Navalia supera a agentes financieros con síntesis verificable de tareas y horizonte largo
Un nuevo framework llamado Navalia permite a los agentes de lenguaje generar y ejecutar tareas financieras complejas con evidencia verificable, mejorando su rendimiento en varios benchmarks de oficina y finanzas.
El grupo de investigación detrás del modelo Qwen3.6-35B-A3B ha publicado un nuevo framework, Navalia, que pretende transformar a los asistentes de IA en verdaderos agentes colaborativos capaces de planificar, usar herramientas y resolver problemas financieros de larga duración sin perder la trazabilidad de los datos.
Navalia y la síntesis verificable de tareas financieras
El principal obstáculo de los agentes actuales es la generación de tareas que requieran integrar evidencia de múltiples documentos y ejecutar razonamiento numérico preciso. Navalia aborda este problema mediante una cadena de síntesis que parte de informes corporativos públicos, extrae fragmentos relevantes y los enlaza en una secuencia de operaciones computacionales. Cada paso incluye una referencia explícita a la fuente original, de modo que la evidencia puede ser auditada de forma independiente.
«Navalia mejora la integración de evidencia, el uso de herramientas y la ejecución de tareas de largo horizonte».
Para garantizar la fiabilidad, el proceso incorpora dos capas de verificación: una revisión automática por un modelo de lenguaje independiente y una serie de checks programáticos que comparan los resultados intermedios con los valores esperados.
Arquitectura basada en Qwen3.6‑35B‑A3B y proceso de entrenamiento
El framework parte de la arquitectura Qwen3.6-35B-A3B, un modelo de 35 mil millones de parámetros especializado en razonamiento multistep. Navalia lo somete a tres fases de ajuste:
- Recolección de trayectorias: se generan cientos de miles de ejemplos de tareas verificadas mediante la cadena de síntesis.
- Fine‑tuning supervisado (SFT): el modelo aprende a reproducir la solución paso a paso a partir de los ejemplos.
- Reforzamiento (RL): se optimiza la política de planificación mediante recompensas que penalizan desviaciones de la evidencia y errores numéricos.
Esta combinación permite que el agente no solo reproduzca respuestas correctas, sino que también elabore planes de acción que mantengan la coherencia con la documentación subyacente.
Resultados en los cinco benchmarks de oficina y finanzas
Navalia fue evaluado en cinco suites de referencia diseñadas para medir capacidades de agente en entornos corporativos:
- OfficeQA Pro
- FinSearchComp
- Finance Agent Benchmark
- APEX‑Agents‑AA
- Workspace‑Bench‑Lite
En todos los casos el modelo mostró mejoras consistentes frente a la versión base de Qwen3.6-35B-A3B. Los incrementos se reflejaron en métricas de precisión de respuesta (entre 4 % y 9 % más altas) y en la reducción de errores de cálculo (hasta un 70 % menos). Además, la capacidad de citar la fuente original aumentó la puntuación de trazabilidad en un 15 % promedio.
Implicaciones para la adopción de agentes colaborativos en empresas
El valor práctico de Navalia radica en que reduce drásticamente la necesidad de diseñar manualmente cada caso de uso financiero. Las empresas pueden alimentar el sistema con sus propios reportes anuales o balances, y obtener agentes que generan análisis, comparativas y proyecciones con auditoría automática. Sin embargo, el marco también plantea preguntas sobre la dependencia de datos públicos y la posible exposición de información sensible cuando los agentes reutilizan fragmentos de documentos internos.
Otro aspecto a considerar es el coste de entrenamiento. Aunque el proceso de síntesis y verificación es intensivo, la fase de fine‑tuning se ejecuta en hardware de gama media (una sola GPU de 24 GB es suficiente para la mayoría de los experimentos), lo que abre la puerta a que organizaciones medianas reproduzcan el flujo sin necesidad de clusters de supercomputación.
Qué implica este avance para desarrolladores de agentes corporativos
Para los equipos que construyen soluciones de IA interna, Navalia ofrece una hoja de ruta clara: priorizar la generación de datos de entrenamiento verificables antes de invertir en arquitecturas más grandes. La combinación de verificación humana y programática puede servir como estándar de calidad, especialmente en dominios regulados donde la trazabilidad es obligatoria. En los próximos meses se esperan versiones abiertas del pipeline de síntesis, lo que podría acelerar la adopción en startups y departamentos de innovación.
