La mayoría de los equipos de investigación ya usan agentes de IA para el trabajo recurrente: ordenar candidatos, recomendar ajustes para la siguiente ejecución, planificar un lote, revisar un análisis. El trabajo se repite cada semana. En la mayoría de las configuraciones, el agente se queda como estaba. En su centésima tarea se comporta igual que en la primera, y el error que un experto corrigió el mes pasado vuelve a aparecer este mes.
Este artículo trata de los agentes que mejoran con el uso: qué debería significar eso para un equipo de investigación, cómo lo consigue MS Duplex con los agentes que ya utilizas, cómo un resultado verificado se convierte en un método que reutiliza todo el equipo y cómo juzgar la mejora en tu propio trabajo.
Qué debería significar «mejorar con el uso»
Para un equipo de investigación, la prueba útil es concreta. El comportamiento del agente debería cambiar por resultados que tu trabajo ha confirmado, y deberías poder ver qué resultados provocaron qué cambio. La fluidez y la seguridad no vienen al caso. En investigación, la mejora se nota en menos ejecuciones dedicadas a enfoques que el equipo ya sabe que fallan, mejores primeras elecciones en las decisiones recurrentes y menos correcciones por el mismo tipo de error.
En MS Duplex, la medida es el resultado. Una prueba se supera, llega una medición, un experto aprueba una conclusión o la corrige y explica por qué. De esos resultados confirmados aprenden tus agentes, y con ellos también se evalúa cada cambio de comportamiento. La propia impresión del agente sobre lo bien que lo hizo no es evidencia.
- Una prueba o comprobación que la propuesta del agente supera o no supera
- Una medición o un resultado de simulación de una ejecución que planificó el agente
- La aprobación de una conclusión por parte de un experto
- La corrección de un experto, con el motivo que la justifica
Tu equipo elige cuáles de estos resultados recoge MS Duplex, y tus científicos e ingenieros deciden qué se adopta. Tus reglas van primero.
Cómo cambia el comportamiento de un agente, ronda a ronda
Para el equipo, el día apenas cambia. Tus agentes siguen trabajando con las herramientas que usan hoy, en Claude, Codex, Cursor, otro agente que hable MCP o tus propios agentes a través de la API y el Python SDK. MS Duplex se sitúa junto al modelo, dejando sus pesos tal como están, y recoge los resultados a medida que llegan. MS Duplex aprende de cada resultado confirmado desde la siguiente solicitud.
De ahí se derivan dos cambios. Lo que funcionó pasa al frente: la próxima vez que surge un caso similar, el enfoque detrás de un éxito confirmado está entre lo primero que prueba el agente. Lo que falló deja de proponerse en las condiciones en las que falló. La segunda mitad importa tanto como la primera. Un ajuste que falla fuera de un rango de operación conocido puede funcionar bien dentro de él, así que MS Duplex guarda las condiciones junto con el fallo y retiene el ajuste solo donde coinciden.
Supón que el agente de un equipo recomienda ajustes para la siguiente ejecución de una evaluación recurrente. A lo largo de unas cuantas rondas, el patrón podría ser este:
- Una primera ronda desigualEl agente recomienda ajustes para ocho ejecuciones. Cinco superan la comprobación de aceptación del equipo. Tres fallan, todas con el mismo ajuste llevado más allá del rango en el que el método se sostiene. El equipo confirma ambos conjuntos de resultados.
- Una segunda ronda más acotadaEl agente parte de los ajustes de los cinco éxitos y deja fuera el ajuste que falló donde las condiciones coinciden. Se dedican menos ejecuciones a un resultado que el equipo ya ha visto.
- Una corrección con su motivoUn revisor corrige una recomendación y registra por qué: una comprobación que el agente se saltó importa para este tipo de entrada. Desde la siguiente solicitud, el agente incluye esa comprobación en entradas similares.
- Una primera elección mejorUna combinación poco habitual tiene éxito donde la primera opción habitual se quedó corta. El nuevo enfoque ocupa su lugar al frente, vinculado a la ejecución que lo justificó.
- Una revisión con el registro abiertoEl responsable abre el registro y ve cada cambio en el comportamiento del agente, cuándo ocurrió y qué resultados lo provocaron.
Nada de esto tuvo que esperar a una ejecución de entrenamiento, a un conjunto de datos preparado ni a que alguien reescribiera las instrucciones del agente. El agente mejoró entre revisiones, porque la evidencia siguió llegando entre revisiones.


