Investigación
Construido sobre investigación. Probado contra un producto real.
AgenticObjects se apoya en investigación establecida sobre atención, memoria, toma de decisiones y confianza en el consejo de una máquina, y después se prueba contra el comportamiento de un producto real. Esta biblioteca reúne artículos de investigación, white papers técnicos y estudios de producto: la ciencia que dio forma a la arquitectura, las decisiones de ingeniería que se derivan de ella y el registro operativo con el que cuestionamos nuestros propios supuestos. Léalos en cualquier orden. Copie lo que le sirva.
AgenticObjects · White paper técnico · septiembre de 2026
From Answers to Records
Una guía técnica sobre una agentic analytics que puede defender.
La respuesta de chat, el documento generado, el resumen por correo, el dashboard. Cuatro contenedores, cuatro fallos de aspecto distinto, una causa común: nada de lo que le permitiría defender la cifra viaja con la cifra. Este documento pone los cuatro a prueba frente a una definición de “registro” que precede a la categoría en décadas, expone las cinco propiedades que una salida de IA debe llevar en su lugar, y después hace lo que ninguna demo hace. Abre una ejecución programada real y muestra qué retuvieron los publication gates, qué dejaron pasar, y por qué.
En una ejecución programada a las 05:00, el engine devolvió el borrador de respuesta entero del agente porque catorce cifras que contenía no tenían fuente. En todo el registro, nueve de los once objetos retenidos eran la misma frase: el de mayor crecimiento, el más débil, el más alto.
Para CIO, CTO, responsables de plataformas de datos y el evaluador técnico de un comité de compra.
Documento de investigación · 2026
The Science Analytics Never Shipped
Cuarenta años de ciencia cognitiva sobre atención, memoria y confianza, y por qué casi nada de eso llegó a un valor por defecto de la analítica.
Un agente puede producir hoy findings de forma continua, a un coste que tiende a cero. La persona que los recibe tiene la misma memoria de trabajo que tenía en 1984, el último año en que un resultado de la ciencia cognitiva llegó a un producto de analítica. Este documento trata de la investigación que se acumuló entre medias: qué le compran realmente las explicaciones, cuánto cuestan, y por qué el arreglo que parece obvio empeoró las cosas de forma medible en estudios controlados.
“Las explicaciones aumentaron la probabilidad de que las personas aceptaran la recomendación de la IA, con independencia de que fuera correcta.”
Para CIO, CDO, responsables de analítica, y cualquiera que haya construido alguna vez un dashboard que nadie abrió.
Visión de producto
No es un artículo académico: nuestra tesis sobre agentic analytics, lo que funciona hoy, las siete capas que nuestros agentes están diseñados para leer a continuación y el orden en que las construimos. Horizontes, no fechas.
Estudios de producto
Lo que medimos en un producto en funcionamiento
AgenticObjects · Estudio de producto · octubre de 2026
Qué modelo para qué tarea
Dieciocho modelos de lenguaje, tres tareas, un producto gobernado.
Sometimos a dieciocho modelos de cinco proveedores a tres tareas que el producto realiza cada día: escribir las descripciones de un catálogo de datos, elaborar el informe nocturno de un agente CFO y responder a una pregunta financiera en el chat. Dos jueces de proveedores distintos puntuaron cada salida sin saber qué modelo la había escrito. Ningún modelo ganó las tres tareas, los modelos servidos desde Türkiye quedaron segundos en dos de ellas, y el engine que comprueba cada número retiró 107 cifras que los modelos escribieron pero que no podían rastrearse hasta un resultado de consulta.
Las respuestas de chat más rápidas rara vez decían qué hacer a continuación. Los modelos más rápidos tardaron de media entre 12 y 18 segundos en responder, con el razonamiento desactivado; su orientación a la acción promedió entre 1,6 y 2,1 sobre 5, frente a 4,4 del modelo que lideró. Qué modelos son está en la página del estudio.
Para CIO, CTO, responsables de datos y el evaluador técnico que elige un modelo para analítica gobernada.
También en este sitio, sin nada que rellenar
Doce preguntas para todos los proveedores de esta categoría
HTML abierto. Cópielo, no ponga nuestro nombre en ninguna parte, háganoslas también a nosotros.
Vea cómo se sostienen los controles con sus propios datos
Cuatro semanas sobre su data warehouse, con los criterios de aceptación escritos antes de la primera semana. O empiece por algo más pequeño: un estudio gratuito de descubrimiento de datos le dice qué señales lleva hoy su modelo semántico.