Cómo separar la lógica y la búsqueda mejora la escalabilidad de los agentes de IA

Investigadores de Asari AI, MIT CSAIL y Caltech proponen el marco ENCOMPASS, basado en Probabilistic Angelic Nondeterminism (PAN), para desacoplar la lógica de negocio de las estrategias de inferencia en agentes de IA. Esto permite escribir flujos de trabajo lineales y delegar la gestión de incertidumbre a un motor de ejecución, reduciendo la deuda técnica y facilitando la experimentación con algoritmos de búsqueda como beam search o backtracking. El enfoque mejora la escalabilidad en entornos empresariales, demostrándose en tareas como la migración de código legacy, donde estrategias avanzadas de búsqueda superan métodos tradicionales en rendimiento y eficiencia de costos. Esta separación promueve la modularidad y gobernanza en workflows agenticos.