La recuperación agentic es uno de los temas más candentes en la actualidad: todas las empresas desean automatizar tareas, pero no siempre están preparadas. El problema común es lanzar un agente de IA hacia un vasto conjunto de datos y gastar mucho en tokens, obteniendo resultados mediocres y poco útiles.
Para que estos agentes puedan realmente cumplir funciones útiles, se requiere una metodología diferente. No basta con usar modelos más potentes si antes no se mejora la calidad y adecuación de los datos que procesan; sin ello, el incremento de inteligencia no aporta beneficios reales.
Entonces, ¿cómo deberían las empresas organizar su información para que los agentes puedan acceder a ella de forma rápida y precisa? Esta cuestión será abordada en un seminario en directo organizado por The New Stack junto a Vespa.ai y su experta Jenny Morris el próximo miércoles 2 de diciembre de 2026. 
Muchas organizaciones intentan integrar un modelo específico dentro del flujo agentic para traducir las solicitudes del agente al lenguaje de los datos que consulta. Aunque esta táctica tiene su valor, añade un paso extra que puede ralentizar la búsqueda e incrementar el consumo de tokens, generando así una mayor latencia sin un beneficio claro.
Para Vespa, la solución no es añadir más complejidad, sino capacitar a los agentes para que gestionen por sí mismos búsquedas complejas, a menudo de múltiples hilos simultáneos. ¿Cómo lograrlo? Proporcionándoles un «mapa», un archivo en formato markdown, que explique claramente el funcionamiento de las herramientas de búsqueda. Sin campos bien definidos, perfiles de ranking o pautas explícitas, el agente puede realizar consultas genéricas que retrasan la respuesta y reducen la relevancia de los resultados.
Puede sorprender que un simple archivo markdown tenga un impacto tan decisivo, pero Vespa sigue la estela de Anthropic, que ha donado sus «agent skills» a la Linux Foundation, demostrando que la precisión en el lenguaje y en la estructura es fundamental para que la IA actúe eficazmente.
En este webinar titulado “Enseñando a los agentes de IA a buscar como expertos”, se explorará cómo pasar del interés superficial por los agentes hacia implementaciones corporativas capaces y eficientes. Jenny Morris explicará en profundidad su propuesta denominada “agent-ready schema”, enfocada a reducir una de las mayores dificultades actuales: la falta de contexto en las consultas de los agentes.
La sesión será el miércoles 2 de diciembre de 2026, a las 9:30 a.m. hora del Pacífico, y contará con espacio para preguntas. Las inscripciones ya están abiertas.
¿Qué aprenderás en este seminario?
- Por qué la mejora en la capacidad del modelo no soluciona los errores en la recuperación de datos y cómo estos errores se agravan en procesos multi-etapa.
- La importancia de verificar primero qué datos recupera realmente un agente antes de intentar cambiar el modelo de IA.
- Por qué las herramientas de búsqueda diseñadas para humanos no son adecuadas para agentes automáticos.
- Cómo las metodologías «Agent-Ready Schema» y «Schema-to-Skill» ayudan a los agentes a construir consultas empleando campos, filtros y estrategias de clasificación correctas.
Con esta visión, Vespa propone una evolución en el uso de agentes inteligentes, haciendo que trabajen con un conocimiento claro y estructurado, en lugar de con datos desordenados o ambiguos.
