No vale otro token: estimación de valor marginal para agentes de investigación profunda eficientes | Cómo decidir cuándo un agente debe seguir recopilando información o detenerse para ahorrar coste | Técnica para reducir el gasto de tokens y el tiempo de cómputo en agentes autónomos de búsqueda y análisis

Abstract

PROBLEMA: los agentes de deep research y recuperación autónoma consumen grandes cantidades de tokens y llamadas a herramientas, muchas veces siguiendo rutas de investigación que aportan poco valor incremental. Decidir cuándo detener la recopilación de información es costoso y difícil de automatizar. SOLUCIÓN: el paper propone estimar el valor marginal de cada token o paso de investigación adicional, de modo que el agente pueda decidir dinámicamente si un nuevo paso de búsqueda, lectura o herramienta merece la pena o si conviene detenerse y sintetizar la respuesta. Esto convierte la eficiencia del agente en un problema de decisión basada en valor esperado. METODOLOGÍA: se introduce un componente de estimación de valor marginal que puntúa, en tiempo real, el beneficio esperado de continuar frente al coste de tokens, integrado en un agente de investigación que combina búsqueda web, lectura de documentos y razonamiento. El sistema se evalúa sobre tareas de deep research comparando consumo de tokens, número de pasos y calidad de la respuesta final frente a agentes sin control de parada (10 autores). RESULTADOS: el enfoque reduce sustancialmente el gasto de tokens y el número de pasos manteniendo o mejorando la calidad de las respuestas, mostrando que gran parte de la investigación adicional tiene valor marginal casi nulo. RELEVANCIA: ofrece un mecanismo de control de costes y latencia para agentes RAG y deep-research, crítico para desplegar asistentes autónomos de investigación a escala y en producción.