2026-11-12 · ← Noticias
Microsoft muestra dónde la AI ahorra trabajo y dónde aún necesita a las personas
Microsoft Research ha reunido cinco proyectos distintos, desde una demostración de la conjetura KLS hasta ejecuciones más baratas de coding agents. El hilo común más sólido es el reparto del trabajo: la AI explora opciones y prepara material, mientras las personas eligen la dirección y responden por el resultado.
No se pudo cargar la imagen.
Microsoft Research ha publicado un recorrido de cinco minutos por cinco proyectos. Los resultados abarcan matemáticas, procesamiento multilingüe y funcionamiento de coding agents, así que se trata de un mapa de trabajo reciente, no de un único gran anuncio de producto.
Cinco proyectos comparten la búsqueda de cuellos de botella
El estudio sobre context compaction aporta las cifras operativas más claras. Un análisis de 13,5 millones de sesiones concluyó que menos del 8 % necesitó compactación, pero esas sesiones concentraron el 44 % del coste total de procesamiento de AI. APEC prepara resúmenes en segundo plano y, en las evaluaciones, redujo el coste hasta un 25,4 % y el tiempo de ejecución un 9,6 %, a la vez que mejoró el rendimiento al programar.
El resumen incluye también Latent Core Tokenizer, probado en 104 idiomas, una conversación sobre traducción automática y unas prácticas centradas en robótica. La parte matemática aborda la resolución de la conjetura KLS, abierta durante 31 años. Microsoft afirma que el resultado fue revisado de forma independiente y verificado formalmente con ayuda informática.
Ahorrar en sesiones largas puede importar más que añadir otra función
Para los equipos que despliegan coding agents, importa la distribución del coste. Una pequeña cola de sesiones extraordinariamente largas puede consumir casi la mitad de la factura de cómputo. Preparar el resumen de forma continua ataca un pico operativo concreto en vez de sumar otra capacidad para la demostración.
El resultado matemático muestra otro reparto del trabajo. Las personas dirigieron la investigación mientras los agentes exploraban enfoques candidatos en paralelo. El valor reside en recorrer callejones sin salida a menor coste, no en un matemático autónomo.
El resumen de Microsoft no sustituye a cada publicación
Las cifras proceden de un breve resumen corporativo y de las evaluaciones de sus autores. No muestran cómo funciona APEC con agentes, modelos y repositorios externos ni qué sobrecarga añade a las sesiones normales que nunca requieren compactación. Una mejor tokenización en 104 idiomas tampoco demuestra la misma mejora en cada idioma y tarea.
La reproducción fuera de Microsoft decidirá su valor práctico
APEC debe compararse con la compactación habitual en tareas idénticas, midiendo coste total, tiempo y calidad de los cambios. El tokenizer exige resultados desglosados por idioma. En matemáticas, la señal útil será una nueva revisión independiente del resultado y comprobar si el proceso sirve para otros problemas abiertos.
El veredicto de Lilith
Los cinco proyectos comparten una escena sobria: el agente recorre los pasillos, pero una persona aún sostiene el mapa y firma el resultado.