Resumen Técnico: De los LLM Autónomos a la Inteligencia Integrada: Una Encuesta sobre Sistemas de IA Compuestos

1. Declaración del Problema

Aunque los Modelos de Lenguaje Grandes (LLM) han evolucionado hasta convertirse en infraestructura fundamental de la IA, poseen limitaciones estructurales inherentes que obstaculizan su despliegue en entornos dinámicos del mundo real. Estas limitaciones incluyen alucinación (salida fluida pero factualmente inexacta), obsolescencia (incapacidad para acceder a conocimientos posteriores al entrenamiento) y razonamiento acotado (ventanas de contexto finitas que restringen el razonamiento multi-paso y la descomposición de tareas de largo horizonte).

Para superar estas barreras, la comunidad está convergiendo hacia Sistemas de IA Compuestos (CAIS). Los CAIS se definen como arquitecturas modulares y extensibles que integran LLMs con componentes externos especializados, como recuperadores, agentes que utilizan herramientas, planificadores simbólicos, módulos de memoria y codificadores multimodales. Sin embargo, a pesar de su creciente adopción, el panorama de los CAIS sigue estando fragmentado. La literatura existente aborda componentes aislados (por ejemplo, encuestas específicas sobre RAG, marcos de agentes o métodos de optimización), pero carece de un marco unificado a nivel de sistema para el análisis, la taxonomía y la evaluación que sintetice las interacciones en toda la pila tecnológica.

2. Metodología

Los autores realizaron una encuesta sistemática basada en una búsqueda estructurada de literatura en cuatro grandes bases de datos académicas (ACM Digital Library, arXiv, IEEE Xplore, Semantic Scholar) y una inspección manual de las actas de conferencias de primer nivel (ACL, NeurIPS, ICML, CVPR, etc.).

• Alcance de la búsqueda: Publicaciones desde 2020 hasta principios de 2026, dirigidas al período posterior a la introducción de GPT-3 y trabajos seminales sobre RAG.
• Criterios de selección: Se incluyeron artículos que utilizaran un LLM como componente principal de razonamiento combinado con al menos un módulo externo (recuperador, herramienta, memoria, API, codificador o marco de orquestación) y que presentaran resultados empíricos novedosos, arquitecturas o análisis sistemáticos.
• Corpus final: Se conservaron y analizaron aproximadamente 220 artículos.
• Construcción de la taxonomía: Los autores organizaron el panorama a lo largo de cuatro ejes ortogonales: Generación Aumentada por Recuperación (RAG), Agentes LLM, LLM Multimodales (MLLM) y Orquestación.

3. Contribuciones Clave

A. Taxonomía Multidimensional y Marco Unificado

El artículo propone una representación formal de los CAIS como una función $f(L, C, D)$, donde:

• $L$: El conjunto de LLMs (generales o ajustados).
• $C$: El conjunto de componentes externos (herramientas, recuperadores, codificadores, etc.).
• $D$: El diseño del sistema que define la arquitectura, la topología y la coordinación.

La encuesta integra cuatro ejes fundamentales en un marco cohesivo:

1. RAG: Anclaje de los LLMs en memoria no paramétrica externa.
2. Agentes LLM: Toma de decisiones autónoma, planificación y uso de herramientas en bucles iterativos.
3. MLLMs: Extensión de los LLMs para percibir y razonar sobre modalidades no textuales (imágenes, audio, video).
4. Orquestación: El diseño estructural y de coordinación que integra todos los componentes.

B. Análisis Comparativo y Compensaciones

El artículo proporciona cuatro tablas de comparación estructuradas que sintetizan las compensaciones de diseño para cada eje:

• Paradigmas de Recuperador RAG (Tabla 2): Compara enfoques dispersos, densos, basados en grafos, híbridos y LLM-como-recuperador en términos de latencia, recuperación, escalabilidad, interpretabilidad y especificidad de dominio. Destaca que los recuperadores híbridos suelen lograr la mayor recuperación, mientras que el LLM-como-recuperador ofrece flexibilidad a costa de altos costos de inferencia.
• Marcos de Razonamiento de Agentes LLM (Tabla 3): Analiza marcos como Cadena de Pensamiento, ReAct, Árbol de Pensamientos, Reflexión y Self-RAG. Señala que, aunque ReAct es la línea base más adoptada para el uso de herramientas, el Árbol de Pensamientos incurre en altos costos computacionales para una planificación profunda, y la Reflexión ofrece una fuerte recuperación de errores mediante memoria.
• Arquitecturas MLLM (Tabla 5): Compara estrategias de fusión (atención cruzada, puente Q-Former, proyección lineal, nativo de extremo a extremo). Identifica que, aunque el entrenamiento nativo de extremo a extremo (por ejemplo, Gemini) ofrece un razonamiento sólido, los enfoques modulares (por ejemplo, LLaVA, BLIP-2) ofrecen mejor eficiencia y capacidad de actualización.
• Marcos de Orquestación (Tabla 7): Evalúa marcos como LangChain, AutoGen, DSPy y CrewAI basándose en topología, mecanismos de coordinación y soporte de herramientas.

