---
title: Los agentes de inteligencia artificial fallan en la toma de decisiones a largo plazo
url: https://www.elseif.net/es/los-agentes-de-inteligencia-artificial-fallan-en-la-toma-de-decisiones-a-largo-plazo
published: 2026-10-21T08:27:58+00:00
language: es
section: Agentes
source: https://the-decoder.de/fehlender-geschmack-ki-agenten-scheitern-noch-an-langfristigen-entscheidungen/
organizations: Microsoft, City University of Hong Kong
publisher: elseif
---

# 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, llamado 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. Los investigadores utilizaron miles de ejecuciones de agentes en tareas de investigación de inteligencia artificial e ingeniería de software, provenientes de fuentes como MALT y SWE-bench Pro, para generar estos puntos de decisión.

El estudio define el gusto de un agente como la capacidad de tomar decisiones estratégicas cuyos costos o beneficios solo se manifiestan mucho tiempo después. Los investigadores señalan que las evaluaciones previas solo medían si un agente completaba una tarea, pero no la calidad de los pasos intermedios. Para solucionar esto, Taste-Bench utiliza la trayectoria posterior de un agente para determinar si una decisión temprana fue correcta.

Se probaron 14 modelos actuales de las familias GPT, Claude, Mistral, DeepSeek, Grok, MiniMax y GLM. El modelo con mejor desempeño fue GPT-5.6 Sol, que alcanzó un promedio de 59,7 por ciento de respuestas correctas, seguido por GPT-5.5 con un 59,5 por ciento. El resto de los modelos obtuvieron resultados significativamente inferiores.

Los resultados muestran que la precisión cae al 21 por ciento, un nivel cercano al azar, cuando la evidencia necesaria para decidir solo aparece tras un trabajo posterior extenso. En contraste, cuando la información decisiva ya es visible en el progreso previo, la tasa de aciertos promedio de todos los modelos es del 62,3 por ciento.

El análisis reveló que aumentar la capacidad de razonamiento no mejoró la precisión. Los modelos consumieron la mayor cantidad de tokens de razonamiento en los casos más difíciles, que fueron precisamente donde más fallaron. Los autores sugieren que esto ocurre porque la información crucial en esos puntos de bifurcación simplemente no está disponible.