Segun MarkTechPost (AI/ML News), Perplexity ha presentado WANDR, un nuevo estándar abierto diseñado para medir el rendimiento de agentes de investigación que deben navegar amplias y profundas bases de datos. Este instrumento surgió para abordar una brecha crítica en la actual evaluación de inteligencia artificial: la mayoría de los benchmarks actuales se centran en respuestas individuales, ignorando la necesidad de construir colecciones amplias y respaldadas por evidencia. WANDR, que combina elementos de búsqueda amplia y profunda, se basa en 500 tareas reales y desafiantes que simulan trabajos de conocimiento en entornos profesionales.
El sistema evalúa dos componentes clave: la capacidad de identificar un conjunto amplio de entidades relevantes y la profundidad con la que se investigan cada una de ellas. Para lograr esta evaluación, WANDR utiliza una jerarquía compuesta de calificaciones, que permite definir tareas con estructuras flexibles. Por ejemplo, una tarea puede exigir que un agente encuentre 70 empresas (n), cada una con un empleado (m) y una página web de autoridad (k) que respalde la información. Cada rama de esta estructura se valida de forma independiente, permitiendo una verificación rigurosa de la calidad y cantidad de datos. Esta arquitectura puede adaptarse a formatos variados, desde listas planas hasta búsquedas anidadas o matrices.
Una tarea específica, la "ceo_cfo_appointments", exige que el agente identifique al menos 70 empresas estadounidenses, con nombramientos de CEO o CFO anunciados entre marzo y abril de 2026. Para cada empresa, debe proporcionar una página oficial de la nombramiento, y además, una página de autoridad que respalde cada caso. En conjunto, esto genera 140 registros verificados, cada uno respaldado por fuentes confiables. La estructura jerárquica permite no solo medir la cantidad de datos, sino también la calidad de la evidencia y la coherencia entre las afirmaciones.
Para inversores y profesionales peruanos, este avance tiene un significado práctico. En el contexto local, donde las decisiones en finanzas, comercio o desarrollo de políticas dependen de investigaciones exhaustivas, el uso de agentes que no solo generen respuestas breves sino que construyan bases de datos completas y verificadas es clave. Aunque el mercado peruano aún no integra herramientas de inteligencia artificial de este tipo en su operación diaria, el crecimiento de tecnologías que evalúan investigación profunda sugiere una evolución hacia procesos más ágiles y fundamentados en datos. Este tipo de marcos podría eventualmente ser adoptado por entidades públicas o privadas que requieren análisis rigurosos, como fondos de inversión o estudios de mercado. La capacidad de construir respuestas amplias y bien fundamentadas será, en el futuro, un pilar de la toma de decisiones estratégicas.