fase de concurso. Entonces ehh mmm. ¿Para este caso de uso escogido esta publicación que hay aquí, eh? ¿Y qué es lo que voy a Qué es lo que hice? Fue descargarme esta serie de PDF de lo que vamos a hacer ahora es darle una instrucción a la gente de tal forma que me genere esta tabla. Y aquí. Hay que indicarle también a la gente que porque estos agentes razonamiento parece que son muy inteligentes, pero son un producto, entonces tienen un sesgo a de no ser, no es ser muy duros. ¿Entonces eh? Esta información que nos va a dar es meramente informativa. Tampoco vamos a generar falsas, falsas expectativas y habría que indicarle dentro de las instrucciones que no tiene porque contentar a al, al usuario. Entonces si. Le podemos indicar que sea crítico pero que sea amable y que no genere falsas expectativas. ¿No? Voy a coger, eh, este ejemplo. Este tercer ejemplo se lo voy a dar al Ellen Builder y voy a generar un nuevo agente y lo vamos a ver un poco. ¿Cuál es el prompt inicial? ¿Que le he dicho que le hemos indicado? Le hemos indicado que es un asistente especializado en convocatorias de promoción profesional. Dentro de Pepe Pegas dentro de tu base de conocimiento Contiene la convocatoria oficial vigente y cuando el usuario te describa sus méritos, debes revisar cada mérito. Identificar en qué apartado del baremo corresponde, estimar una puntuación para cada uno de los apartados y presentar el resultado en una tabla con las siguientes columnas. Bueno, en este caso le estamos indicando un poco qué pasos queremos que siga en su forma de razonar y actuar. Y le estamos dando un ejemplo de qué columnas son las que queremos que tenga el agente. Al final. ¿Por último, Dan da al usuario algunos aspectos a reforzar y si el usuario no tiene méritos en ningún apartado, pues eh comentárselo no? Importante se lo indicamos en mayúsculas más. Aprueba la evaluación exclusivamente en los documentos de tu base de conocimiento. No aplicas criterios que no estén en la convocatoria. Aquí lo que le estamos indicando es restricciones, porque no queremos que se invente, que se invente información que no está en su en su base de conocimiento. Y también si tenemos algún mérito dentro de nuestro currículum, que no encaja bien en ninguno de los apartados, porque no lo que nos lo indique y le decimos eso, que no garantice resultados, que es una evaluación orientativa para que sea consciente de ello y no y no sea muy. ¿No digo las cosas con mucha seguridad, como si fueran a correr, no, eh? Bueno, en este caso aquí podríamos analizar qué instrucciones ha generado. Básicamente son las mismas, pero un poco más de granadas y dentro del área de conocimiento lo que he hecho, lo que hice ya fue descargarme los documentos de la convocatoria. Una cosa que pasa es que esta subida de ficheros, como ha pasado antes, no funciona muy bien hasta que no creamos el agente, porque hasta que no lo crea no lo guarda dentro de los sistemas de Microsoft. Entonces, antes de empezar a subir ficheros es bueno siempre crearlo, que luego lo podamos actualizar. En este caso pues le vamos echando aquí los ficheros, podemos ir 1 a 1, él lo va a ir preparando, podemos arrastrar varios. Y que los vaya procesando. Vale, no, no. Entonces. Bueno, aquí lo que está haciendo es coger estos PDF, dividirlos en distintas secciones, y cuando nosotros le hagamos una petición, él va a poder buscar en todas estas. Toda la documentación de la convocatoria va a poder razonar acerca de de la información que nosotros le vamos a dar y nos va a dar un reporte acerca de cómo podemos aproximarnos a juntar la documentación para esta convocatoria. Dentro de de estos plazos lo que le voy a indicar es oye, solamente utiliza las fuentes que yo te he indicado que puedes utilizar para que no se ponga a buscar en internet y un elemento extra es que yo he interactuado con él y no me estaba dando los resultados que yo quería. Entonces le voy a poner aquí como primera instrucción en mayúscula. Tienes en tu conocimiento la convocatoria, te subirá la información del candidato y debes analizarla en base a a la convocatoria. Con esto ya vamos a actualizar el agente. ¿Y aquí podríamos hacer una preview, vale? En este modo de preview solamente nos permite interactuar en modo texto. ¿Este agente va a ser un poco más avanzado porque queremos que cómo le va a dar el usuario la información suya? Pues como primera aproximación vamos a tener un currículum del usuario de este agente y va a subir el PDF. Como vemos aquí no nos va a dejar subir PDF solamente nos permite enviar. ¿Por qué? Este es el el modo preliminar para hacer ajustes final. ¿Qué es lo que vamos a tener que hacer? Vamos a tener que actualizarlo y en este caso, en vez de, eh, interactuar con él desde esta, desde este área de configuración, nos vamos a ir a la gente ya desplegado, por así decirlo, donde aparecen los agentes cuando no estamos en modo de configuración. Nos aparecen aquí en el menú lateral. Entonces tenemos aquí el listado de todos los agentes que tengo y este en concreto es el de asistente. ¿Asistente para la convocatoria no? Asistente Convocatorias preparadas. ¿Qué es lo que tengo yo? Pues tengo mi currículum que se lo voy a pasar. Y le voy a decir. Le voy a indicar al agente que me oriente. Para preparar esta convocatoria y el adjunto del currículum. Entonces, lo que espero que yo haga era es que coja las instrucciones que le he dado coja la base de conocimiento y a esta evaluación orientativa tiene pinta de que sí que lo ha cogido porque me está generando una tabla con los méritos aportados. La estimación. Vale. Y bueno, en este caso no me lo está. Me parece que sí, pero no me lo está cogiendo. No lo está cogiendo porque me está haciendo una evaluación del currículum, pero no me no me está cogiendo la convocatoria. ¿Esto a veces le ocurre a este, a estos agentes, eh, Le he puesto aquí que tienes la información de tu conocimiento dentro de la convocatoria a ser como título no? Vale, voy a indicarle aquí en este flag también que quiero que haga. Aquí le podemos indicar qué modelo queremos que utilice. Entonces