Pides a un asistente que organice una jornada: reunión por la mañana, comida con una amiga, visita a un museo por la tarde. A mitad de plan te enteras de que el museo cierra antes. Lo lógico es cambiar solo ese tramo y dejar intacto todo lo demás. Pues algo tan sensato como eso cuesta más de lo que parece a los modelos de lenguaje que hoy hacen de «cerebro» de los agentes de inteligencia artificial. Un trabajo publicado el 7 de octubre de 2026 en el repositorio arXiv plantea una forma de resolverlo: usar modelos de difusión para parchear planes en lugar de reescribirlos desde cero.

El problema: planes largos en un mundo que no se está quieto

Los llamados agentes son sistemas que no se limitan a contestar una pregunta, sino que encadenan muchas acciones para cumplir un objetivo: consultar herramientas, buscar datos, ejecutar pasos y comprobar resultados. Cuanto más larga es la tarea, más importa planificar bien, porque hay que coordinar submetas, el uso de herramientas y los resultados intermedios a lo largo de muchos pasos.

El problema es que la realidad estropea los planes. Una suposición hecha al principio puede resultar falsa, una herramienta puede devolver algo inesperado o una acción puede fallar sin más. Los autores, encabezados por Syamantak Kumar y Jiarong Jiang, insisten en que un buen agente no solo tiene que saber trazar un plan, sino también revisarlo. Y señalan un detalle clave: muchas veces el fallo afecta a una parte concreta del plan, mientras que lo que va antes y lo que viene después sigue siendo válido.

Si en ese momento el agente regenera el plan entero, se arriesga a introducir cambios innecesarios en partes que funcionaban. Es como reescribir todo un documento porque hay una errata en el tercer párrafo.

Cómo funciona por dentro: rellenar huecos en vez de escribir de izquierda a derecha

Aquí entra la diferencia entre dos familias de modelos de lenguaje. La mayoría de los que usamos a diario son autorregresivos: generan el texto palabra a palabra, de izquierda a derecha, y cada nueva pieza depende de las anteriores. Eso los hace muy buenos continuando, pero incómodos para editar un fragmento intermedio teniendo en cuenta lo que viene detrás.

Los modelos de lenguaje de difusión (dLLM) trabajan de otra manera. Parten de una secuencia con posiciones «tapadas» y van destapándolas en paralelo, refinando el conjunto. Esa forma de trabajar encaja de maravilla con la reparación: basta con tapar la zona defectuosa del plan y pedirle al modelo que la rellene, condicionado a la vez por el principio (el prefijo) y el final (el sufijo) que se conservan.

El marco que proponen, bautizado Plan-and-Patch («planifica y parchea»), sigue un esquema de planificar y actuar:

• El modelo de difusión genera un plan estructurado, con forma parecida a un programa, mediante ese destapado en paralelo.
• El agente lo ejecuta y, cuando algo falla, se seleccionan las regiones afectadas.
• El modelo rellena solo esas regiones, manteniendo fijos los pasos de alrededor.

Qué dicen los resultados

Para comparar, los investigadores enfrentaron dos modelos de tamaño similar, de unos 8.000 millones de parámetros: DreamReasoner-8B como planificador de difusión y Qwen3-8B como planificador autorregresivo. En la prueba Natural Plan, sin entrenamiento específico para esa tarea, el modelo de difusión logró reparar con éxito el plan en el 53,7 % de los casos, frente al 27,0 % del autorregresivo: casi el doble.

Después entrenaron ambos modelos para tareas concretas en dos entornos de prueba, ALFWorld y TextCraft. Ahí la calidad de los planes generados quedó en niveles comparables entre ambos enfoques, pero el de difusión fue más rápido: según el trabajo, redujo la latencia media de generación del plan entre un 39 % y un 46 % respecto a los modelos autorregresivos de referencia.

La letra pequeña

Conviene leer estos números con calma. Se trata de un preprint, es decir, un trabajo que aún no ha pasado por la revisión por pares de una revista. Los experimentos se hacen en bancos de pruebas académicos, no en productos reales, y comparan modelos concretos de un tamaño concreto: no está demostrado que la ventaja se mantenga con modelos mayores o en otros dominios.

Además, la gran diferencia en reparación aparece sin entrenamiento específico; tras entrenar, lo que destaca es sobre todo la velocidad, no una calidad superior. Y el método depende de identificar bien qué región del plan hay que tocar: si se elige mal la zona, el parche puede no servir. Por ahora, no es algo que vaya a notar un usuario en su asistente mañana mismo.

Por qué importa

A medida que los agentes de IA asumen tareas más largas, como reservar, programar o gestionar flujos de trabajo de varios pasos, su punto débil ya no es solo planificar, sino adaptarse cuando algo se tuerce. Este estudio sugiere que los modelos de difusión, todavía minoritarios frente a los autorregresivos, tienen una ventaja natural para corregir sin destrozar lo que ya funcionaba. Si la idea se confirma fuera del laboratorio, los agentes del futuro podrían ser más fiables, más rápidos y menos propensos a «rehacerlo todo» por un tropiezo pequeño.

Fuente: Kumar, S.; Guo, J.; Hamad, H.; Kobayashi, H.; Xiang, Y.; Yang, Y.; Qi, Y.; Bonadiman, D.; Jiang, J. «Plan-and-Patch: Diffusion Language Models for Agentic Planning». arXiv (preprint), 2026. DOI: 10.48550/arXiv.2610.10786. Licencia CC BY 4.0.