Cómo Tavily creó un sistema de IA capaz de investigar como un analista humano

Tavily, una startup especializada en sistemas de búsqueda para agentes de IA (programas autónomos capaces de realizar tareas complejas sin supervisión constante), acaba de presentar Deep Research según informó en el blog de Hugging Face (una plataforma donde desarrolladores comparten y descargan modelos de IA ya entrenados). Se trata de una herramienta que promete automatizar el trabajo de investigación profunda: lee artículos completos, navega entre enlaces relacionados, sintetiza información de múltiples fuentes y genera informes estructurados en lenguaje natural. Lo que un analista humano podría tardar horas en completar, Deep Research lo hace en cuestión de minutos.

El sistema combina varios modelos de lenguaje de última generación (LLM, siglas en inglés de 'Large Language Models', los programas que entienden y generan texto como ChatGPT o Claude) con una arquitectura de búsqueda diseñada específicamente para agentes autónomos. A diferencia de un buscador tradicional que devuelve una lista de enlaces, la API de Tavily (la interfaz que permite a otros programas comunicarse con su sistema) está optimizada para que los agentes de IA puedan navegar, filtrar y procesar información de forma recursiva: si una fuente menciona un dato relevante, el agente puede seguir ese hilo automáticamente hasta obtener el contexto completo.

Según Tavily, Deep Research utiliza una combinación de modelos como GPT-4o y Claude 3.5 Sonnet (versiones avanzadas de los LLM de OpenAI y Anthropic respectivamente) junto con técnicas de RAG (Retrieval-Augmented Generation, un método que permite a los modelos consultar bases de datos externas en tiempo real para mejorar sus respuestas). El proceso incluye una fase de planificación donde el sistema descompone una pregunta compleja en subpreguntas manejables, una fase de búsqueda iterativa donde navega entre fuentes verificando información cruzada, y una fase final de síntesis donde redacta el informe completo con citas a las fuentes originales.

La compañía asegura que Deep Research supera a otros sistemas similares en benchmarks estándar (pruebas estandarizadas para medir el rendimiento de modelos de IA) como FRAMES, que evalúa la capacidad de un agente para responder preguntas que requieren consultar múltiples documentos. La clave, según Tavily, está en haber diseñado tanto el motor de búsqueda como el orquestador de agentes de forma conjunta, en lugar de conectar herramientas genéricas. Esto permite que el sistema entienda mejor qué información necesita en cada paso y cómo estructurarla.

Deep Research está disponible como API de pago, orientada principalmente a empresas que necesitan automatizar tareas de análisis de mercado, due diligence (investigación previa a inversiones o acuerdos comerciales) o monitorización de tendencias. Tavily también ha liberado parte del código y la metodología en repositorios públicos para que otros desarrolladores puedan replicar o mejorar el sistema. La herramienta se une a una ola creciente de agentes de IA especializados que buscan reemplazar tareas cognitivas repetitivas, aunque queda por ver cómo se regulará el uso de contenido web a gran escala por parte de estos sistemas autónomos.