Entrenar agentes estratégicos ya no exige un clúster completo; alcanza una GPU con GPU-CFR

Entrenar un agente de inteligencia artificial que debe decidir en entornos con información incompleta siempre fue caro. Una negociación, una subasta, una partida de póker: todos esos escenarios exigen que el sistema juegue contra sí mismo miles de veces, registre en cada punto de decisión cuánto mejor le habría ido con otra acción y ajuste su estrategia hasta volverse inexplorable. Esa lógica, la minimización de arrepentimiento contrafactual o CFR, es el estándar desde 2007, pero su costo computacional la convertía en un lujo reservado a laboratorios con GPUs de sobra.

Firmado por Boning Li y Longbo Huang, de la Universidad de Tsinghua, el trabajo publicado el 11 de septiembre en arXiv presenta un algoritmo llamado GPU-CFR que ataca ese cuello de botella. En lugar de interpretar el juego en cada iteración y lanzar decenas de kernels a la GPU, compila el juego completo una sola vez a una representación de dataflow estático y lo reproduce con CUDA Graph Replay. Un solo lanzamiento, sin la sobrecarga de comunicación entre pasos intermedios. Medido en una GPU NVIDIA A100, el método logra aceleraciones de entre 29,8 y 80,4 veces frente a una línea base. Cuanto más complejo es el juego, mayor es la ganancia, porque se amortiza mejor el trabajo de compilación.

La aceleración no hace que el agente aprenda mejor. Hace que aprenda más rápido con el mismo hardware. Y eso, para América Latina, importa más que el récord.

La barrera de entrada se mueve

El acceso a GPUs de alta gama en la región es limitado y el cómputo en la nube se paga en dólares. Cuando entrenar un agente estratégico exigía días de cómputo o un clúster completo, el experimento no entraba en el presupuesto. Cuando el mismo resultado cabe en una sola GPU y demanda horas en lugar de días, la ecuación cambia. La eficiencia algorítmica no elimina la brecha de infraestructura con el norte global, pero la reduce desde el lado del software.

El formalismo de CFR no se limita al póker. Se aplica a cualquier decisión estratégica con información oculta: subastas de crédito, negociación de contratos, fijación dinámica de precios, gestión de inventarios frente a competidores, detección de fraude donde el adversario esconde sus movimientos. Una fintech que quiera ofertar en subastas o una empresa de logística que deba anticipar maniobras de la competencia trabaja con esa misma estructura matemática.

Y la región ya demostró que el talento no es el problema. Según el McKinsey Global Institute, la demanda de trabajadores con habilidades en IA se multiplicó por 11 en América Latina entre 2023 y 2025, más del doble que en Estados Unidos y Europa. En Argentina, el 34% de las ocupaciones ya exige algún tipo de habilidad con IA. Ese crecimiento no vino del lado de la ingeniería: lo movió gente común que decidió aprender a usar una herramienta.

El cuello de botella es la decisión, no la tecnología

Sin embargo, la adopción real de automatización en la región llegaría al 14% de las horas de trabajo en 2030, contra 27% en Estados Unidos y 25% en Europa. McKinsey calcula que el 57% de las horas laborales latinoamericanas ya podría automatizarse con tecnología existente, y que 80 de cada 100 dólares de valor futuro saldrán de agentes de software, no de robots físicos. El techo no es tecnológico. Es de despliegue.

Los casos documentados lo confirman. Un banco comercial reemplazó un proceso de evaluación crediticia que tomaba más de 40 días y requería retrabajo en el 55% de los casos por 45 agentes que leen contratos, cruzan 14 fuentes de datos y generan alertas de riesgo: el tiempo de decisión cayó 55%.

Una operadora de telecomunicaciones convirtió su centro de llamadas en un canal de ventas: un sistema de IA agéntica analiza el 100% de las llamadas en tiempo real, detecta señales de compra y sugiere acciones a los representantes, con una conversión del 5,6% —casi el triple de una campaña saliente— a un costo de menos de un centavo por llamada. Ninguno de esos casos necesitó una economía rica. Necesitó una decisión.

GPU-CFR tiene límites: su representación estática impide cambiar la estructura del juego a mitad del entrenamiento y la garantía de convergencia al equilibrio solo aplica a juegos de dos jugadores con suma cero. Tampoco reemplaza los modelos predictivos actuales. Pero marca una dirección: la eficiencia como estrategia, no como lujo.

La promesa de las 80 veces aún debe sostenerse fuera del laboratorio, y la pregunta ética sobre cómo desplegar estos agentes sigue abierta. Sin embargo, la pregunta más incómoda para un ejecutivo latinoamericano no es si la región está preparada. Es si su empresa va a seguir siendo el cuello de botella que sus propios empleados ya superaron. El talento ya corre. El software ya bajó de precio. ¿Quién decide?