El Problema del «Corte de Conocimiento»
La teoría del iceberg funciona casi siempre. Lo decía Hemingway y lo decía un señor de mi pueblo, que nunca se fiaba. «Moita fachenda e pouca fazenda», decía. Mucha razón.
Cuando los usuarios interactúan con ChatGPT o Claude, solo ven el pico de la masa, una interfaz elegante, diseñada para el consumo humano. Pero el verdadero peso es el Control Layer que opera bajo la superficie. Ahí es donde se gestiona el flujo de entrada y salida, decidiendo qué fragmentos de la realidad alimentan al modelo.
A día de hoy, el mayor cuello de botella arquitectónico es que los modelos de lenguaje siguen siendo, en esencia, «bibliotecarios geniales». Su genialidad reside en su memoria paramétrica —un archivo estático congelado en el tiempo tras su entrenamiento—. Pero confiar solo en esta memoria como fuente de información en un universo proteico como es la red, donde los contenidos se crean y actualizan constantemente, es una receta excelente para la alucinación sistémica.
¿El «Grounding» es la Nueva Búsqueda?
El grounding (en español se suele traducir por anclaje) ha dejado de ser una simple función de recuperación de datos para convertirse en un problema de diseño de sistemas. En el ecosistema de los agentes autónomos, la búsqueda ya no tiene como objetivo que un humano haga clic en un enlace azul; el objetivo es proporcionar «objetos de evidencia» precisos para el loop de inferencia de la IA. SELF-RAG: Learning to retrieve, generate and critique through self-reflection
Una ventaja que tenemos los humanos respecto a la aptitud de un sistema es que toleramos resultados imperfectos. Si el primer resultado en Google no resulta satisfactorio podemos pasar al siguiente, luego al siguiente y al siguiente; y así hasta el límite psicológico de la temida segunda página de Google.
Llegados a este punto las normas de Internet obligan a incluir un meme en el texto. Yo he escogido este
Un agente de IA operando bajo restricciones de presupuesto de tokens no tiene ese lujo. Si el grounding falla, el razonamiento colapsa. Ver y también
Markdown y la economía del token
Durante dos décadas, las APIs de búsqueda tradicionales nos alimentaron con fragmentos de 160 caracteres. El nuevo estándar (que parece que ha venido para quedarse) es el Markdown. APIs nativas como Firecrawl o el LLM Context de Brave tienen como objetivo eliminar la necesidad de procesos de scraping secundarios, entregando contenido limpio y estructurado en un solo paso.
La importancia de Markdown al final es económica (en sentido extenso). Al purgar anuncios, menús de navegación, banners de cookies… (por no hablar de docenas de .js puestos ahí «por si acaso», como en el chiste aquel de un alcalde tan previsor que había construido un puente por si algún día tenían río) evitamos «quemar» tokens innecesariamente, permitiendo que el modelo se concentre en el núcleo semántico del mensaje.
| Formato | Alcance técnico | Impacto en Tokens |
| Búsqueda Tradicional | Metadata y snippets de 160 chars. | Bajo: Requiere scraping adicional. |
| Brave LLM Context | «Smart chunks» de hasta 400 chars. | Medio: Optimizado para respuestas rápidas. |
| Búsqueda Nativa (Firecrawl) | Extracción completa en Markdown. | Eficiente: Cero ruido de banners/scripts. |
La velocidad es parte del pensamiento
En la economía de los agentes autónomos, la latencia es una parte integral del proceso de razonamiento. En la economía de los agentes autónomos, la latencia es una parte integral del proceso de razonamiento. Los datos publicados sobre el sistema Web IQ de Microsoft establecen un estándar con una latencia P95 inferior a 165ms, lo que representa -alegan- una diferencia ~2.5 veces más rápido que cualquier alternativa cercana.
Esta velocidad es crítica porque la búsqueda ahora vive dentro del bucle de pensamiento de la IA. Si un agente necesita realizar múltiples consultas secuenciales para verificar un dato, cada milisegundo cuenta. DiskANN3, una tecnología de indexación permite que los índices semánticos sean «vivos»: pueden absorber actualizaciones en milisegundos sin perder calidad de búsqueda lo que permite que la memoria del sistema refleje el estado actual de la web casi de forma instantánea…
Hemos llegado a un punto en el que es inevitable incluir un segundo meme. Entre la rica panoplia que nos ofrece la red me quedaré con este
Búsqueda Semántica vs. Palabras Clave: La Geometría de Harrier
Estamos presenciando el fin de la era de la coincidencia exacta de palabras clave. Básicamente, las antiguas keywords explotan en un universo de prompts, indetectable por razones técnicas que las empresas dedicadas a vender análisis de visibilidad en LLMs se empeñan en intentar no entender de una forma tan entusiasta que resulta casi conmovedora. Por cierto para entender esta evolución hay una tabla muy ilustrativa en este artículo de Natzir Turrado (que está muy bien explicado, pero tiene una alarmante falta de memes de gatetes)
La arquitectura de 2026 pasa a ser Semantic-first, impulsada por modelos de embeddings como Harrier. A diferencia de los viejos patrones encoder-céntricos, Harrier utiliza arquitecturas decoder-only con last-token pooling, lo que permite una captura de relevancia mucho más fina.
Este cambio significa que las redes neuronales ahora buscan por «proximidad de ideas» en un espacio vectorial multidimensional. Harrier define la «geometría del sistema»: si la relación conceptual entre dos hechos no está preservada en esta geometría, el agente no podrá recuperarla. Esta capacidad reduce drásticamente las alucinaciones al encontrar fuentes conceptualmente ricas incluso cuando la consulta y la fuente no comparten una sola palabra clave.
Hacia el Bucle de Aprendizaje Propio
La infraestructura de búsqueda ha dejado de ser un accesorio para convertirse en el sistema operativo de la red agéntica. En esta frontera, el activo duradero no es el modelo que alquilas (ya sea de OpenAI o Anthropic), sino el bucle de datos y aprendizaje que posees.
El protocolo OpenEnv se perfila como el estándar para estos entornos de aprendizaje, permitiendo que los agentes no solo busquen, sino que aprendan de cada interacción con la red. El cambio en el costumer journey del usuario es radical y esencial: La web ya no es necesariamente un destino, es el cerebro externo que alimenta otros touchpoints en los que las empresas, negocios, marcas… contactarán con los usuarios. Aunque es difícil hacer predicciones en este contexto también es tentador (quizás hasta demasiado fácil) pensar en un universo digital en el que las antiguas webs sobrevivan únicamente como una fachada digital y un repositorio de datos estructurados intentando seducir a un enjambre de agentes que operan en un delicado equilibrio entre la efectividad y la economía de tokens.
Y como este blog en el fondo va de buscar excusas para poner música cerramos con 091 y «Zapatos de piel de caimán». Un amigo me dijo una vez que creía que no había nada importante que decir que no estuviese en esta canción. Eso es mucho decir, claro, pero el caso es que se dijo.