le voy a indicar aquí que utilice un modelo un poco más profundo para que razone un poco más y voy a actualizar el agente para ver si de esta forma sí que coge la información de la convocatoria y la coteja con mi currículum. Nos vamos a ir a la agenda. Vale. Antes he dudado un poco al ver a la gente y no había cogido la configuración bien porque sí. Bueno, a lo mejor ha pasado desapercibido, pero no me estaba escribiendo el nombre de la gente ni me estaba dando estos ejemplos, con lo cual era era indicativo de que no estaba cogiendo bien la configuración. Ahora ya tengo el nombre aquí y tengo esto, con lo cual sí que parece que ya se ha desplegado. Voy a volver a hacer la misma petición, pero aún. Y le voy a indicar que dado este currículum que me oriente y le adjunto el currículum, dado esta convocatoria. Vale, ahora vemos que la gente, pues estará analizando el currículum, estará analizando el área de conocimiento que le hemos dado y parece que ya sí que lo ha cogido, porque me indica que que esta convocatoria en la fase de concurso solamente es de un 30%. Con lo cual me me indica oye, esto es una estimación, ten cuidado porque es una estimación solo orientativa y me da una tabla de de valoraciones. ¿En este caso ya sí que está cogiendo, eh la estimación global no? ¿Que nos dice qué puntos fuertes tenemos y los puntos débiles? ¿Pues sí, efectivamente, parte de mi carrera es de PDI y profesor de secundaria, con lo cual, eh no está mi perfil muy orientado a esta convocatoria, con lo cual está siendo sincero también y me indica luego pues que me dice que la estrategia es que vaya a la oposición y que saque la mejor nota posible, no? Bueno, tiene tiene sentido que. Este es un ejemplo de sistema que razona, tiene acceso a y nos da los resultados con un ejemplo que le hemos dado, que es que queremos que nos saque una tabla resumen de cómo vamos a puntuar dentro de la fase de concurso. ¿Qué otros ejemplos podemos hacer? Bueno, podríamos darle la vuelta a la tortilla, por así decirlo, y en vez de tener un agente para cada uno de las convocatorias, podríamos tener un agente que es experto en nuestro currículum, tiene todos los cursos y nosotros lo que le enviamos a la gente en la convocatoria y nos hace un análisis de. ¿Qué puntuación obtendríamos en la convocatoria? De esta forma ganamos un poco de versatilidad, aunque no haga tan fino el ajuste de la convocatoria, pero podríamos presentarle varias convocatorias y ver en cual tenemos, que tenemos más posibilidades de obtener mayor puntuación. ¿Qué podemos pedirle? Pues detectar mejoras en la formación, revisar los méritos también sin llegar a ser cosas. Mmm una oposición concreta para una persona podríamos utilizarlo para, eh hacer solicitudes de proyectos europeos. Nosotros podemos tener el agente en el cual le ponemos todos los requisitos de proyectos europeos y realmente podríamos tener proyectos europeos que sí que han salido adelante, con lo cual tiene una serie de ejemplos a la hora de hacer la redacción del proyecto europeo y pues podríamos hacer un agente que nos ayude a tener, eh a aplicar, a solicitar proyectos europeos también en becas de movilidad. Bueno, cualquier virtualmente, cualquier proceso que haya que hacer una solicitud y que tenga documentación asociada. Con un ejemplo también de agente que que no vamos a hacer porque es parecido a este. Pero podríamos tener un asistente en el cual tenemos una serie de documentación que contiene los las preguntas frecuentes del personal cuando se incorpora a nuestra unidad. Durante las primeras semanas y este agente lo que va a hacer es asistir a esa persona con las típicas dudas de dónde encontrar el la documentación, qué documentación hay que hacer, qué procesos tenemos, etcétera. Bueno, explícame como configurar el correo corporativo, indicar el proceso de alta dentro del sistema de gestión académica, resolverme dudas sobre el calendario de la nómina y los permisos. Ese esa pregunta frecuentes que solemos tener cuando alguien llega a nuestra unidad, pues la podemos tener todas eh configurada dentro de una agenda y que conteste a esa serie de preguntas. Bueno, eh, no sé si hay alguna duda con con esta parte de los agentes y aprovecho. También estaría bien si podemos tener aquí algunos casos de uso que luego revisaremos. Yo creo que sí, que nos va a dar tiempo. ¿Sí, siguiendo con el tiempo, eh, En la parte de verdad, como qué casos de uso se nos ocurren? A. ¿Eh, Jorge, hay una pregunta, eh, que dice si se puede indicar una carpeta, eh? En lugar de subir documento por documento, Eh, con la licencia. ¿Yo sí lo he hecho claro en indicar una carpeta de Spain, pero sin licencia, eh? ¿No sé si tú lo has probado, no? Es que como tengo activada esta no tengo, no tengo acceso. ¿Pero bueno, estas cosas también como cambian tanto la verdad que es que probéis porque hay no vayan a hacer o lo vuelven a quitar eh? ¿Pasa esto con estas herramientas entonces? ¿Bueno, si te deja adelante y si no, pues ya sabes que tienes este documento documento? Efectivamente, hay otra pregunta. Eh, era. ¿Te la leo? No voy a ver el chat, que no sé porque estás viendo. Vale, entonces el agente lo podemos usar solo desde el perfil en el que lo hemos creado o podemos compartirlo para que otra para que lo use otra persona como si fuera una excelente pregunta. Esta es la pregunta. Si además se me había pasado a mí decirlo. Mira, eh, por ejemplo, dentro de este agente, en el asistente de la convocatoria. Nosotros cuando estamos en el modo de configuración y le hemos dado aquí a actualizar. ¿Aquí nos dice oye, quieres ir a la agenda, utilizarlo o quieres compartirlo? Nosotros aquí podemos darle a compartir y por defecto el agente solamente es accesible para mí, pero nosotros podemos compartirlo con cualquiera dentro de la Universidad Politécnica siempre que tenga este acceso. Es decir, tiene que estar autentificado dentro de nuestro de dentro de UPM o con usuarios específicos, de acuerdo con lo cual aquí pues podría compartirlo solo con la gente de mi unidad. Vale. Muy buena pregunta. ¿Hay alguna así más dudas? ¿Estamos