Aviso: este artículo contiene enlaces de afiliado a cursos online. Si te inscribes a través de ellos, DIGITAL WOXTER TECHNEWS puede recibir una comisión sin coste adicional para ti. Elegimos los cursos por su contenido, no por pagos.
Los buenos alumnos no corren a preguntar al profesor después de cada frase: levantan la mano cuando de verdad se atascan. Un equipo de la Universidad Sungkyunkwan (SKKU), en Corea del Sur, ha enseñado esa misma costumbre a los agentes de IA. Su método, llamado SAG, permite que un agente pida consejo a un modelo «crítico» solo cuando de verdad duda, y en una prueba de referencia elevó el porcentaje de tareas completadas del 24,6 % al 78,4 % sin gastar más cálculo que un método de uso habitual, según el artículo científico, aceptado en NeurIPS 2026, uno de los mayores congresos de IA del mundo.
Por qué importa: los agentes de IA, esos asistentes que hacen trabajos de varios pasos como reservar, ordenar archivos o manejar un robot, suelen revisar cada paso con un segundo modelo más grande. Así son más fiables, pero también más lentos y caros de usar. Un agente que sabe cuándo necesita ayuda podría ser más barato, más rápido e igual de fiable.
El problema: pedir ayuda en cada paso sale caro
Las tareas largas son frágiles. Un error al principio, como coger el objeto equivocado, puede acabar en un fracaso total veinte pasos después. Una solución muy popular es añadir un crítico, un segundo modelo que revisa cada acción antes de ejecutarla. Funciona, pero cada revisión cuesta tiempo de cálculo y «tokens» (los trocitos de texto que leen y escriben los modelos de IA, y que los proveedores cobran).
El equipo de la SKKU, que dirige Minhae Kwon en la Facultad de Ingeniería Electrónica y Eléctrica, se hizo una pregunta sencilla: ¿y si el agente solo llamara al crítico cuando su consejo probablemente compensa lo que cuesta? Los economistas lo llaman «valor de la información»: pagar por una segunda opinión solo tiene sentido cuando de verdad no sabes qué hacer.
Cómo decide SAG cuándo preguntar
En cada paso, el agente mira las acciones que puede hacer y la seguridad que tiene en cada una. SAG usa dos señales rápidas, explica el artículo:
- Lo repartidas que están las opciones. Si al agente le gustan muchas acciones casi por igual, está perdido.
- Lo cerca que están las dos mejores. Si la primera y la segunda opción van empatadas, una segunda opinión puede deshacer el empate.
Cuando esas señales dicen «no estoy seguro», SAG llama al crítico. Si no, el agente sigue a lo suyo. Este filtro no necesita entrenamiento adicional, así que se puede añadir a agentes que ya existen.
Hay un segundo truco: el agente aprende de las veces que le ayudaron. Las experiencias que salieron bien con ayuda del crítico se acumulan y se reutilizan, según el comunicado de la universidad, así que con el tiempo necesita cada vez menos al crítico, igual que quien aprende a conducir deja de necesitar los consejos del profesor en cada rotonda.
Los resultados
El equipo probó SAG en tres pruebas largas e interactivas con varios modelos de IA. El resultado estrella llega de ALFWorld, una casa virtual en la que el agente debe hacer tareas domésticas, como encontrar, limpiar o calentar objetos, escribiendo acciones paso a paso:
- El porcentaje de tareas completadas subió del 24,6 % al 78,4 %, con un gasto de tokens parecido al de ReAct, una forma muy extendida de construir agentes. Eso supone unas 3,1 veces más trabajo útil con la misma cantidad de cálculo, según el artículo.
- El resumen de la universidad lo expresa así: el uso de cálculo baja a cerca de un tercio del de los métodos convencionales y el éxito se multiplica por más de tres.
- Un agente pequeño, de 7.000 millones de parámetros (los ajustes internos de un modelo), ayudado por un crítico diminuto de 3.000 millones, rindió más o menos como un modelo del doble de tamaño trabajando solo.
El mismo laboratorio presenta un segundo trabajo en NeurIPS, VAN-Flow, que ataca un problema parecido en el entrenamiento de robots: aprender de datos antiguos puede premiar movimientos arriesgados que solo salieron bien por suerte. VAN-Flow prefiere las acciones que funcionan de forma constante y superó a métodos punteros en más de 40 tareas de control simuladas.
Qué significa para ti, y sus límites
Son resultados de investigación en mundos virtuales, no funciones de una aplicación que puedas descargar hoy. Las pruebas son simulaciones y las tareas reales son más complicadas. Aun así, la idea enamora: más listo, no más grande. Si los asistentes aprenden cuándo pedir ayuda, el mismo trabajo podría hacerse con modelos más pequeños y equipos más baratos, quizá incluso en tu propio portátil o móvil, con menos esperas y facturas más bajas para las empresas que los usan. Ya vimos lo mucho que exigen las tareas largas cuando cuatro agentes de IA se pasaron Minecraft; saber cuándo preguntar podría abaratar mucho ese tipo de trabajo en equipo.
Qué viene ahora
Los dos trabajos se presentarán en NeurIPS 2026. La gran pregunta es si la costumbre de «preguntar solo cuando dudo» funciona igual de bien fuera de los mundos de prueba, en programas y robots reales, donde equivocarse puede costar bastante más que unos cuantos tokens.
Aprender es divertido
¿Quieres ir más allá? Estos cursos online enseñan lo que hay detrás de esta noticia:
- AI For Everyone (en inglés) Coursera: El curso sin tecnicismos de Andrew Ng en DeepLearning.AI, con subtítulos en español: qué puede y qué no puede hacer el aprendizaje automático, para cualquier perfil.
Ver el curso en Coursera - How AI Works (en inglés) Brilliant: Una mirada sencilla al interior de los chatbots: cómo predicen palabras los modelos de lenguaje, los tokens, el entrenamiento y las capas de una red neuronal, con algo de Python al final.
Ver el curso en Brilliant
Sigue leyendo
- Agentes de IA se pasan Minecraft: derrotan al dragón en 27 horas
- ¿Cuánto falta para la AGI? Así están las cosas en 2026
- ¿Qué son los TOPS de IA? El número de los portátiles, explicado
Lo mejor de la semana en tecnología, gratis
Un email a la semana con las noticias que importan, explicadas fácil. Sin spam.
Fuentes
- Selective Critique for Cost-Aware LLM Agents in Long-Horizon Decision Making – arXiv (Heewon Park, Somin Im, Minhae Kwon; Universidad Sungkyunkwan), 5 de octubre de 2026, aceptado en NeurIPS 2026
- Variance-Averse n-Step Offline Reinforcement Learning for Sparse Long-Horizon Environments – arXiv (Guhyeon Kang, Minhae Kwon), 6 de octubre de 2026, aceptado en NeurIPS 2026
- AI framework cuts computing use by two-thirds while more than tripling success in virtual tasks – Tech Xplore (Universidad Sungkyunkwan), 26 de octubre de 2026
