Por: Gino Marín
Publicado el: 03 de julio de 2026
Colaboración Académica para la Universidad CENFOTEC
Armar un asistente de inteligencia artificial que hace tareas por vos —reservar, buscar, responder, comprar— es hoy más fácil que nunca. Lo difícil es otra cosa: estar seguro de que hace bien su trabajo. Esa es la brecha que la primera semana de junio de 2026 vino a atacar, con cuatro herramientas de código abierto que cualquiera puede usar sin pagar licencia.
La idea que las une es sencilla. Estos asistentes, llamados agentes, se volvieron muy capaces, pero las formas de ponerlos a prueba se quedaron atrás. Es como tener un empleado brillante y evaluarlo siempre con el mismo examen viejo, que ya se sabe de memoria. Aprobar deja de significar algo.
Cada herramienta se ocupa de un momento distinto en la vida de un agente, como muestra este esquema.
La primera se llama ASSERT y la publicó Microsoft. Su gracia es que vos escribís, con palabras normales, cómo debería comportarse tu asistente —»nunca prometas un reembolso sin autorización», por ejemplo— y ella lo convierte automáticamente en un examen que revisa si esa regla se cumple. Lo mejor es que, cuando algo falla, te dice exactamente qué regla se rompió. Eso vuelve todo mucho más fácil de auditar.
La segunda, TASTE, es un trabajo de IBM y el instituto Technion. Se dedica a fabricar pruebas difíciles a propósito. Al usarla, sus creadores descubrieron algo revelador: modelos que sacaban notas casi perfectas en los exámenes conocidos se tropezaban feo con las preguntas nuevas. No es que fueran malos; es que el examen anterior era demasiado blando.
La tercera, TaskMem, viene de ByteDance y trabaja sobre la memoria. Un asistente que mira un video largo o atiende durante horas no puede recordarlo todo. TaskMem le enseña a quedarse con lo que de verdad importa para la tarea que tiene entre manos, y en las pruebas eso se tradujo en mejoras claras de precisión.
La cuarta, SkillAdaptor, del laboratorio de la Universidad de Zhejiang junto con Ant Group, resuelve la pregunta que aparece después de cada error: ¿y ahora cómo lo arreglo? En lugar de volver a entrenar todo el sistema —algo caro y lento— encuentra el paso exacto donde estuvo la falla y corrige solo esa parte.
Las cuatro herramientas, lado a lado, con la etapa que resuelve cada una.
Dos de ellas —TaskMem y SkillAdaptor— llegan además con números concretos de mejora sobre lo que había antes.
Lo que ganó cada proyecto sobre su propio punto de partida. Ojo: las cifras miden cosas distintas y no se comparan entre sí.
¿Por qué debería importarte si no construís inteligencia artificial? Porque estas herramientas empujan a la industria en una dirección sana. Ya no se trata solo de tener modelos más potentes, sino de poder revisarlos, corregirlos y sostenerlos con criterio. Y como son gratuitas y abiertas, cualquier equipo puede adoptarlas sin depender de un gigante tecnológico.
Conviene, eso sí, no comprar el entusiasmo entero. Muchas de las cifras las reportan los propios autores, y sumar cuatro herramientas nuevas a la vez trae su propia complejidad. Son señales prometedoras, no promesas cumplidas. Pero apuntan a algo que veníamos necesitando: que confiar en una inteligencia artificial deje de ser un acto de fe y empiece a ser una decisión informada.
—
Nota de MsC. Gino Alonso Marín León · Basada en el ticket KAN-72 · Proyecto Cenfotec · 3 de julio de 2026