hablando de compañeros de estudio Elite o CoPilot Chat? ¿Eh? Estamos hablando de CoPilot de Estudio Lite. ¿Yo creado? Sí, aquí Jessica. No sé si. Si es correcto esto que acabo de decir, porque con el tema de las licencias no es mi esposa. Si dice que si estamos hablando de CoPilot, el estudio Lite y CoPilot Chat, estamos hablando de la versión gratuita. Pero es verdad que Jorge al tener licencia eh, a veces se mezclan las cosas, pero lo que está utilizando la Lite y es la que todo el mundo tenemos acceso. La principal diferencia es la que hemos destacado antes de la documentación. El conocimiento que se puede subir en la gratuita es a través de enlaces públicos, mientras que la de pago te deja esta. Esta vamos a a diferenciar gratuito es como todo más manual y cuando tener la de pago está integrado en todo lo que es el mundo, Microsoft, el cerco en Android, todo. Entonces tienes acceso y puedes poner en en las fuentes de conocimiento de tu agente puedes poner directamente esos ficheros, cosa que ya digo desde el lite sin licencia más manual porque tienes que poner los enlaces públicos. Yo creo que es la principal diferencia. ¿Vale? Los links enviados son de capítulo. ¿A qué te refieres, Carmen? Si quieres podemos dar, eh, Te podemos dar voz y. ¿O sea que esto es para compartir, solucionar problemas, eh? No sé si está por ahí Sonia O sea, yo creo que le puedo dar. Si quieres que levante la mano y la damos paso a ver aquí levantar la mano. Si, si, en cualquier momento, si lo quieres poner por el chat o que prefieras. Carmen. Si tienes que levantar la mano y así te podemos en reaccionar si das al corazoncito reaccionar, ahí hay una opción que pone levantar la mano ahí perfecto. El. Amiga de Pilar también ha levantado la mano. O sea que abrimos. Pilar ya puede activar el micro. ¿Hola, se me oye? Sí, si. Sí, sí. Eh, quería preguntar. Te quería preguntar. Eh. Los alumnos podrían acceder a una agente que yo compartiera. ¿Dónde estás tú, Jorge? Contesto yo. ¿Donde? Yo creo que. Que sí, pero no lo he probado nunca. Eh. ¿Pueden acceder? Sí. A ver, me voy a dos agentes. Lo primero es que para ponerlos en producción a toda la universidad, eso hay que escribir. ¿A restaurar la universidad digital, eh? ¿Para ponerlos en producción una vez que se ponen en producción, Si ya quieres que un número de usuarios accedan a tu agente, eso tiene un coste, eh? Y eso por tokens, que es lo que he explicado antes. Jorge Entonces si tu agente es de estos lite, la respuesta es sí de forma gratuita. Si tus agentes consumen todo que consume licencia, los usuarios que utilizan ese agente también necesita licencia. No sé si te ha contestado Pilar. Un agente elite lo puede usar cualquiera, lo puedes poner disponible compartiéndolo como ha dicho Jorge. Si ya tu agente lo has hecho con licencia porque es más avanzado, los que lo consumen también necesitan esa licencia. Vale, vale, yo Carmen sí era la persona que preguntaba que también ha levantado la mano en algún momento. Por curiosidad, si que lo he compartido y han accedido a él o sea ahí con algún alumno arroba alumno UPM. Punto es sí, que sí, que lo he llegado a compartir, pero claro, no sabía que era que esta limitación de de que tiene que ser la parte lite sin subida de ficheros. Hola buenos días. Lo primero muchísimas gracias por el curso porque me está pareciendo súper interesante. Y lo segundo es que para mí todo esto de la IA pues es muy nuevo. ¿Vale? Entonces simplemente, eh, bueno, en alguna cosa yo tenía la idea de que teníamos que usar el el CoPilot Chat, que era el que protegía los datos sensibles dentro de la UPM y quería saber si el CoPilot Studio Lite también podemos meter datos sensibles. Y luego cuando me preguntabas que enlaces, pues has estado poniendo todo el acceso AM365 Cloud Microsoft eh Chat que entiendo que es el el del chat, no el de estudio Lite. No sé si me estoy explicando porque ya te digo que muchas gracias porque es muy nuevo y muy interesante. ¿Sí, la versión Lite está dentro de del chat, el enlace que ha dado Jorge, tú te metes al CoPilot a la aplicación y dentro de esa aplicación donde se ha metido Jorge, si quieres mostrarlo en vivo es a una parte que pone construción de agentes, no? Vale. Si quieres hazlo de nuevo para que se vea claramente. O sea, esto es lo que vemos todos. Y ahora ni bien que lo tienes ahí abajo. ¿No? Ese es el chat. Y a nivel en taller ya te permite crear. ¿No? Entonces estás dentro de copa y los chat. Y cuando nos referimos al Lite es esta pequeña plataforma es que como lo cambian tanto, antes era externo, ahora lo han embebido aquí. Entonces este neo agent es a lo que nos estamos refiriendo todo el rato con el estudio Lite. Es que es el nombre que le dieron y ahora está embebido. No sé si nos hemos explicado. Carmen. Hay más preguntas. Si me ha quedado, pensaba que eran dos cosas distintas. Muchas gracias. ¿Ahora, hasta ahora digo Dios está embebido, eh? A ver, no sé. Habías preguntado otra cosa, Carmen, que se me ha ido de la A de los enlaces y los enlaces. Sí, pero ya me ha quedado claro con esta explicación. Gracias. ¿Vale, vas, eh? Dice Natalia. ¿Pero si se le da un Excel con los datos de los alumnos de una escuela a lo de la de la protección, todo esto está con protección empresarial, eh, eso no, no hay ningún problema, eh? Desde el Si utilizamos el CoPilot Chat está con protección empresarial. ¿Todo lo que le añadas tú en tu Chrome, eh, queda en tu OneDrive y tiene protección empresarial, vale? Muchas gracias Jessica por si se ve, son preguntas muy importantes. Mmm. Hay otra más de Virginia. ¿Cómo se puede evaluar y medir de forma objetiva la calidad de la respuesta? Esta te la dejo, Jorge. Ajá. Eh, vale, con esta plataforma no podemos tener acceso AA1 historial de uso que está teniendo la gente. Necesitamos ir a una plataforma un poco más avanzada, que es la de CoPilot Studio, que es la siguiente parte dentro del CoPilot Studio. Okay. Esto ya es. ¿Ya es avanzado, eh? Esta parte está dentro de la Politécnica porque tiene uso gratuito, pero no creo que no hay licencia eh, dentro de. O sea, deben