# Un reintento no es gratis: cómo evitar que los agentes rehagan trabajo durante una sobrecarga

> Una investigación muestra que los reintentos impiden que un motor de modelos saturado se recupere. Cómo fijar presupuestos de reintentos e idempotencia.

- Type: Técnico
- Published: 2026-11-10
- Author: Sentynel
- URL: https://sentynel.ai/es/sygnals/un-reintento-no-es-gratis-para-un-agente/
- Language: es

Un artículo publicado en arXiv el 5 de noviembre de 2026, "Cancellation Is Not Enough", probó qué pasa cuando un motor de LLM se sobrecarga y los clientes que tiene delante siguen reintentando. Los autores reportan que, con reintentos activados, cancelar el trabajo abandonado no restableció el servicio en ninguna corrida, y que solo entre el 12% y el 38% de las llamadas que llegaron después de la sobrecarga fueron entregadas. **La lección para la operación no es sobre un motor en particular: cada reintento automático en un flujo de agentes crea trabajo nuevo, y ese trabajo compite con los casos que quieres terminar.**

## Qué encontró la investigación

El escenario es simple. Una solicitud se agota por tiempo, un cliente o proxy la envía de nuevo, y el motor queda con el intento viejo y el nuevo. Los autores hicieron experimentos de sobrecarga con vLLM y tres modelos abiertos, y rastrearon cada intento del cliente hasta la ejecución que generó. Sus hallazgos, según el resumen del artículo:

- Los reintentos pueden impedir que un motor se recupere tras una sobrecarga transitoria, incluso cuando la carga entrante está por debajo de su capacidad.
- Cancelar el trabajo abandonado, por sí solo, no alcanzó.
- Un presupuesto de reintentos restableció el servicio al reducir los reintentos, aunque muchas llamadas de la sobrecarga igual no se entregaron nunca.
- La coalescencia de solicitudes entregó todas las llamadas desde la sobrecarga en adelante, aunque algunas llegaron tarde.

**Reintentos activados, solo cancelación**

- 12–38%: de las llamadas posteriores a la sobrecarga fueron entregadas
- 0 de todas las corridas: restableció el servicio solo con cancelación

Source: Zhang y Wang, "Cancellation Is Not Enough: What Retries Leave Behind in an Overloaded LLM Engine", arXiv 2611.08684, 5 de noviembre de 2026. Experimentos con vLLM y tres modelos abiertos; resultados medidos y reportados por los autores.

## Por qué importa fuera de la sala de máquinas

Tal vez no operes tu propio motor de inferencia. El patrón aplica igual un nivel más arriba. Un agente llama a un modelo, a un CRM, a una API de pagos o a un servicio de mensajería. Algo va lento, el paso se agota por tiempo y el agente o la plataforma lo intenta otra vez. Cada intento cuesta tokens, le quita capacidad a otros casos y, peor, puede repetir un efecto secundario.

Tres consecuencias aparecen en la operación:

1. **El costo sube justo cuando la calidad baja.** Un sistema sobrecargado es el momento en que los reintentos se multiplican.
2. **Los casos hacen fila detrás de duplicados.** Sigue corriendo trabajo que nadie espera.
3. **La misma acción puede ocurrir dos veces.** Un mensaje enviado, un registro creado, un ticket reasignado.

## Cuatro reglas para los reintentos en un flujo de agentes

**1. Dale a cada flujo un presupuesto de reintentos.** Define cuántos reintentos puede usar un paso por caso y por hora en todo el flujo. Cuando el presupuesto se agota, el caso pasa a una persona o cola con nombre, no a otro intento. Esto coincide con lo que halló el artículo: un presupuesto restableció el servicio.

**2. Haz que cada efecto secundario sea seguro de repetir.** Asigna una clave de idempotencia a cada acción que envía, crea, cobra o borra, de modo que un segundo intento devuelva el primer resultado en lugar de actuar de nuevo. Si un paso no puede ser idempotente, márcalo como "nunca reintentar de forma automática".

**3. Colapsa los duplicados antes de que corran.** Si la misma solicitud ya está en curso, espera su resultado en vez de iniciar una segunda. El artículo reporta que la coalescencia entregó todas las llamadas desde la sobrecarga en adelante.

**4. Espacia los intentos y deja de reintentar lo que no puede funcionar.** Aumenta la espera entre intentos con un tope, y separa los errores que pueden pasar (un tiempo agotado) de los que no (una entrada rechazada).

**Un paso que falla de forma segura**

1. Intento — Con clave de idempotencia
2. ¿Tiempo agotado? — Espera y revisa el presupuesto
3. Unir o reintentar — Reutiliza la solicitud en curso
4. Presupuesto agotado — Dejar de reintentar
5. Pasa a una persona — Una cola con nombre

## Mide lo que suman los reintentos

Los autores concluyen que los controles de sobrecarga deben evaluarse por las ejecuciones extra que crean los reintentos y por las llamadas que los clientes realmente reciben. También es una buena métrica operativa. Para cada flujo, mide:

| Métrica | Qué te dice |
| --- | --- |
| Intentos por caso completado | Cuánto del trabajo es trabajo repetido |
| Casos que agotaron el presupuesto de reintentos | Dónde el flujo es frágil |
| Efectos secundarios duplicados detectados | Si la idempotencia realmente se cumple |
| Casos completados durante una lentitud | Si el flujo se degrada o colapsa |

Combínala con el costo por caso resuelto y no solo con la factura de tokens: un flujo puede verse barato por llamada y caro por resultado.

## Ensaya la lentitud

Una vez por trimestre, vuelve lenta una dependencia a propósito en un flujo de prueba. Verifica que los intentos se mantengan dentro del presupuesto, que ningún efecto secundario se repita y que cada caso trabado llegue a una persona con nombre. Si hoy no puedes ver los intentos por caso, eso es lo primero que debes agregar.

## Una prueba para esta semana

Elige el flujo de agentes con más pasos. Para cada paso, escribe dos respuestas: qué pasa si se ejecuta dos veces y quién recibe el caso después del último reintento permitido. Si alguna respuesta es "no lo sé", ese paso no está listo para una sobrecarga.

## Fuentes

- https://arxiv.org/abs/2611.08684
