Google lanza Deep Review, un sistema agéntico para verificar documentos técnicos

Google Research anunció el 14 de octubre el lanzamiento público de Deep Review, un sistema de inteligencia artificial agéntica pensado para dar retroalimentación rigurosa y verificación técnica sobre documentos complejos. El producto es la evolución del Paper Assistant Tool (PAT), un experimento que durante el último año acompañó a autores que optaron por usarlo antes de enviar trabajos a STOC 2026, ICML 2026, NeurIPS 2026 e ICLR 2027. Según Google, más de 16.000 manuscritos recibieron análisis privados previos a la fecha límite; ese feedback estuvo desacoplado del proceso oficial de revisión de cada conferencia, no se usó para entrenar modelos y los papers se borraron de los sistemas de Google al cerrar cada programa.

El problema que Deep Review ataca es de capacidad humana: la generación asistida por IA ha acelerado la escritura de papers, contratos y propuestas, pero la capacidad de verificar no ha crecido al mismo ritmo. Google ilustra el cuello de botella con las tres grandes conferencias de IA (ICLR, NeurIPS e ICML), que en 2026 sumaron más de 74.000 envíos frente a unos 45.000 en 2025, 32.000 en 2024 y 23.000 en 2023. Deep Review no pretende sustituir el juicio de alto nivel de un revisor humano; se centra en consistencia lógica, comprobaciones matemáticas, sugerencias de mejora, anclaje de hechos y comparación con trabajo previo.

El pipeline tiene cuatro etapas. Un agente segmenta el documento en trozos lógicos (introducción, método, experimentos, etc.), que pueden solaparse pero deben cubrir todo el contenido. Luego se asigna un presupuesto de cómputo adaptativo: las secciones densas en demostraciones reciben más inferencia que una introducción. Agentes especializados revisan en paralelo cada segmento con acceso al contexto completo del documento. Por último, un agente de síntesis consolida los informes, vuelve a comprobar coherencia entre secciones y hace anclaje externo con llamadas a herramientas para reducir alucinaciones. Google destaca que una sola llamada a un LLM suele fallar en documentos largos por agotar el presupuesto de razonamiento, perder dependencias entre secciones o aceptar afirmaciones matizadas sin escrutinio.

En el acceso público, cada usuario recibe dos revisiones gratuitas por semana; quien necesite más volumen puede conectar una clave de la API de Gemini. Al inicio acepta PDF y texto plano; el soporte multiarchivo llegará después. Los documentos subidos, afirma Google, no se usan para entrenar, afinar ni mejorar modelos de la compañía y se guardan un año solo para mostrarlos en la interfaz. Deep Review ya puede aplicarse, según la empresa, a documentos de diseño, presentaciones y textos legales o financieros, además de papers. Con el soporte de Gemini 4 Argon, Google dice que las capacidades del sistema mejoran respecto a las iteraciones de PAT descritas en el preprint «Towards Automating Scientific Review with Google’s Paper Assistant Tool». También hay un patrón Teamwork Deep Document Review dentro de Antigravity, invocable con /teamwork-preview.

Como análisis, Deep Review llega justo cuando el propio ecosistema de Google empuja más generación (Argon, Antigravity) y necesita herramientas creíbles de verificación para no inundar conferencias y flujos internos con ruido. El riesgo práctico es doble: que autores traten el informe del agente como sello de calidad sin lectura humana, y que revisores dependan demasiado de un asistente entrenado y operado por un laboratorio que también compite en investigación. El valor inmediato, si el anclaje externo y la política de no entrenamiento se sostienen, es democratizar una crítica previa que hoy suele depender de redes académicas bien conectadas; el valor a largo plazo dependerá de si las conferencias y las editoriales adoptan sistemas parecidos sin convertir la revisión en una carrera de agentes contra agentes.