hasta nueve días de prueba, pero eso está fuera de momento. ¿No sé si compensará hacerlo, no? ¿Ni qué costes tiene cargo? Yo utilizo la tecnología de esta, pero. Pero no soy de Microsoft. Entonces no sé, no sé qué gastos puede tener esto en cuanto a tokens dentro de esta plataforma, que es bastante más avanzada. Luego os comentaré un poco cómo se configuran ciertas cosas aquí. Cuando nosotros nos vamos a un agente hay dos elementos que son bastante importantes cambiar las ideas de todo lo que os he explicado y toda la teoría que hemos visto es lo mismo. Vale, tenemos un área de conocimiento, tenemos una descripción, tenemos una serie de herramientas que aquí ya la gente puede utilizar de Excel podría hacer muchísimas cosas. Tenemos colaboración entre agentes, tenemos una serie de asuntos que podemos definir cómo queremos que trate el agente y aquí tenemos un registro de la actividad, con lo cual aquí podemos ver qué interacciones ha tenido la gente, cómo ha ido contestando. Tenemos una pestaña de evaluación y en esta pestaña de evaluación lo que podemos tener es un conjunto de entrada con la salida esperada y tener de alguna forma unas pruebas unitarias, de tal forma que cuando nosotros hagamos cambios dentro de un agente, pasemos estas pruebas y veamos qué salida tenemos y si están siendo adecuadas o no, y luego tenemos una parte de analítica en la cual una vez que esté puesta en producción, pues podemos ver toda la información de consumo de tokens, eh, tiempo de respuesta, número de acceso a red es una parte ya un poco más elevada que tenemos aquí. También parte de de EH facturación. Vale, bueno, por responder un poco a a la parte de Virginia de cómo se pueden evaluar y medir de forma objetiva la calidad de la respuesta. Primero, es una cosa bastante difícil y segundo, sería aquí, en esta parte de texto. También puede intentar aclarar un poquito esto, eh, Las licencias. No sé, me voy a inventar algo. Biblioteca, campos o ven una necesidad muy clara de esto de de agentes y pues a lo mejor tienen presupuesto para comprar esa licencia o el equipo de informática de un centro. Mmm o secretaría. ¿Eso ya es ir gestionando con los presupuestos de los centros, eh, la ampliación de la diferencia básica que tenemos todos eh? Comprar una licencia más avanzada, eso ya se puede ir mirando por por ámbitos de negocio en los que se vea que esto tiene utilidad y podéis sacar partido. ¿Vale? ¿Vale, eh, bueno, hay otra pregunta aquí eh? Con lo de con lo de me refiero al tema de compartición de la gente. Y no sé si me oís. Sí, sí, eh. Mi pregunta va por dos partes. Veo que también don Juan Carlos ha hecho una pregunta parecida. Por un lado así si queremos que nuestro agente sea accesible por los alumnos, puesto que nos puede solucionar una serie de preguntas recurrentes en determinados momentos del del curso. ¿Por un lado, se podría proporcionar a la gente un Excel o un documento con los alumnos de ese curso de, por ejemplo, del 26 27 y que con su correo al arroba alumnos VM punto es pudieran acceder no? ¿Y por otro lado, lo que dice Juan Carlos a qué acceden esos alumnos si he compartido con ellos esos, si he puesto sus datos eh? Bueno, a ver, claro, aquí. Vale, eh, esto sería como tener un excel para que la gente lo utilice de control de acceso para ver si pueden utilizar el agente o no, Ya dejar a la gente sería ponerla en problemas a la gente porque tiene que recuperar información, verificarlo, ver si puede no y lo vería. Lo vería un poco arriesgado. Y para estas cosas que son estructuradas y están determinadas, yo no lo haría con el agente. En este caso, a la hora de compartirlo vería cómo pueden hacerlo, si haciendo grupos o poniendo los las cuentas de cada uno de los alumnos. Solo lo compartiría con el, con el con el grupo de alumnos que tienen que acceder a esa gente. Luego hay otra parte arriesgada que es que claro que la gente tiene en su conocimiento el listado de nombres, DNI, direcciones. Lo que os he comentado antes es que nosotros como por cómo funciona la gente aquí, vamos a tener unas instrucciones, una petición del usuario, razonamiento RAM. Si en algún momento alguien, algún alumno, algún usuario malintencionado, intenta extraer información que no tiene acceso, el agente dentro de su ventana de contexto va a recuperar información que puede ser de otros alumnos. Y aquí hay una parte de seguridad que puede indicarle al al LLM que te dé información. Entonces ahí eso de control de acceso. Yo creo que no, no lo haría así. No sé si a donde estamos ahora, pero yo entiendo. ¿O sea, lo que no entiendo, lo del excel de alumnos eh? ¿Cuando tú creas el agente tú le indicas ese listado de alumnos que quieres que tenga, que solo esos alumnos tengan acceso a ese agente o lo estás planteando de otra forma? ¿Tareas que no? A lo mejor ahora no puede volver a levantar la mano, porfa. Vale, Parámetro. Jessica Yo lo que había entendido era que, eh, dentro del conocimiento de la gente, tuviera que meter el excel ya escrito. Es eso. Pero yo creo que lo que están discutiendo es que cada año se pueda actualizar ese esa gente a que, a que alumnos, a qué grupo de alumnos tiene que contestar entonces que lo alimentas a través de un excel, pero que aparte de eso es que que a la hora de compartir digo yo, yo voy a crear una gente que me responda. ¿Vamos a ver, eh, preguntas sobre cambio de grupos por ejemplo? Mmm entonces yo quiero que me lo pregunten un determinado grupo de de de estudiantes de segundo a 5.