Microsoft Foundry en Ignite 2026: agentes que aprenden de producción y nuevos modelos de IA
Hay una pregunta que deberíamos hacernos más a menudo al desplegar un agente: ¿cómo sabemos que la versión de hoy trabaja mejor que la de la semana pasada? Si no tenemos una respuesta, no estamos gestionando una aplicación de IA; estamos confiando en que todo salga bien.
En Microsoft Ignite 2026, Microsoft Foundry refuerza dos capacidades que van de la mano: convertir las señales de producción en mejoras medibles y disponer de modelos más especializados para cada tipo de tarea. El resultado es una propuesta bastante más orientada a operaciones y economía de la IA que al simple lanzamiento de un chatbot.
Microsoft Ignite es la conferencia en la que Microsoft comparte su visión tecnológica y anuncia nuevas capacidades para desarrollar, desplegar y administrar soluciones empresariales. En la edición de 2026, la inteligencia artificial y los agentes autónomos protagonizan buena parte de las novedades. Uno de los anuncios más interesantes afecta a Microsoft Foundry, la plataforma con la que las organizaciones pueden desarrollar agentes, seleccionar modelos, evaluar sus resultados y mejorar continuamente su comportamiento. Ignite se convierte así en un escaparate de cómo Microsoft quiere llevar la IA desde la experimentación hasta los entornos de producción.
De la demo a un ciclo de mejora continua
El flujo anunciado por Microsoft empieza por definir qué es un buen resultado. No basta con medir el tiempo de respuesta: importan la calidad, la seguridad, la latencia y el coste, y hay que analizar cómo se comporta el agente a lo largo de una conversación completa.
Foundry incorpora y amplía varias herramientas en ese circuito:
- Evaluación de conversaciones completas, en disponibilidad general, para comprobar secuencias de trabajo y no respuestas aisladas. La generación de evaluadores con rúbricas a partir de conjuntos de referencia y el nuevo soporte de seguridad tienen alcances y estados específicos; este último está en preliminar.
- Insights, en disponibilidad general, agrupa patrones de problemas, como alucinaciones repetidas o incrementos anómalos del consumo de tokens.
- Anotación humana, en versión preliminar, permite incorporar valoraciones expertas, comentarios, respuestas esperadas y casos de referencia.
- Agent optimizer, en disponibilidad general, propone y prueba modificaciones y permite comparar resultados antes de decidir qué desplegar.
La pieza realmente importante es mantener una referencia verificable. Si modificamos instrucciones, herramientas o el modelo, la nueva versión debe demostrar que mejora el resultado sin generar regresiones graves en otros casos.
Un ejemplo: un agente que prepara ofertas comerciales
Supongamos que un agente consulta políticas de descuento y prepara propuestas para el equipo de ventas. Durante el piloto ofrece buenas respuestas, pero en producción empieza a recomendar descuentos incompatibles con determinados contratos.
Con un ciclo de evaluación serio, recopilaríamos casos reales anonimizados, definiríamos resultados correctos con negocio, añadiríamos reglas de seguridad, mediríamos la tasa de propuestas válidas y compararíamos cada cambio. Las trazas revelarían si el problema está en los documentos recuperados, las herramientas disponibles, las instrucciones o el modelo. No todas las incidencias se solucionan cambiando el prompt.
Managed Training y Programmed Training: dos niveles de personalización
Foundry amplía también las opciones de postentrenamiento de modelos compatibles. Managed Training, en versión preliminar, automatiza buena parte del proceso de adaptación con datos propios. Programmed Training, también en preliminar, permite definir bucles de entrenamiento más personalizados, incluidos ajuste fino supervisado y aprendizaje por refuerzo sobre modelos de pesos abiertos compatibles, mientras Foundry administra la infraestructura de cómputo.
Esto abre una vía interesante cuando los cambios de configuración ya no son suficientes. Sin embargo, entrenar un modelo es una decisión posterior a haber comprobado los datos, las herramientas, la recuperación de información y la evaluación. Para muchas empresas, las primeras mejoras vendrán de gobernar bien el contexto, no de entrenar nada.