C. Panorama de Estandarización e Interoperabilidad

La encuesta mapea la pila de estandarización emergente como una arquitectura de tres capas:

1. Capa de Esquema: Interfaces de herramientas estructuradas (por ejemplo, llamadas a funciones de OpenAI, Esquema JSON).
2. Capa de Protocolo de Acceso a Herramientas: El Protocolo de Contexto de Modelo (MCP), que estandariza la comunicación entre sistemas de IA y servidores de herramientas externos.
3. Capa de Interoperabilidad de Agentes: Protocolos entre marcos que incluyen Agente-a-Agente (A2A), Protocolo de Comunicación de Agentes (ACP), Protocolo de Red de Agentes (ANP) y Especificación de Agente.
   Los autores argumentan que la interoperabilidad está convergiendo a través de "traducción y en capas" (adaptadores y representaciones intermedias) en lugar de un único estándar universal.

D. Metodologías de Evaluación

El artículo revisa los puntos de referencia en los cuatro ejes, señalando una brecha persistente en las métricas unificadas a nivel de sistema.

• RAG: Evaluado en calidad de recuperación (MRR, nDCG) y facticidad de generación (EM, F1) utilizando conjuntos de datos como HotpotQA y BEIR.
• Agentes: Evaluados en fidelidad de rol, precisión de la traza de razonamiento y eficiencia en el uso de herramientas.
• MLLMs: Probados en preguntas y respuestas visuales, comprensión de documentos y alineación de seguridad (por ejemplo, MM-SafetyBench).
• Orquestación: Medida a través del rendimiento de infraestructura (rendimiento, latencia) y métricas de coordinación del sistema.

4. Resultados y Hallazgos

• Complejidad del Sistema: Los CAIS introducen una sobrecarga de ingeniería significativa. La depuración y la optimización se vuelven superlinealmente difíciles a medida que aumenta el número de componentes integrados.
• Modos de Fallo: La encuesta identifica modos de fallo específicos en MLLM (alucinación visual, inconsistencia cruzada de modalidades) que propagan errores a través de toda la tubería de CAIS.
• Compensaciones de Diseño: No existe una configuración óptima única. Por ejemplo, aunque los recuperadores densos capturan la similitud semántica, carecen de la interpretabilidad de los métodos dispersos; de manera similar, el entrenamiento de MLLM de extremo a extremo produce un rendimiento sólido pero sacrifica la modularidad.
• Brechas de Estandarización: Aunque protocolos como MCP están ganando tracción, la gobernanza de seguridad (autenticación, aislamiento) para interfaces estandarizadas sigue subdesarrollada, introduciendo nuevas superficies de ataque.

5. Significado y Afirmaciones

El artículo se posiciona como la primera síntesis integral a nivel de sistema y cruzada de ejes de los Sistemas de IA Compuestos. Su importancia radica en:

1. Unificar la Investigación Fragmentada: Cierra la brecha entre encuestas aisladas sobre RAG, agentes y modelos multimodales, proporcionando un vocabulario compartido y un marco conceptual.
2. Proporcionar un Plan de Diseño: Al formalizar el modelo $f(L, C, D)$ y analizar las compensaciones, ofrece a investigadores y profesionales una base para diseñar sistemas de IA de próxima generación que vayan más allá de los "solistas autónomos" hacia "orquestadores de conjuntos heterogéneos de IA".
3. Identificar Desafíos Críticos: Delimita explícitamente direcciones de investigación abiertas, incluida la necesidad de tuberías entrenables de extremo a extremo, métricas de evaluación unificadas para tareas interactivas/multimodales y marcos de gobernanza robustos para la interoperabilidad.

Los autores concluyen que, a medida que los CAIS se expandan hacia entornos del mundo real, multimodales e interactivos, una perspectiva a nivel de sistema que sintetice recuperación, agencia, percepción y orquestación es esencial para avanzar en el campo.