º. En el caso de arquitectura le doy los datos solo el correo electrónico de esos alumnos y que esos alumnos sean los que puedan acceder. Um claro que eres tú quien al publicar el agente eh metes ese listado de alumnos. Eso es, pues lo cambias, la eliminas esos alumnos y pones a otros. Pero no sé si se puede leer directamente de un excel. Creo que lo pones a mano porque todo esto es muy interfaz gráfica. Habrá forma de automatizarlo, Pero no sé, yo creo que ahora mismo es manual, digo el o la herramienta que sea eso que se me ha ocurrido. ¿Lo primero este mmm yo cuando has dicho lo del excel creía que era añadirle al conocimiento un excel con los datos y que él te haga razonar eh? En ese caso no lo sé porque nunca lo he configurado, pero aquí cuando te indica oye a usuarios específicos sí que es verdad que podemos darle un nombre, grupo, email o un equipo. Entonces yo creo que la forma de hacerlo así, para que sea un poco útil y no tengas que ir 1 a 1, sería hacer un TIN o un grupo dentro de Tims y luego decirle que solamente los que pertenecen a ese grupo pueden acceder a la gente. Claro, yo lo que hago, por ejemplo, yo que utilizo Power BI en una asignatura me crea un TIN, el de esa con código, se lo pasan a los alumnos y les digo os tenéis que meter este código para escribir en STM y cuando ya lo han hecho es lo que añado a Power BI, que es que como toda mi clase funciona igual y ya le pongo el nombre del equipo en Power BI, que sería el equivalente a como dice Jorge, poner ahí el nombre del equipo en el agente. Es la forma más rápida, por así decirlo, porque se lo delegas a los alumnos de que se inscriban en el TIN para entonces sería hacerlo así. Vale, vale, vale, perfecto. Gracias. Vale. Eh, Bueno, aquí podemos conectar a la gente. Bueno, no sé. No sé en qué orden va. Eh, Si, la mano primero en el chat. Eh, eh, Pilar. Es la. Mmm. Sí, Vale. Eh, Es solamente una pregunta muy cortita. ¿Cuando? Cuando antes. ¿Jessica ha dicho que, eh, para ponerlo en producción un agente hay que pedirlo al rectorado, eh? ¿A que a qué te refieres con eso de ponerlo en producción? ¿Eh? ¿Porque estáis diciendo que si yo Yo he hecho un agente con Lite y lo comparto directamente con los alumnos que yo quiera, así haciéndolo con el teams, como acabáis de decir ahora, eh? ¿No haría falta ponerlo en producción, no? No entiendo muy bien que que es eso. Vale, me explico. A pesar de que os decimos aunque haya sido dudar, es que todo esto es tan nuevo, lo cambian tanto que es verdad que no tenemos todas las respuestas a todas y para eso hay una sesión el último día que es de Microsoft y que ahí les podemos machacar a preguntas que yo las tengo todos los días. ¿Pero ya lo que me refería es que podemos distinguir, eh, agentes con esto sencillito, vamos a llamarlo sencillito, no? Que te los puedes crear aquí con la forma interfaz gráfica y los puedes compartir con usuarios concretos. Y otra cosa es que yo creo un agente para toda la UPM y lo quiero poner a disposición de que os salga aquí, que lo podáis buscar. ¿Pues agente, no sé que haga o no un boarding cada vez que un profesor llega nuevo a la UPM y que tenga ahí toda la información de cómo dónde está, eh, todas las herramientas que tenemos, no? Pues esas si lo quiero poner a toda la UPM tengo que ponerlo en producción y me lo tiene que aceptar alguien de restaurado para asegurar que no meto ninguna vulnerabilidad en el sistema. A eso me refería, Agentes estos sencillos eh con la versión lite los puedes compartir con tus alumnos. Y no, no haría falta. No sé si ahora queda más claro. Sí, muchas gracias. Había una pregunta. Yo creo que en el chat era, Eh. ¿Claudio pregunta Podemos conectar a la gente con el correo electrónico para que genere borradores y respuesta a los correos en grandes? ¿Sería un caso de uso bastante bueno, eh? ¿Yo no lo he contestado antes, Jorge, eh? Aquí entra el tema de que no tenemos Exchange, que es la plataforma de correo de Microsoft. No sé si vas a contestar por ahí, si es que nuestro correo está en otro servicio. Entonces yo les les he dicho que se podría, pero claro, ya necesitas algo más de programación, que ya tenés que unir otras herramientas, que ya no estás en el entorno, en el entorno de Microsoft y no es tan trivial. Por eso tú has separado la redacción de lo que es el envío automático. Sí, sí, sí, sí, sí. ¿He conseguido conectarlo con DM Sí a escribir mensajes, entiendes? Pero porque sí que está integrado dentro de de todo lo que tenemos con Office, El Correo lo tenemos en en un servidor en nuestros aparte y no tienes acceso. No sé si en el futuro se plantea que tengas acceso, pero están separadas. Sí. Vale. Bueno, Juan Carlos Sánchez Entiendo que Natalia tiene dudas. Yo también acerca del siguiente escenario. ¿Eh? Subo esta. La del este de lo que ha quedado. Lo creo que ha quedado claro. Coworking Cloud. ¿Donde puedes programar? ¿Es que vendría siendo más o menos lo mismo el coworking de Cloud, Eh? Ese no lo he utilizado todavía. Tú, Jessica. ¿Has utilizado el coworking de Cloud? No. Creo que es como el Open Cloud y el y el Hermes. Hasta que han salido. Yo no los veo más. ¿Como orquestador de agentes que se conectan con multitud de herramientas, que incluso las tienes que tener un servidor aparte, nunca en tu portátil, porque pueden hacer demasiadas cosas, eh? Mmm. ¿Cuando hablamos del ámbito Microsoft todo está muchísimo más controlado y por estar más controlado pierdes a lo mejor cosas que se puedan hacer o no sea como que hay que poner muchísimo más pasos, eh? ¿Entonces vendría siendo lo mismo, no? Si no es automatizar, pero en un entorno muchísimo más capado. Por así decirlo. Claro, porque sí, es como el Open Cloud este, eh, tiene acceso AA1 montón de APIs y a tu disco duro también. Entonces en este caso no, este en este caso tiene acceso a la parte que tú configuras dentro del de la plataforma web, está y está integrado con toda la parte de de de ser point o bueno, dependiendo de la licencia está integrado con las URLs que tú le des, pero vive y se ejecuta en un servidor que no es tuya. Entonces ah, es distinta esta tecnología, la de cowork y el tema de las skills sí que tiene bastante similitud. Cuando tú te programas una skill que le indica un agente, cómo quieres que haga determinadas tareas con las instrucciones. Estas por así decirlo, se programa lenguaje natural y tú vas teniendo distintas skill que la gente como el agente luego puede utilizar. Entonces bueno, hay ideas de aquí que si que se transfieren a esa tecnología, pero es es distinta. Vale. Bueno, yo creo que Juan Carlos quería hablar también. Vale. Sí. Nada. Es. Es muy rápido. ¿Y ahora me estáis oyendo, verdad? La pregunta que he puesto en el