Actualización global e independiente · 16 de septiembre de 2026
Radar diario de IA
Edición concisa · Novedades verificadas, contexto técnico y aplicaciones concretas.
|
|
Periodo cubierto: desde la edición del 15 de septiembre · 4 noticias · Lectura estimada: 8 minutos
Conclusiones ejecutivas
- La tasa media de éxito puede ocultar fallos repetidos. Evaluar varias ejecuciones de la misma tarea ofrece una medida más útil para agentes en producción.
- Parte del coste de búsqueda compleja puede trasladarse de la inferencia al entrenamiento mediante modelos pequeños especializados.
- Los modelos adaptados a un dominio ganan presencia en software empresarial, pero sus comparaciones siguen dependiendo de benchmarks diseñados por el proveedor.
|
Las noticias
|
IBM propone medir si un agente repite sus aciertos, no solo su tasa media
La métrica Passk revela tareas que un agente resuelve algunas veces y falla al repetirlas sin cambios.
Resumen. Investigadores de IBM muestran que un agente ReAct con GPT‑4.1 alcanzó un 77,4% de éxito medio en AppWorld, pero solo completó correctamente las cinco repeticiones en el 53% de las tareas. Su analizador localiza decisiones inestables a partir de una trayectoria y genera instrucciones específicas para reducir esa variación. En el experimento, Pass5 subió al 69%.
Qué ha sucedido. IBM ha publicado la metodología, un informe técnico y el código de ALTK‑Evolve para analizar la consistencia de agentes.
Por qué importa. Una media alta no garantiza que un proceso se ejecute con fiabilidad cuando se repite en producción.
Datos relevantes. Evaluación sobre 168 tareas y cinco ejecuciones por tarea; la brecha entre éxito medio y éxito en las cinco repeticiones bajó de 24,4 a 12 puntos porcentuales.
Limitaciones. Los resultados proceden del equipo creador, usan AppWorld y dos modelos concretos. Falta validar el método en procesos empresariales reales y con más arquitecturas de agente.
Consultar la metodología y los resultados de consistencia
Revisar el código de ALTK‑Evolve
Técnica · Evidencia media
|
|
Google traslada parte del razonamiento de búsqueda al entrenamiento
Retrieve‑for‑Train aprende a generar conjuntos de búsquedas complementarias en una sola pasada no autorregresiva.
Resumen. El sistema usa aprendizaje por refuerzo para optimizar consultas derivadas según relevancia, diversidad y cobertura. Después convierte ese comportamiento en datos de supervisión para un modelo de difusión de 53,9 millones de parámetros. Google informa de una aceleración de 12 a 20 veces frente a métodos autorregresivos de expansión de consultas.
Qué ha sucedido. Google Research ha publicado la explicación aplicada de un trabajo presentado en ICML 2026 sobre búsqueda y recomendación de conjuntos.
Por qué importa. La expansión de consultas con modelos grandes añade latencia y puede generar variantes redundantes. El enfoque propone resolver ese coste una vez durante el entrenamiento.
Datos relevantes. Modelo de difusión de 53,9 millones de parámetros, diez subconsultas por petición y mejora declarada de 12 a 20 veces en velocidad.
Limitaciones. Las pruebas usan un conjunto público de moda y otro privado de música. No demuestran el mismo rendimiento en catálogos, idiomas ni restricciones de negocio diferentes.
Revisar la arquitectura y los experimentos de Google Research
Consultar el artículo científico de Retrieve‑for‑Train
Técnica · Evidencia media
|
|
Salesforce adapta Nemotron a tareas de CRM con el modelo Koa
Koa combina ajuste supervisado y aprendizaje por refuerzo sobre escenarios sintéticos de ventas, servicio y marketing.
Resumen. Salesforce y NVIDIA han presentado un modelo de razonamiento construido mediante postentrenamiento de Nemotron 3 Super. La empresa mantiene los pesos y ejecuta entrenamiento e inferencia dentro de su infraestructura. Koa está disponible para pilotos seleccionados y su disponibilidad general se espera en invierno de 2026 en regiones de Estados Unidos.
Qué ha sucedido. Salesforce ha creado su primer modelo específico para razonamiento y uso de herramientas en flujos de CRM.
Por qué importa. La especialización sobre tareas, políticas y secuencias de herramientas puede ser más útil que un modelo general en procesos bien delimitados.
Datos relevantes. Datos sintéticos de más de 14 sectores, entrenamiento SFT y GRPO, y una reducción declarada de tres veces en errores sobre el benchmark CRM de Salesforce.
Limitaciones. El benchmark y la comparación pertenecen al proveedor. No se han publicado resultados independientes ni métricas de coste, latencia o rendimiento de los pilotos.
Consultar la arquitectura, el entrenamiento y la disponibilidad de Koa
Revisar el contexto independiente sobre el modelo especializado
Técnica · Evidencia media-baja
|
|
Microsoft acepta límites vinculantes al uso de datos escolares en IA
El acuerdo con dos sindicatos docentes prohíbe usar datos de alumnos y profesores para entrenar modelos y exige auditorías externas.
Resumen. El estándar acordado por Microsoft, la American Federation of Teachers y la United Federation of Teachers entrará en vigor el 1 de noviembre para los centros con contrato de Microsoft. También impide vender los datos, emplearlos en publicidad o crear funciones destinadas a fomentar dependencia emocional. OpenAI y Anthropic están negociando acuerdos similares, según Associated Press.
Qué ha sucedido. Una investigación de AP aporta detalles y contraste independiente sobre el acuerdo anunciado la semana pasada.
Por qué importa. El texto convierte principios de privacidad en obligaciones contractuales, auditorías y explicaciones comprensibles para familias y docentes.
Datos relevantes. Aplicación desde el 1 de noviembre, control escolar sobre conservación y borrado, supervisión humana y prohibición de entrenar con los datos cubiertos.
Limitaciones. El estándar solo cubre servicios y centros vinculados por el acuerdo. Su eficacia dependerá de las auditorías y de cómo se aplique la excepción limitada para protección del alumnado.
Consultar las obligaciones publicadas por Microsoft y los sindicatos
Revisar el análisis y las cautelas recogidas por Associated Press
General · Evidencia alta
|
|
|
Radar Instintia
Aplicaciones para negocio
- Agentes. Incorporar una métrica de repetibilidad a las pruebas: ejecutar varias veces las tareas críticas y registrar las que alternan entre éxito y fallo.
- Búsqueda y recomendación. Valorar modelos pequeños especializados cuando la latencia de expansión de consultas limite la experiencia o el coste.
- Modelos de dominio. Exigir benchmarks externos y pruebas propias antes de atribuir a la especialización una mejora operativa.
- Gobierno del dato. Traducir los principios de privacidad a cláusulas auditables sobre entrenamiento, retención, borrado y supervisión humana.
|
|
|
Instintia · AI has your sixth sense
Selección editorial global e independiente. No incluye recomendaciones de inversión ni contenido patrocinado.
Visitar instintia.ai · Contactar con Instintia
|
|