En este documento, consideramos una clase de problemas de optimización estructurada cuya función objetivo es la suma de dos funciones convexas: y , que no necesariamente son diferenciables. Nos enfocamos especialmente en el caso en el que la función es general y su información de primer orden exacta (valor de la función y subgradiente) puede ser difícil de obtener, mientras que la función es relativamente simple. Proponemos un método de paquete de linealización alternante generalizado para resolver esta clase de problemas, que puede manejar información de primer orden inexacta de precisión bajo demanda. La información inexacta puede ser muy general, lo que cubre varios oráculos, como oráculos inexactos, parcialmente inexactos y asintóticamente exactos, entre otros. En cada iteración, el algoritmo resuelve dos subproblemas interrelacionados: uno busca encontrar el punto proximal del modelo de politopo de más la linealización de ; el otro busca encontrar el punto proximal de la linealización de más . Establecemos la convergencia global del algoritmo bajo diferentes tipos de inexactitud. Finalmente, algunos resultados numéricos preliminares en un conjunto de problemas de programación lineal estocástica de dos etapas muestran que nuestro método es muy alentador.