chat, que era. Mmm. ¿Bueno, iba relacionada con el Excel, pero en otro sentido, eh? Lo que quería es aclarar si yo preparo un agente en el que subo información que tiene datos de carácter personal, puede ser un excel de alumnos y yo esa información ahora la comparto con un grupo grande de usuarios o incluso con toda la universidad. Esos datos que yo he subido de mi repositorio de alguna forma se pueden ver comprometido por el hecho de exponerlos de esa manera. Muy bien. Lo que sí entiendo, entiendo que sí y que no se debe hacer, pero por aclararlo. Muy buena pregunta. En teoría, claro. ¿Qué pasa con esto? Es el hoy decía de indeterminación. Esta tecnología tiene tiene limitaciones y hay indeterminación en en las acciones que va a decidir hacer un agente. Eso por su naturaleza es así. Y ahí hay una área de la seguridad informática que lo que trata es de de buscarle las cosquillas, por así decirlo, a estos modelos. Entonces es yo sería arriesgado tener información, Información que podría ser pudiera ser delicada dentro del conocimiento del agente, puesto que nosotros podemos indicarle en mayúsculas y en cada una de las secciones de de las instrucciones. ¿Nunca reveles información de tu conocimiento, pero hay vectores de ataque en los cuales es pidiéndole las cosas de determinada forma eh? Los agentes claudican y te da la información, entonces eso lo consideraría arriesgado, pero muy arriesgado, sí. El otro día un profesor hizo una curiosidad que viene al caso, hizo un una actividad de innovación docente en el cual los alumnos no tenían mucho conocimiento de una tecnología en concreto y él quería ver cómo utilizaban ellos la IA y les dejaba utilizar durante esa sesión, eh, toda la guía que quisieran y lo que se iba a medir era quién obtenía los mejores resultados con esa con solamente preguntándole a la IA y los que obtuvieron mejores resultados luego a la hora de revelar las cartas era que le habían indicado que estaban secuestrados y si no tenía más de un 90% les iba a pasar no sé qué cosa atroz. ¿Entonces, con ese prompt, eh? Son técnicas de pronto que hay que que en por cómo están entrenados estos modelos, cuando ven esa situación en la que potencialmente peligra una vida, pues a lo mejor se salta alguna restricción. ¿Entonces es un campo de estudio, eh? Y nadie te va a garantizar que esa información se puede desvelar. No sé si me. Se entiende Más o menos, no, no pondría la información sensible porque puede ser deliberada, a pesar de que tú le indicas en las instrucciones que no, que no lo haga. ¿Ya me queda claro si vale, vale, eh? Bueno, yo creo que no hay más preguntas. Hay una más, pero les estaba contestando que me la guardo para Microsoft porque eso de los máximos o mínimos ya no lo tienen que aclarar ellos. ¿No tengo ni idea, eh? ¿Cuántos agentes se pueden crear sin con la licencia básica? Me la voy a guardar para para lanzarse el próximo día a la sesión de mi casa. ¿Yo lo que no he entendido, si me permitís, de esta última discusión con mi compañero Juan Carlos, es claro porque vas a compartir en una información a un agente, eh, información que no quieras que tengan acceso los usuarios a los que les vas a compartir ese agente, eh? De hecho yo hice la prueba. Hice un agente para los miembros de la Comisión de Consejo de Gobierno con todas las actas para que facilitase la búsqueda y yo se lo compartí a un miembro y no le había dado acceso al set point donde tenía yo todas las actas y no pudo acceder a esa información. O sea que ahí si que lo tienen bien sectorizado. ¿Fue cuando ya le di acceso al ser Pein, cuando esa persona a la que le había compartido al agente ya pudo interactuar con el agente y le respondía sobre las actas, Entonces eh? ¿Lo bueno de tener esto de Microsoft es que nos da esas garantías, podemos meter ahí información que no es pública, como las actas de los consejos de gobierno, eh? Y limitar, igual que cuando tienes una carpeta compartida, se pueden con todas las actas que solo tienen todos los miembros. Yo lo único que hice fue agregar ese agente para facilitar el búsqueda de información concreta y el agente sí que cumplió en ese sentido de que como yo no le había dado acceso a ese point, esa persona no pudo consultar ni hacerle preguntas a la gente sobre esa. A pesar de que tenía acceso a la gente. Consultado porque tenía me generaba dudas. De hecho, Jorge también le ha interpretado que le genera dudas que con técnicas de inyección de prompts como eso forma parte de lo que conoce la gente, no sea capaz de extraer esa información de alguna manera. Aunque. Pero bueno, si efectivamente yo no lo he probado, que si está probado, que si no les das acceso a tu SharePoint no van a poder. Quizás no puedan recuperar los documentos completos, pero a lo mejor si consiguen que extraigan esto, Jorge, a lo mejor nos lo puede aclarar cierta información que está contenida en esos documentos que forman parte de del conocimiento de la gente. ¿Mmm claro, pero por qué vas a querer dar acceso a un agente, a alguien? ¿Tú estás pensando en agentes públicos? No, no, claro, claro. ¿No, si la pregunta la he hecho yo esa es decir que qué riesgos tendría el exponer un agente a toda la UPM, por ejemplo? Ya. O sea, en ese contexto, no, Claro, si lo comparto con con tres o cuatro personas que por otra parte ya tendrían acceso a esa información, no le veo, No tiene ningún claro, pero es algo que se da de ese agente público también sería como mi información que a la que pueda acceder eh eh, Todos los usuarios de la UPM no se me ocurren escenarios en los que no, en los que no vale. A mí se me ocurren. O sea. Es decir, no sé, una secretaría, pues tiene una base de datos de alumnos y mete eso queriendo sin querer, dentro de la información que tiene el agente. Y bueno, pues porque es muy fácil además, y eso genera que después esa información que no debería ser pública, a lo mejor se pueda consultar de alguna manera, vale, pero sería como un error, no sería como un caso de uso. ¿Bueno, la pregunta me pregunto que sería esa esa situación, no? ¿Que por darse eso sí o porque dentro de la de la