De un resultado verificado a un método que el equipo reutiliza
Parte de lo que aprende un agente es una preferencia: prueba esto primero, retén aquello aquí. Otra parte es un procedimiento completo. Un investigador se decide por una secuencia de comprobaciones que detecta una entrada defectuosa antes de que consuma una ejecución, o por una forma de preparar los datos que hace justa una comparación entre diseños. Una vez que una prueba o un experto confirma que el procedimiento funciona, MS Duplex lo guarda como método, con sus pasos, las condiciones en las que se confirmaron y el resultado que los demostró.
Un método se usa de una de dos maneras, según lo parecido que sea el siguiente caso.
El siguiente caso similar
Donde las condiciones coinciden con aquellas en las que se confirmó el método, el agente lo aplica directamente. El agente de un colega que hace el mismo tipo de tarea recibe los mismos pasos probados, así que el resultado depende menos de quién haya hecho el trabajo.
Un caso relacionado
Donde algo difiere, como un nuevo formato de entrada, otra herramienta o un rango de operación más amplio, MS Duplex adapta el método a las nuevas condiciones y lo propone para su comprobación antes de que nadie se base en él. Una vez confirmada, la versión adaptada se convierte en un método propio. Con el tiempo, un equipo construye una familia de métodos relacionados, cada uno vinculado al resultado que lo demostró.
Los métodos en los que confía tu equipo se comparten con las personas y los agentes que permiten tus reglas. Un método puede quedarse con un investigador, compartirse con un equipo o convertirse en un estándar en toda la organización. Cada uno se vuelve a verificar allí donde se usa, así que un procedimiento probado en un contexto se comprueba de nuevo en el siguiente antes de confiar en él allí. El agente de un nuevo miembro del equipo empieza con los mejores métodos del equipo ya disponibles, y cuando un experto se marcha, los métodos que desarrolló se quedan con el equipo.


Ver por qué cambió el agente
Es difícil confiar en una mejora que tu equipo no puede rastrear, y aún más difícil defenderla ante quienes financian el trabajo. MS Duplex registra cada cambio de comportamiento: qué hace ahora el agente de forma distinta, desde cuándo y qué resultados lo justificaron. Cada método conserva el resultado en el que se basa. Cuando un responsable pregunta por qué el agente planifica mejores ejecuciones este mes que el anterior, la respuesta está en el registro, con sus fuentes.
El registro es también la forma de corregir un error. Supón que un cambio se basaba en un único resultado que después resultó dudoso. El equipo elimina esa lección, y las recomendaciones que dependían de ella desaparecen con ella, mientras todo lo demás que aprendió el agente se mantiene. Corregir una lección funciona igual: solo cambia esa lección.
A medida que los enfoques demuestran su valor, más decisiones rutinarias pueden resolverse directamente a partir de métodos aprendidos, a menudo sin ninguna llamada al modelo. Donde la evidencia es escasa o el caso no es conocido, la decisión pasa a tu modelo o a un investigador, con el motivo.
- +16 ptsde precisión por encima de un modelo con fine-tuning para la tarea, en trabajo recurrente, sin ninguna ejecución de entrenamiento, en las pruebas controladas de MatterSpace
Esa cifra procede de las pruebas controladas de MatterSpace con MS Duplex en trabajo recurrente. Muestra lo que puede lograr el aprendizaje a partir de resultados confirmados junto a un modelo. Lo que haga por tu equipo es una pregunta que debe responder tu propio trabajo, a juicio de tus propios expertos.
Cómo juzgarlo en tu propio trabajo
La prueba justa de un agente que mejora con el uso es el trabajo recurrente que tu equipo ya hace, medido como lo medirían tus expertos.
- Elige decisiones que se repitan y en las que una ejecución errónea o innecesaria salga cara. La mejora se ve con más facilidad donde el mismo tipo de elección vuelve a menudo.
- Acuerda la medida con tus expertos antes de ejecutar nada: el coste de cada resultado aceptado y reproducible, y el tiempo de experto que requiere.
- Ejecuta en paralelo el mismo modelo, las mismas herramientas, los mismos datos y el mismo presupuesto, con y sin MS Duplex.
- Pide a tus expertos que puntúen los resultados a ciegas, sin saber qué configuración los produjo.
- Lee el registro además de las puntuaciones: errores que dejan de repetirse, correcciones que nadie tiene que hacer dos veces y métodos que llegan a los nuevos miembros del equipo.
Un piloto con MatterSpace sigue ese patrón, sobre tus propios flujos de trabajo, con tus expertos como jueces.
Preguntas frecuentes
¿El agente mejora sin que nadie lo revise?
Mejora a partir de los resultados que tu equipo decide recoger, como pruebas, mediciones y correcciones de expertos, así que sigue mejorando entre revisiones. Tus científicos e ingenieros deciden qué se adopta, tus reglas van primero y, en los entornos gobernados, los pasos que selecciones esperan a una persona antes de ejecutarse.
¿Qué diferencia hay entre una lección y un método?
Una lección cambia lo que el agente prueba o retiene en una situación determinada, como un ajuste que falló en ciertas condiciones. Un método es un procedimiento completo que se ha confirmado que funciona, guardado con sus pasos, sus condiciones y el resultado que lo demostró, de modo que puede aplicarse directamente o adaptarse a un caso relacionado.
¿Tenemos que hacer fine-tuning de nuestro modelo?
No. MS Duplex funciona junto al modelo, dejando sus pesos tal como están, así que no hay ningún conjunto de datos que preparar ni ninguna ejecución de entrenamiento que esperar. Funciona tanto junto a un modelo con fine-tuning como junto a uno general.
¿Qué pasa con lo que aprendió el agente si cambiamos de modelo?
Se queda con tu equipo. La experiencia vive en MS Duplex, en un almacén que es propiedad de tu organización, así que un nuevo modelo o agente parte de los métodos y las lecciones que tu equipo ya ha confirmado.


Construido por MatterSpace
MatterSpace construye MS Duplex para científicos, investigadores e ingenieros de cualquier campo, para que la IA que ya usan aprenda de cada resultado que confirman.









