La IA acaba de superar una frontera incómoda: Ataraxos, un sistema desarrollado por investigadores de MIT, Carnegie Mellon, NYU y Stanford, venció al jugador de Stratego más laureado del mundo sin necesitar el presupuesto de un laboratorio industrial. La lección para las empresas no es que haya que jugar a la guerra: es que una máquina puede aprender a decidir cuando faltan datos, si separa estrategia, incertidumbre y cálculo en el momento adecuado.

En una negociación, una licitación o una investigación de seguridad, casi nunca se ve el tablero completo. Hay señales parciales, información que la otra parte oculta y decisiones que cambian el valor de las siguientes opciones. Durante años, ese tipo de problema mantuvo a la inteligencia artificial por detrás de los mejores jugadores de Stratego, un juego donde las piezas del rival permanecen ocultas hasta el enfrentamiento.

El 30 de septiembre, un estudio publicado en Nature presentó Ataraxos como un sistema capaz de superar a humanos de élite en ese entorno. El resultado merece atención empresarial por una razón concreta: no depende de enumerar todos los futuros posibles, sino de construir una estrategia general y gastar cómputo adicional solo cuando la decisión lo exige.

La noticia: ganar sin ver todo el tablero

Stratego se parece al ajedrez en la disposición de sus piezas, pero introduce una dificultad mucho mayor: cada jugador coloca 40 piezas y desconoce la identidad de las del oponente hasta que chocan. El artículo de Nature describe más de 10⁶⁶ configuraciones posibles del tablero. Es una escala de incertidumbre en la que no basta con calcular una secuencia perfecta desde un estado completamente conocido.

Ataraxos combina dos mecanismos. Primero aprende una estrategia de referencia mediante aprendizaje por refuerzo con autojuego: el sistema juega contra sí mismo para descubrir una política robusta. Después, antes de cada movimiento, usa planificación en el momento de la decisión para estimar estados plausibles del tablero y ajustar la acción a la información disponible en esa partida concreta.

El resultado más visible fue una serie de 20 partidas contra Pim Niemeijer, descrito por los autores como el jugador de Stratego más laureado: Ataraxos ganó 15, perdió 1 y empató 4. El estudio expresa el resultado como una tasa efectiva de victoria del 85%, contando los empates como media victoria. En la demostración del campeonato mundial de 2025, el sistema terminó con 38 victorias y 2 derrotas frente a participantes de élite.

La eficiencia es tan importante como el marcador. Frente al trabajo anterior que no había alcanzado el nivel de los mejores humanos, los autores informan de aproximadamente una quincentésima parte del coste de cómputo, una treintava parte de las partidas de autojuego y una centésima parte de los ejemplos de entrenamiento. La cifra no significa que cualquier empresa pueda replicar el sistema con unos pocos dólares; sí indica que la muestra y la arquitectura pueden importar tanto como la escala bruta.

La lectura Olbrite: la IA útil no necesita certeza total

La tentación empresarial es pedir a un sistema que espere a tener todos los datos antes de recomendar una acción. Ese estándar paraliza la mayoría de las decisiones reales. La alternativa que sugiere Ataraxos es más práctica: mantener una estrategia de base, representar explícitamente lo que todavía no se sabe y dedicar más análisis a las decisiones de mayor riesgo o impacto.

La tesis es esta: la próxima ventaja de la IA para decidir no estará en fingir que la incertidumbre no existe, sino en asignar el esfuerzo de cálculo allí donde cambia el resultado. Un motor de precios no necesita reevaluar toda su política ante cada pedido; sí necesita profundizar cuando la información de inventario es dudosa, la competencia cambia o el margen cae por debajo de un umbral. Un sistema de ciberseguridad puede clasificar miles de señales con rapidez y reservar una investigación más costosa para los casos que combinan anomalías y exposición crítica.

La máquina no gana porque vea el tablero completo. Gana porque sabe qué parte del tablero debe volver a calcular antes de mover ficha.

Por qué importa para una empresa

1. Operaciones: separar política estable y decisión puntual

Muchos procesos mezclan dos tareas distintas: definir una política que funciona en general y escoger la acción concreta ante un caso nuevo. Ataraxos muestra el valor de separar ambas capas. Una empresa puede mantener reglas, límites y objetivos relativamente estables, pero permitir una búsqueda adicional cuando la situación se aleja de los casos conocidos.

Aplicación prudente: identifica qué decisiones se resuelven con una política rápida y cuáles merecen una segunda pasada. Mide si ese cómputo adicional reduce errores, escalados o pérdidas, en vez de premiarlo por ser más sofisticado.

2. Estrategia: modelar escenarios plausibles, no inventar certezas

El sistema no descubre la pieza oculta por magia. Genera hipótesis plausibles y evalúa acciones sobre ellas. En una empresa, eso se traduce en trabajar con rangos de demanda, probabilidad de fraude, escenarios de negociación o posibles causas de una incidencia. La salida útil no es una cifra con falsa precisión, sino una recomendación que indique qué supuestos la sostienen.

Aplicación prudente: exige que cada recomendación de alto impacto conserve los escenarios considerados, la evidencia que los hizo plausibles y la condición que obligaría a recalcular.

