El impuesto de regresión: por qué cargar a los agentes LLM con habilidades puede resultar contraproducente

Todo constructor de agentes LLM conoce la rutina: el agente falla en una tarea, así que agregas una habilidad, un script corto, una regla de validación, un procedimiento operativo estándar codificado como prompt. Los puntajes promedio suben. Problema resuelto, ¿verdad?

Un nuevo artículo sugiere que la respuesta es más complicada. 'The Regression Tax: Decomposing Why Skills Help and Hurt LLM Agents', publicado en arXiv el 24 de julio de 2026, compara agentes con y sin habilidades en casi 6,000 ejecuciones en dos puntos de referencia de automatización de oficina y tres pilas de arneses de modelos. El hallazgo principal es que las habilidades también causan fallos: las tareas que el agente manejaba bien sin una habilidad se rompen repentinamente cuando una habilidad está en contexto.

Los autores llaman a estos fallos 'regresiones' y argumentan que la mejora neta que la mayoría de los artículos reportan oculta una verdad más profunda: las habilidades de mejor rendimiento superan a otras principalmente por regresar menos, no por ganar más.

¿Qué es un impuesto de regresión?

El artículo divide los resultados de las tareas en cuatro categorías: resueltas sin y sin habilidades, resueltas con habilidades pero no sin (una ganancia), fallidas con habilidades pero no sin (una regresión), y fallidas de ambas formas (un fallo residual). La mayoría de las evaluaciones colapsan ganancias y regresiones en un solo número de mejora neta, lo que los autores dicen que enmascara el costo de agregar habilidades.

Cuando examinaron qué causaba realmente las regresiones, identificaron tres mecanismos.

Los tres modos de regresión

Osmosis de la descripción de la habilidad. Una habilidad cambia el comportamiento de un agente simplemente por estar presente en contexto, incluso cuando nunca es invocada. El agente lee una habilidad sobre formatear la salida y comienza a reformatear también las entradas, o lee una habilidad sobre manejo de errores y se vuelve más cauteloso de formas que rompen flujos de trabajo que antes funcionaban.

Desplazamiento del anclaje. El procedimiento prescrito por una habilidad anula cómo el agente interpreta sus entradas. En lugar de mirar la pantalla real, el agente sigue una lista de verificación de la habilidad que no coincide con el estado actual. El agente deja de ver lo que hay y comienza a ver lo que la habilidad le dice que vea.

Desplazamiento de la verificación. El procedimiento proporcionado por una habilidad suprime las comprobaciones que el agente realizaría de otro modo en sus salidas. Un agente que naturalmente verifica dos veces una ruta de archivo deja de hacerlo porque la habilidad dice 'ejecuta este comando' y el agente confía más en la habilidad que en sus propios hábitos de verificación.

Las ganancias vienen de otro lado

El artículo no argumenta que las habilidades sean inútiles. Las ganancias ocurren, pero se concentran en situaciones específicas. El patrón más interesante surge de los fallos persistentes, tareas que fallan tanto con como sin habilidades. Cuando los autores analizaron esos rastros de fallos, encontraron que las habilidades existentes sobreenfatizan la guía procedimental, que es la etapa menos frecuentemente responsable de los fallos. Los cuellos de botella reales son el anclaje (comprender el estado actual) y la verificación (comprobar que la salida sea correcta). Las habilidades actualmente subapoyan ambos.

Después de corregir artefactos de evaluación y estudiar rastros, los autores informan que muchas regresiones y fallos persistentes son recuperables mediante un mejor anclaje y verificación, no mediante mejores habilidades procedimentales.

Parte de un cambio más amplio

El artículo se une a un creciente cuerpo de trabajo que replantea cómo se evalúan y construyen las habilidades de los agentes. Un estudio de junio de 2026 que comparaba agentes GUI y CLI encontró que los agentes GUI superan a los agentes CLI mediados por habilidades cuando ambos reciben objetivos y verificadores idénticos, sugiriendo que la interfaz de habilidad en sí misma introduce fragilidad. Otro artículo, SkillCoach (julio de 2026), propone rúbricas de proceso para evaluar el uso de habilidades más allá de la precisión final, separando selección, seguimiento, composición y reflexión de habilidades, dimensiones que el artículo de regresión refleja. Y EvoPolicyGym (también julio de 2026) evalúa cómo los agentes mejoran iterativamente las políticas, con GPT-5.5 encabezando su suite, insinuando que el refinamiento iterativo de habilidades puede eventualmente reducir el impuesto de regresión.

Nada de esto significa que los agentes deban dejar de usar habilidades. Significa que el enfoque ingenuo, dejar caer una habilidad en contexto y ver cómo sube el promedio, ya no es suficiente. La próxima generación de marcos de agentes necesitará medir regresiones, no solo mejoras netas, e invertir en infraestructura de anclaje y verificación en lugar de simplemente apilar más reglas procedimentales.

Como dice el artículo, la fiabilidad depende más del anclaje y la verificación que de la elección de habilidades procedimentales. Esa es una dura lección para el paradigma de habilidades primero, pero una que la evidencia ahora exige.