En el ámbito de la inteligencia artificial, los desafíos relacionados con el comportamiento no determinista de los agentes autónomos son una preocupación recurrente. Estos agentes, al operar de manera independiente, enfrentan un problema fundamental: la falta de un rastro causal claro en sus decisiones y acciones. Este problema no reside en los modelos utilizados ni en las solicitudes iniciales, sino en cómo los agentes interpretan y modifican el estado del sistema. Durante sus operaciones, los agentes llevan a cabo flujos de trabajo que involucran múltiples pasos, acceden a herramientas externas y actualizan continuamente objetos compartidos. Sin mecanismos que permitan un aislamiento adecuado y un control de la versión de los datos, la percepción del mundo por parte de estos agentes puede variar de forma impredecible a lo largo de su ejecución.
Las pequeñas inconsistencias, lecturas obsoletas, escrituras parciales y actualizaciones intercaladas pueden producir decisiones que son difíciles de replicar. El verdadero problema no está solo en la orquestación, sino en la infraestructura de almacenamiento de objetos, históricamente diseñada para artefactos estáticos y no para procesos autónomos concurrentes. Para solucionar este vacío, Tigris propone introducir “instantáneas de cubos completos” y el concepto de “forking” de cubos, capacidades ausentes en los sistemas de almacenamiento de objetos tradicionales como Amazon S3.
Con el crecimiento de los equipos que implementan agentes paralelos, surge la necesidad de superar problemas como los conflictos de escritura, la contaminación entre ejecuciones y los estados irreproducibles. Aunque estos fallos suelen manifestarse en los flujos de trabajo o modelos, la raíz del problema es la ausencia de semánticas de versión de datos. El almacenamiento de objetos se ha convertido en la opción estándar para mantener el estado de los agentes, especialmente con datos no estructurados y en constante evolución. Sin embargo, carece de la capacidad de ofrecer lecturas consistentes, orden causal o aislamiento por agente, lo que puede llevar a que dos agentes actualicen un mismo cubo de datos y sobrescriban el trabajo del otro.
El enfoque de Tigris no se centra en mejorar el rendimiento o añadir otra capa sobre el almacenamiento existente, sino en rediseñar las semánticas de datos para sistemas autónomos con un énfasis en la inmutabilidad. En Tigris, cada escritura genera una nueva versión inmutable y las eliminaciones crean marcadores permanentes en lugar de alterar datos existentes. El sistema mantiene un registro ordenado global de cambios, garantizando un rastreo preciso de los cambios, lecturas deterministas y vistas históricas reproducibles, capacidades que los sistemas tradicionales no proporcionan.
La implementación de “bucket forking” introduce flujos de trabajo similares a Git para manejar datos no estructurados. Al crear un fork, se obtiene instantáneamente una copia exacta del cubo original, permitiendo a los agentes trabajar de manera aislada y segura, sin afectar el conjunto de datos original. Esto facilita la experimentación con nuevos comportamientos de agentes, estrategias de resumen o transformación de datos, así como la depuración o reproducción de ejecuciones previas.
El incremento de los sistemas autónomos en entornos productivos destaca la urgente necesidad de contar con garantías robustas en la capa de datos. Los equipos de trabajo necesitan herramientas como el forking, las instantáneas y el versionado de estados para evitar que errores en el estado compartido conduzcan a resultados inconsistentes, incluso cuando la lógica del agente es correcta. Es imperativo que el manejo de datos en estos sistemas evolucione de manera similar a la gestión del código, garantizando así un nivel equivalente de control y semántica.
La introducción de almacenamiento inmutable, instantáneas y el forking de cubos como elementos básicos es un avance crucial para dotar a los sistemas autónomos de la base de datos que tanto requieren. Aunque muchos equipos no perciban inmediatamente esta necesidad, sin duda se volverá evidente cuando sus agentes empiecen a actuar de maneras impredecibles o difíciles de explicar.