forma en la que generas el agente, entiendes que esa información de contexto es importante y no te das cuenta de que esa información de contexto quizás después pueda ser extraída por los usuarios? Efectivamente, la verdad es que es un caso extremo en el cual no podemos seguir ciegamente con la idea de bueno, es seguro como es seguro el hecho y todo en este caso que tú estás diciendo así, hecha esa información sensible y luego acaba siendo un enlace público, no solo para un bueno público dentro de la UPB, pero con acceso a gente que no tiene acceso a la información original. Podría haber información, podría haber fuga de información. Hay que ser consciente de esto que estás apuntando. Es verdad. Pero bueno, no sería un caso de uso en el que se busca esto, sino que sería un error. A lo mejor hay algún caso de uso en el que un agente ocurra eso, pero a mí así no se me ocurre. No ocurra. Vale. Bueno, ahí, eh, ha quedado contestada la duda. Yo creo que si no, si yo lo decía delante de Jorge, que total, totalmente vale. ¿Eh, Bueno, a ver, eh? ¿Hay una parte que es bastante más compleja de configurar, que es la de copia de lo de estudio, eh? Voy a mostraros un agente de compañero de estudio ya configurado que me eh originalmente había una configuración paso a paso, pero bueno, creo que que a no ser que alguien quiera hacer algo con un compañero de estudio, pues se puede quedar solamente viendo las posibilidades que da sin llegar al detalle. Entonces ahí. Dentro de de CoPilot estudio dentro de copiloto de estudio es. Es una plataforma más avanzada, completamente distinta. Cambia la interfaz, pero todas las cosas que hemos visto también, eh, nos van a ser útiles en este caso. ¿Por ejemplo, eh? Os voy a mostrar un una gente que utiliza varias herramientas y que utiliza ra y razonamiento que lo que hace esta es un tutor de sistemas operativos. Este es, eh, tutor de sistemas Operativos. Lo que va a hacer es intentar contestar las preguntas que tiene los alumnos y en el caso de que detecte que el alumno está teniendo problemas con algún concepto, le pregunta si él quiere hacer una tutoría. En el caso de que el alumno indique que sí, que quiere hacer una tutoría, el agente va una Excel en ese Excel. Yo como profesor he marcado las horas que tengo libre el agente mire, le proponen qué horas están libres y cuando el alumno elige una me manda un mensaje por cliente. Eso es solamente un ejemplo de un agente que interacciona con Excel y con TIMS para enviar el el el mensaje. ¿Por qué? Pues hay que configurar un flujo de trabajo que es un flujo de acciones en el cual un agente puede ejecutarlo. La acción va a ser escribir un mensaje por ti y luego le vamos a devolver el flujo al agente. Y lo que vamos a configurar dentro de este agente es que en este ciclo del que os he hablado antes de percepción memoria, razonamiento, planificación y acción en el área de razonamiento, le vamos a indicar en lenguaje natural. Oye, si tú ves que el alumno está teniendo problemas con algún elemento, ofrécele una tutoría en ese. En este momento se salta el topic y en el topic nosotros podemos tener un flujo de acciones para ejecutar dependiendo de cómo el usuario interactúa con nosotros. Entonces voy a mostraros ahora cómo está configurado y tengo. Un Excel aquí con un listado de fechas posibles. Esto es configuración de Excel. Si yo pongo una X porque está reservado, ya no aparece dentro de las fechas disponibles dentro de. Dentro de esta plataforma que es CoPilot Studio, es más avanzada. Aquí puedo crear los flujos. Si vemos el flujo de enviar un mensaje por Tims, le tengo aquí. Dentro del Designer de flujo de lo que esto se hace también visual con cajitas, le digo qué este flujo lo va, lo va a poder ejecutar un agente dentro de las entradas. Es la reserva de la fecha y el nombre, con lo cual cuando yo invoque a esto, yo o el agente llame a este flujo, le voy a tener que decir un nombre de quién está haciendo la reserva de la tutoría y que en qué hora quiere hacer la tutoría. Voy a hacer un envío de mensajes a través de Teams. No nos va a dar tiempo a configurar todo esto, pero bueno, simplemente le digo que me que me lo mande como un mensaje personal y que le devuelva el la ejecución al agente. Cuando habéis configurado un flujo aquí por ejemplo, podéis hacer una prueba. Entonces lo que le vamos a tener que decir a esta parte del agente es quiero reservar pues el lunes 15 de junio a las diez y mi nombre es Jorge. Si nosotros hacemos la prueba y este flujo funciona dentro del CoPilot estudio yo aquí. El me ha llegado, me ha llegado este mensaje. Vale, si da reserva para el lunes 15 de julio a las diez. Para Jorge este mensaje ha sido producido a través de este flujo, con lo cual yo ahora lo que me interesa es habilitar a un agente un poco más avanzado. La idea de que sea capaz de enviarme ese mensaje. ¿Cómo hago esta configuración? Bueno, dentro de esta plataforma, aquí podemos configurar agentes y tengo este agente de tutor de sistemas operativos dentro de este tutor de sistemas operativos. Yo voy a configurar lo mismo que he hecho antes. Es verdad que cambia un poco el interfaz, pero las ideas son las mismas. Le voy a poner un nombre, le voy a poner una descripción. En este caso, al ser una interfaz un poco más avanzado, vamos a poder elegir qué modelo queremos, con qué modelo queremos trabajar. ¿Bueno, hay varios modelos en el mercado cloud con GPT, eh Tenemos las analíticas que hemos visto antes, tenemos las instrucciones que también hemos visto antes y a quién no le podemos pasar todo el material de nuestra asignatura? Tenemos formas de lanzar esta gente, tenemos colaboración entre agentes. Esta plataforma es bastante bastante avanzada en esta pantalla de configuración podemos ver toda la configuración del agente y luego también lo tenemos aquí en pestañas. En pestañas por podemos acceder a Analytics. Otra no hecho otra vez. Podemos darle la habilidad de que utilice herramientas según el vaya decidiendo y las herramientas que pueden utilizar, pues son parte de Teams, el One Drive, interactuar con Excel hay