NVIDIA lanza AI-Q para investigación profunda en frameworks de agentes

NVIDIA ha presentado AI-Q, un sistema que añade capacidades especializadas de investigación profunda a los frameworks de agentes. En lugar de integrar la investigación en agentes generales, AI-Q traslada esa función a un backend independiente, de modo que orquestadores como Claude Code puedan centrarse en gestionar los flujos de trabajo.

Por qué los agentes convencionales se quedan cortos

Frameworks como Claude Code, Codex y LangChain Deep Agents funcionan muy bien como orquestadores: gestionan sesiones y cadenas de herramientas, ejecutan código y entienden la intención del desarrollador. Pero cuando se trata de investigación seria, como sintetizar muchos documentos, elaborar revisiones fundamentadas o hacer análisis con fuentes citadas, la complejidad se dispara. Integrar esa lógica en el agente es ineficiente e incómodo.

Cómo funciona AI-Q

AI-Q funciona como un skill independiente, una capacidad adicional que el agente puede invocar. El sistema incluye un pipeline completo de investigación: clasificación de la intención, diálogo con el usuario para aclarar, búsqueda superficial para respuestas rápidas y análisis profundo para una síntesis de múltiples puntos.

• Clasificación de la consulta: determinar si basta una consulta rápida o hace falta una investigación completa
• Aclaración con una persona: si la pregunta no está clara, el sistema hace preguntas de seguimiento
• Búsqueda superficial: encontrar rápidamente la respuesta a consultas sencillas
• Análisis profundo: sintetizar numerosas fuentes y ofrecer enlaces

La calidad se evalúa con estándares como FreshQA y Deep Research Bench. NVIDIA usa benchmarks reales para asegurarse de que el sistema ofrece resultados fiables.

Datos corporativos integrados

Un punto interesante: AI-Q admite servidores MCP (Model Context Protocol) autenticados como fuentes de datos. Esto significa que el agente puede investigar los documentos internos de una empresa sin filtrarlos al exterior. NVIDIA contempla tres patrones de autenticación: servidores abiertos, cuentas de servicio para datos corporativos compartidos y tokens bearer para conservar la identidad del usuario.

«El pipeline completo de investigación, que incluye clasificación,

aclaración, análisis superficial y profundo, se ofrece como una capacidad de alto nivel»

Despliegue flexible

Las organizaciones pueden desplegar AI-Q en su propio hardware: Docker Compose en el portátil de un desarrollador o Helm en un centro de datos regulado. Los datos de origen sensibles se quedan dentro; solo salen los resultados con citas. Es clave para las empresas que no quieren enviar documentos internos a la nube.

Qué significa

AI-Q ilustra una tendencia de 2026: componentes especializados en lugar de universalidad. Los agentes mejoran cuando pueden delegar tareas complejas en herramientas específicas. Para los desarrolladores, esto implica que la investigación profunda ya no está integrada en el propio LLM, sino en el ecosistema: es más fiable, más comprensible y funciona con fuentes propias.