3. Costes: gastar inferencia donde cambia el resultado

El estudio es una señal contra el presupuesto plano de IA. No todas las llamadas necesitan el mismo modelo, contexto o profundidad de búsqueda. La política barata puede resolver el 90% de los casos; una ruta más costosa puede activarse por riesgo, ambigüedad o valor económico.

Aplicación prudente: crea una métrica de coste por decisión válida que incluya tokens, herramientas, latencia, revisiones humanas y errores. Si el sistema consume más para no mejorar la decisión, la sofisticación es un gasto, no una ventaja.

4. Riesgo: una recomendación estratégica no equivale a autorización

Los autores señalan que quieren incorporar medidas de interpretabilidad y que la decisión final debe seguir en manos humanas antes de adoptar el sistema en situaciones reales. Esa cautela es central: superar un juego con información oculta no certifica un sistema para aprobar crédito, negociar contratos o responder a un incidente.

Aplicación prudente: usa la IA para proponer, comparar y simular antes de permitirle ejecutar. Define quién puede aceptar la recomendación, qué evidencia debe revisar y cómo se revierte una acción equivocada.

5. Producto: diseñar para el desacuerdo y la nueva evidencia

Una interfaz que solo muestra “recomendación: A” oculta el principal valor del enfoque. El usuario necesita conocer qué información faltaba, qué alternativas compitieron y qué señal haría cambiar de opinión al sistema. La incertidumbre bien presentada no debilita el producto; evita que el usuario confunda fluidez con conocimiento.

6. Ventaja competitiva: construir simuladores antes que perseguir demos

La técnica funciona especialmente bien cuando el problema tiene un simulador rápido y fiel. Para una empresa, eso desplaza la prioridad desde “comprar otro modelo” hacia representar el proceso: estados, acciones, consecuencias, límites y datos que aparecen después. Sin una forma de evaluar el resultado, el sistema solo aprende a sonar convincente.

Qué hacer esta semana

1. Elige una decisión con información incompleta. Puede ser priorizar una alerta, ajustar inventario, asignar una visita técnica o preparar una negociación. Evita empezar por un proceso donde un error sea irreversible.
2. Escribe el estado oculto. Documenta qué datos no ve el sistema, qué evidencias indirectas existen y qué hechos nuevos aparecen después de actuar.
3. Separa la política de la búsqueda. Define una respuesta rápida para los casos normales y un presupuesto de análisis extra para los casos ambiguos o de mayor impacto.
4. Construye un conjunto de evaluación propio. Incluye escenarios incompletos, cambios de contexto, señales contradictorias y situaciones donde la decisión correcta sea pedir ayuda.
5. Registra por qué se cambió la recomendación. Si el sistema reconsidera una acción, conserva la nueva evidencia, el supuesto que cayó y el coste adicional de la deliberación.

Qué observar antes de extrapolar

Ataraxos es un avance de investigación, no un producto listo para dirigir una operación empresarial. Stratego ofrece reglas claras, un simulador y una forma de medir victorias. Una negociación real añade objetivos que cambian, información manipulada, restricciones legales, relaciones humanas y consecuencias que no caben en un marcador.

También conviene distinguir entre la cifra del estudio y una promesa de ahorro. El artículo compara métricas de entrenamiento con un trabajo anterior; no demuestra que la misma proporción se mantenga en un caso industrial. La transferencia dependerá de la calidad del simulador, la estabilidad de las reglas, la cobertura de escenarios y la capacidad de auditar las recomendaciones.

La siguiente señal importante será si este patrón —política de base, hipótesis sobre lo oculto y búsqueda en tiempo de decisión— mejora tareas con datos no estacionarios y objetivos múltiples. También habrá que ver si los usuarios pueden entender la recomendación lo suficiente como para detectar cuándo el modelo está extrapolando demasiado.

La decisión no empieza cuando aparecen todos los datos

Ataraxos no convierte la incertidumbre en un problema resuelto. Hace algo más útil: muestra que una máquina puede competir en un entorno donde la incertidumbre es parte de las reglas, y que hacerlo no exige necesariamente una infraestructura desmesurada.

Para las empresas, la conclusión es incómoda y accionable. No hace falta esperar a tener una copia perfecta del mundo para empezar a decidir mejor. Hace falta distinguir qué se conoce, qué solo se estima, cuánto vale reducir esa duda y quién conserva el derecho a decir “todavía no”. La IA estratégica no es la que promete certeza; es la que sabe cuándo una hipótesis merece otra partida de cálculo.

Fuentes

• Nature — Scalable decision-making for games of imperfect information (publicado el 30 de septiembre de 2026).
• MIT News — This game-playing AI is the new champ at Stratego (30 de septiembre de 2026).
• Artículo técnico — Superhuman AI for Stratego Using Self-Play Reinforcement Learning and Test-Time Search.
• Olbrite — HardFlow: la IA generativa aprende a obedecer límites sin perder calidad, para el contexto de control y restricciones verificables.
• Olbrite — La IA de septiembre cambia de carrera: menos modelo único, más sistema gobernado, para el contexto de coste, arquitectura y gobierno operativo.