Resumen: La aparición de marcos de agentes basados en modelos de lenguaje grande (LLM) ha desplazado el desafío principal en la creación de agentes de IA expertos en el dominio desde la capacidad bruta hasta la codificación efectiva de la experiencia en el dominio. Dos paradigmas dominantes (el desarrollo de código primero, que incorpora experiencia en canalizaciones deterministas, y el desarrollo de aviso primero, que captura la experiencia en avisos de sistemas estáticos) tratan la construcción de agentes como una fase de ingeniería discreta que precede al despliegue. Sostenemos que este supuesto secuencial crea un desajuste fundamental con la naturaleza de la experiencia en el dominio, que es sustancialmente tácita, profundamente personal y en continua evolución. Proponemos Nurture-First Development (NFD), un paradigma en el que los agentes se inicializan con un andamiaje mínimo y crecen progresivamente a través de una interacción conversacional estructurada con los profesionales del dominio. El mecanismo central es el Ciclo de Cristalización del Conocimiento, mediante el cual el conocimiento fragmentado incorporado en el diálogo operativo se consolida periódicamente en activos de conocimiento estructurados y reutilizables. Formalizamos NFD a través de: (1) una arquitectura cognitiva de tres capas que organiza el conocimiento de los agentes por volatilidad y grado de personalización; (2) el Ciclo de Cristalización del Conocimiento con definiciones formales de operaciones de cristalización y métricas de eficiencia; y (3) un marco operativo que comprende un patrón de espacio de trabajo dual y un modelo de desarrollo en espiral. Ilustramos el paradigma a través de un estudio de caso detallado sobre la construcción de un agente de investigación financiera para el análisis de acciones de EE. UU. y discutimos las condiciones, limitaciones e implicaciones más amplias de la DFN para la coevolución del agente humano.
Publicado originalmente en export.arxiv.org el 11 de marzo de 2026.
Ver fuente original