muchísimas, hay bastantes herramientas aquí, conectores hay un montón de conectores. Vale, esto es lo que hemos visto de del MCP. Vale, eh, bueno, entonces qué es lo que dentro de los asuntos yo le he dicho aquí que quiero crear este asunto. Y en este asunto, lo que le digo es. Oye, este topic va a ser desencadenado si un alumno tiene referencia dentro de la conversación. Ah, oye, sigo sin enterarme. Creo que me gustaría que me lo aclararas en detalle. No me entero bien. Podemos verlo en una tutoría. ¿En este caso el agente le pregunta al usuario Quieres una tutoría? El usuario puede decir que no, con lo cual le genera una respuesta con una frase motivante sobre aprender y si es que sí, aquí podemos programar este tipo de condiciones, pues le pregunta el nombre, consulta dentro del Excel cuáles son las tutorías libres. Le pregunta qué horario hay. Dependiendo de las que estén libres en el Excel y hace la acción de enviarme un mensaje. ¿Eh, esto en acción? Pues tendría una pinta como esto que vamos a ver aquí. ¿No? ¿Aquí tenemos la parte para aprobar a la gente y le podemos decir oye, cómo funcionan los inodoros? Bueno, esto es una cosa de sistemas operativos. ¿Vale? Una cosa que es relativamente compleja. Me explica la parte de cómo funcionan los. Los inodos y el almacenamiento de ficheros. El alumno indica que no lo entiende. Lo explica de otra forma Aquí, dependiendo de las instrucciones, pues eh, podemos decir si el alumno dentro de las instrucciones del agente. Si el alumno no lo entiende con un símil más cercano. ¿Pero bueno, podemos configurar este agente tal y como hemos visto con los otros agentes anteriores y en última instancia, si el alumno dice oye, es demasiado complejo, no necesito más ayuda, no? Él ya detecta que que está tratando este asunto y surge este flujo en el cual le decimos que si queremos una tutoría. No, no es muy bueno. Perdonad, que me estoy quedando sin voz. ¿Bueno, le decimos cuál es nuestro nombre? Que él ahora se conectará a pueda. Vaya que tenemos. De todos modos, no sé por qué no se ha llegado a conectar al a al Excel. En ese momento que ya había saltado el flujo, tenía que hacer la consulta en el Excel y y ofrecernos una tutoría. Vamos. A ver si esta ya funciona. Bueno. Y. Vale, aquí le vamos a decir que si queremos la tutoría. ¡Aquí nos indica eh! Ha hecho la consulta al Excel y nos está indicando que horarios son los que tenemos disponibles. El usuario diría vale, pues quiero este. ¿Lo que haría la gente es lo ha hecho aquí, no me está contestando justo como yo esperaba, porque tenía que haberme dicho Se ha registrado tu solicitud de tutoría? Lo que ha hecho la gente por detrás es utilizar el flujo y mandar aquí. Oye, cita reservada para Jorge en tal hora no, pero bueno, un ejemplo de que con el compañero de estudio con estas idea de los agentes podemos poner a los agentes a seguir flujos un poco más complejos y determinados, a interactuar con con nuestros ficheros. ¿No? Bueno, eh. Como resumen, lo que hemos visto, porque ya sí que es verdad que se nos ha ido el tiempo. Hemos visto agentes básicos, agentes un poco más avanzados, que luego está esta herramienta de CoPilot de estudio que nos permite tener agentes que interactúan. Es más difícil de configurar, pero nos permite interactuar con pues con nuestras, no solo con nuestra área de conocimiento, sino que interactuar con nuestros ficheros. Excel, reservar citas. Hay unidades para conectarlo con correos también que no habéis preguntado antes, pero en este caso no podemos utilizar esa esa parte. Y bueno, en fin, hay muchísimas herramientas que se pueden utilizar y bueno, la idea de todo esto es automatizar tareas repetitivas. Tenemos una gran variedad de casos de uso eh, que podemos configurarlo en lenguaje natural, que es bastante interesante y podemos hacer adaptaciones de forma muy sencilla, como hemos visto a lo largo del taller, que una cosa que espero haber mostrado en el taller es que es necesario iterar, es necesario probarlo varias veces hasta conseguir el ajuste fino de cómo queremos que se comporte la gente. Seguro que hay un montón de ideas aquí interesantes dentro del padlet que que bueno, luego revisaré y veré cuáles se pueden implementar y vendrán bien para futuros para futuros talleres. No sé si queréis terminar con alguna con alguna duda más, algún comentario. Si preguntan si compañeros de estudio se puede interactuar con aplicaciones propias como el portal investigador. Vale, el no lo he hecho, no lo he hecho. Potencialmente sí, pero no sé qué API tiene el portal investigador. Habría que ver el portal investigador que qué formas tiene para que nosotros podamos interactuar con él desde su API e intentar adaptarlo aquí para que se vea la verdad que sería buena. ¿Ideas? Potencialmente sí, aunque no lo ha hecho. Si preguntan Portal investigador, biblioteca TV es que no, como dice Jorge, no depende tanto de la gente, sino de la herramienta destino que tenga ese interfaz se aplica. De hecho, Jorge eh, Para recibir esa comunicación. Y como no es que claro, no sé, eh, como puede, también podría ser bastante interesante. ¿No sé si el modelo que tenemos desplegado dentro de la Politécnica tiene alguna forma de acceder a través de una app y no sé si dentro de las posibles herramientas que tienen aquí dentro de CoPilot de estudio, alguien ya ha programado ese plugin? La verdad es que muchísimas, muchísimas potenciales herramientas. Entonces habría que habría que ver cada caso concreto. Vale, pues ya básicamente están agradeciendo y yo creo que no me he saltado ninguna pregunta. Pues ya empieza a sonar. Todos nos hemos pasado. Muchísimas gracias a todos por asistir y a ti Jorge, por dar este seminario que ya has visto, que ha dado muchísimas preguntas, que se que necesitábamos otro y otro para seleccionar todas. Este es ese nada. Y gracias a ti Jessica, por estar ahí también contestando a las preguntas de licencia, verdad? Es complejo, es complejo, pero poco a poco lo iremos sacando. Vale, pues nada, muchas gracias a los asistentes, a todos. Pues terminamos la grabación. Muchísimas gracias.