Un robot de soporte pasó de resolver una cuarta parte de los tickets a resolver la mitad, sin un modelo mejor
La capa de conocimiento Nexus de Pinecone ya está disponible de forma generalizada. En su propia prueba, los mismos modelos de IA redujeron su costo por tarea hasta en un 80 por ciento y aproximadamente duplicaron la tasa de resolución de un agente de soporte, simplemente dándoles un conocimiento de la empresa mejor organizado en lugar de un cerebro más inteligente.
Pinecone, una empresa que construye infraestructura para sistemas de inteligencia artificial, anunció el 6 de agosto que su producto de “capa de conocimiento”, Nexus, está disponible de forma generalizada. El discurso es inusual para la industria de la IA: en lugar de prometer un mejor modelo, Pinecone promete un mejor conocimiento para el modelo que ya tiene, y sus propios resultados de referencia respaldan esa formulación.
En una prueba interna sobre τ-Knowledge, un punto de referencia abierto para agentes de IA que realizan trabajos de estilo servicio al cliente, Pinecone dio a dos modelos OpenAI existentes, GPT-5.2 y GPT-5.5, acceso a Nexus y los comparó con los mismos modelos sin él. GPT-5.2 respondió correctamente un 12 por ciento más de preguntas y redujo su costo por tarea en un 80 por ciento; GPT-5.5 mantuvo la misma precisión con un costo un 77 por ciento menor. Ambos modelos necesitaban aproximadamente la mitad de “llamadas a herramientas”, las búsquedas individuales que realiza un agente mientras intenta encontrar una respuesta. Pinecone también dirigió Nexus detrás de su propio agente de atención al cliente a partir del 17 de julio: la proporción de tickets que el agente resolvió por sí solo aumentó de alrededor del 25 por ciento al 55 por ciento.
Qué está pasando realmente aquí: la mayoría de los agentes de IA desperdician la mayor parte de su esfuerzo buscando, no razonando. Cuando le hace una pregunta a un agente sobre los documentos internos de una empresa, normalmente tiene que buscar, leer fragmentos de texto y volver a ensamblar el contexto desde cero en cada solicitud, un proceso llamado generación de recuperación aumentada o RAG. Ese paso de búsqueda es lento, costoso y propenso a errores, especialmente cuando la respuesta correcta depende de cómo se relacionan dos documentos entre sí en lugar de lo que está escrito en uno solo. En cambio, Nexus preprocesa (“compila”) los documentos de una empresa una vez en un formato estructurado y consultable, de modo que el agente hace una pregunta única y precisa en lugar de buscar texto sin formato cada vez. La lección se generaliza más allá del propio producto de Pinecone: mucho de lo que parece un modelo de IA poco confiable es en realidad el modelo al que se le entrega información confusa y desorganizada con la que trabajar.
Qué significa esto para usted: si dirige una empresa que explora agentes de IA para obtener soporte, investigación o herramientas internas, este es un replanteamiento útil: antes de asumir que necesita un modelo más costoso o más capaz, verifique si el cuello de botella es realmente cómo se organizan sus documentos y datos existentes para que el agente los busque. Para la mayoría de los usuarios cotidianos, esta es una infraestructura invisible. Pero si se ha sentido frustrado porque el chatbot de IA de una empresa hace las cosas mal con seguridad, este es más o menos el tipo de solución, un conocimiento mejor organizado en lugar de un modelo más inteligente, que es más probable que realmente lo resuelva.
Fuentes
Fuentes: https://www.pinecone.io/blog/pinecone-nexus-generally-available/
Este modelo abierto se volvió tan bueno para encontrar errores que su propio fabricante aún no lo publica
GLM-5.3 de Z.ai encontró 2436 vulnerabilidades en 269 proyectos de código abierto durante las pruebas. La compañía está reteniendo los pesos descargables durante unas dos semanas mientras endurece el modelo, un retraso inusual para un lanzamiento de peso abierto.