Microsoft-Decision-1.1: no todas las tareas necesitan un gran modelo
Microsoft-Decision-1.1 llega a disponibilidad general en Foundry y también se anuncia en OpenRouter y Vercel. Está orientado a decisiones estructuradas: clasificar, priorizar, enrutar, verificar o controlar pasos de un flujo dentro de acciones y restricciones definidas por el desarrollador.
Un detalle relevante es su capacidad de devolver confianza calibrada, de modo que la aplicación pueda aplazar una decisión incierta o escalarla a otro sistema o a una persona. Este diseño resulta muy útil para tareas frecuentes en las que importa mantener baja la latencia.
Microsoft indica que esta actualización utiliza una base Gemma 4 26B A4B, incorpora imágenes en las instrucciones y más que duplica la velocidad respecto a la versión anterior, sin cambiar el precio. También publica resultados propios en un índice de decisiones. Conviene tratarlos como benchmarks comunicados por Microsoft, no como garantía de rendimiento en nuestros procesos.
El uso dentro de Copilot ilustra la estrategia: este tipo de modelo puede ayudar a decidir si una solicitud corresponde a Chat o Cowork y, en el modo Auto de Cowork, ajustar el esfuerzo de razonamiento. Elegir el modelo deja de ser una configuración fija para convertirse en una decisión dentro del flujo.
Más modelos, pero con criterios de selección
Las novedades incluyen familias especializadas con finalidades distintas:
| Modelo o servicio | Uso destacado | Disponibilidad anunciada |
|---|---|---|
| MAI-Code-2 y MAI-Code-2-Flash | Programación compleja con agentes y tareas cotidianas de alto volumen | Ambos en GA en GitHub; Flash en preview privada en Foundry |
| MAI-Image-2.7 y MAI-Image-2.7-Flash | Edición y consistencia visual para piezas de marca | Versión preliminar |
| MAI-Cyber-2-Flash | Búsqueda, validación y corrección de vulnerabilidades | Preliminar, exclusivamente en Codename MDASH |
| Microsoft-Decision-1.1 | Decisiones estructuradas en flujos | Disponibilidad general |
| Modelos de vídeo Kling, LTX y MiniMax mediante fal | Generación de vídeo | Versión preliminar |
| Baseten on Foundry | Inferencia optimizada de modelos abiertos | Versión preliminar |
Model router amplía su cobertura a los 50 principales modelos de Foundry, integra AI Gateway y mejora el soporte de las API messages y responses. El catálogo anunciado supera los 11.000 modelos de distintos proveedores y de la comunidad abierta. Tener opciones está bien; mantener un criterio de selección estable es todavía más importante.
Baseten on Foundry, en preliminar, añade inferencia de modelos abiertos optimizada para rendimiento y coste, con alternativas serverless de pago por uso global o en US Data Zone. Antes de elegir un despliegue habría que estudiar qué implica para la residencia de los datos y las necesidades de la organización.
Qué mediría en una empresa
Me interesa especialmente cambiar la conversación del precio del token hacia el coste por resultado válido. Para comparar modelos o configuraciones usaría el mismo conjunto de evaluación, un volumen representativo y métricas que negocio comprenda: solicitudes resueltas sin intervención, errores críticos, tiempo total de proceso, coste de cada resolución y porcentaje de escalado humano.
También conservaría trazabilidad de versiones y una política clara para detener despliegues si aparecen regresiones. La mejora continua no puede convertirse en una actualización continua sin supervisión.
Foundry empieza a ofrecer una respuesta más madura a la operación de agentes
Foundry empieza a ofrecer una respuesta más madura a la operación de agentes. Lo valioso no es tener más modelos, sino conectar observación, evaluación, optimización y decisión de despliegue. Si una empresa no sabe medir la calidad de su agente, tampoco debería delegarle procesos críticos.
Información basada en la publicación Microsoft Ignite 2026 — Book of News.
