Intuir

De RAG a agentes: la nueva obsesión del dato es optimizarlo todo (y medirlo bien)

Una oleada de artículos técnicos marca el paso de la IA como demostración a la IA como infraestructura: RAG tratado como ingeniería (chunking y evaluación), agentes que exigen toolchains y métricas, optimización de transferencia de datos y profiling, y una obsesión creciente por robustez (drift) y verificación. La ventaja ya no es el modelo más grande, sino el sistema mejor medido y gobernado.

  1. La IA será evaluada, no solo desplegada

    El futuro inmediato pasa por medir rigurosamente calidad, coste y regresiones en sistemas RAG y agentes. Sin evaluación continua, las mejoras son anecdóticas y los despliegues se vuelven frágiles en producción.

    1. Running Evals on a Bloated RAG Pipeline
    2. Agents Under the Curve (AUC)

  2. RAG se hará más científico: el tamaño importa

    La recuperación dejará de ser “arte” y se optimizará con experimentos controlados: tamaños de chunk, métricas adecuadas y comparativas por dataset. El rendimiento vendrá de iterar con método.

    1. Chunk Size as an Experimental Variable in RAG Systems
    2. Running Evals on a Bloated RAG Pipeline
    3. Why MAP and MRR Fail for Search Ranking (and What to Use Instead)

  3. La IA se volverá resiliente al drift

    A medida que los modelos vivan más tiempo en producción, el cambio de datos será la norma. Detectar drift y reaccionar rápido será clave para mantener precisión, confianza y cumplimiento.

    1. Drift Detection in Robust Machine Learning Systems

  4. Modelos fundacionales aterrizan en datos tabulares

    Tras texto e imagen, la próxima ola se enfocará en hojas de cálculo y bases estructuradas. Modelos como TabPFN prometen buen rendimiento con menos ajuste, acelerando analítica en empresas.

    1. Exploring TabPFN: A Foundation Model Built for Tabular Data

  5. Agentes: menos hype, más herramientas y disciplina

    Los agentes avanzarán cuando se prioricen pipelines mantenibles: herramientas verificadas (MCPs), planificación explícita y marcos para llevarlos a producción. La ventaja será operativa, no solo “razonamiento”.

    1. How to Keep MCPs Useful in Agentic Pipelines
    2. How Agents Plan Tasks with To-Do Lists
    3. Production-Ready LLMs Made Simple with the NeMo Agent Toolkit