---
title: Los agentes de inteligencia artificial fallan en la toma de decisiones a largo plazo
url: https://www.dataloco.com/es/los-agentes-de-inteligencia-artificial-fallan-en-la-toma-de-decisiones-a-largo-plazo
published: 2026-10-21T09:25:34+00:00
language: es
section: IA
source: https://the-decoder.de/fehlender-geschmack-ki-agenten-scheitern-noch-an-langfristigen-entscheidungen/
organizations: Microsoft, City University of Hong Kong
publisher: Dataloco
---

# Los agentes de inteligencia artificial fallan en la toma de decisiones a largo plazo

Investigadores de Microsoft y de la City University of Hong Kong han creado un método para evaluar la calidad de las decisiones que toman los agentes de inteligencia artificial en tareas de larga duración.

El nuevo sistema de evaluación, denominado Taste-Bench, consta de 502 preguntas. Cada una incluye la tarea original, el progreso hasta un punto de bifurcación de decisión y dos direcciones posibles. Estas preguntas se basan en miles de ejecuciones de agentes en tareas de investigación de inteligencia artificial e ingeniería de software, utilizando datos de MALT y SWE-bench Pro.

Los autores definen el gusto de un agente como la capacidad de tomar decisiones correctas cuyos costos o beneficios solo se manifiestan mucho tiempo después. El Taste-Bench mide esto analizando trayectorias grabadas para identificar si una elección temprana fue acertada basándose en el resultado final. El sistema distingue entre bifurcaciones paralelas, donde dos intentos independientes divergen, y desvíos, donde un agente se corrige a sí mismo durante una ejecución.

En las pruebas realizadas a 14 modelos de las familias GPT, Claude, Grok, DeepSeek, GLM, MiniMax y Mistral, el modelo GPT-5.6 Sol obtuvo el mejor resultado con un promedio del 59,7 por ciento. El modelo GPT-5.5 le siguió de cerca con un 59,5 por ciento, mientras que el resto de los modelos quedaron significativamente por debajo.

Los resultados muestran que la precisión disminuye a medida que la evidencia necesaria para decidir aparece más tarde en el proceso. Cuando la información decisiva es visible inmediatamente, la tasa de aciertos promedio es del 62,3 por ciento, pero cae al 21 por ciento cuando la evidencia requiere un trabajo posterior extenso, acercándose al nivel del azar.

El estudio también reveló que aumentar la capacidad de razonamiento no mejoró la precisión. Al probar dos modelos con tres niveles de configuración de razonamiento, el cambio al nivel más alto apenas alteró la exactitud, a pesar de que los modelos consumieron la mayor cantidad de tokens de razonamiento en los casos más difíciles.