Salesforce presenta agentes de IA capaces de mejorar sus propios modelos

Salesforce

Los agentes de inteligencia artificial de Salesforce avanzan hacia la automatización de procesos de investigación y desarrollo. La compañía presentó SFR-AutoR&D, un sistema que formula hipótesis, modifica código, realiza experimentos y evalúa modelos para identificar mejoras mediante pruebas controladas.

Un sistema para automatizar la investigación tecnológica

Salesforce AI Research presentó el 11 de noviembre de 2026 SFR-AutoR&D, un sistema de agentes diseñado para ejecutar diferentes etapas de investigación y desarrollo tecnológico.

A diferencia de los asistentes tradicionales, que responden consultas o generan código a partir de instrucciones, este sistema puede intervenir en un ciclo experimental completo. Recibe un objetivo de investigación, identifica posibles modificaciones, implementa métodos alternativos y ejecuta pruebas para comparar los resultados.

La compañía desarrolló dos agentes especializados. AutoR&D-Engineer trabaja sobre bases de código existentes y busca mejoras algorítmicas y de rendimiento. TrainForge explora métodos de entrenamiento, ejecuta experimentos y evalúa los modelos obtenidos frente a referencias previamente establecidas.

Ambos funcionan sobre AutoInfra, una infraestructura de entrenamiento que administra los experimentos y los recursos de procesamiento, incluidas las unidades de procesamiento gráfico (GPU).

Mejoras en modelos de recuperación de información

Salesforce informó que utilizó SFR-AutoR&D para optimizar SFR-Embedding V3, el modelo que emplea en tareas de recuperación de información dentro de Data Cloud.

Posteriormente, el equipo de investigación aplicó el sistema al modelo abierto EmbeddingGemma 2 y desarrolló una nueva versión denominada SFR-Embedding v4.

Los modelos de embeddings convierten textos y otros datos en representaciones numéricas que permiten identificar relaciones y recuperar información relevante dentro de grandes volúmenes de documentos y registros.

En las pruebas realizadas sobre diez tareas públicas de recuperación incluidas en el benchmark MTEB, Salesforce informó una mejora de 6,13 puntos en la métrica nDCG@10. Este indicador mide la relevancia de los resultados que aparecen entre las primeras diez posiciones de una búsqueda.

La empresa también realizó una segunda sesión de experimentación, enfocada en el rendimiento operativo. En esa instancia comunicó un aumento del 36% en el throughput —cantidad de operaciones procesadas en un período determinado— y una reducción del 17% en la latencia, con una pérdida mínima de calidad.

Cómo se controlan los resultados

El sistema no conserva automáticamente todas las modificaciones que produce. Según la documentación de Salesforce, los agentes comparan los resultados con modelos de referencia y mantienen únicamente las mejoras respaldadas por evidencia experimental.

Los investigadores establecen los objetivos, el presupuesto de procesamiento, las condiciones de evaluación y las restricciones sobre los datos utilizados.

La compañía también señala que los conjuntos de datos destinados al entrenamiento de modelos para sus productos deben superar revisiones legales y éticas. Los resultados obtenidos durante la investigación necesitan cumplir requisitos adicionales antes de incorporarse a soluciones comerciales.

Investigación y desarrollo con agentes especializados

SFR-AutoR&D forma parte de los trabajos de Salesforce AI Research sobre sistemas capaces de intervenir en el desarrollo de software y modelos de inteligencia artificial.

La presentación del proyecto incluye documentación técnica, resultados de pruebas y ejemplos de mejoras obtenidas en modelos y bibliotecas de código abierto, entre ellos pandas, USearch y hnswlib.

negociosyplacer

Editor

Negocios y Placer es un medio especializado en la intersección entre negocios, viajes y experiencias. Inspirado en el concepto bleisure —Business + Leisure—, selecciona y explica tendencias, destinos, ideas y experiencias para ayudar a sus lectores a trabajar, elegir y disfrutar mejor.