Las conversaciones entre inteligencias artificiales suelen seguir reglas r\u00edgidas y previsibles. Un nuevo estudio explora qu\u00e9 ocurre cuando esas normas cambian y las m\u00e1quinas empiezan a interactuar de una forma mucho m\u00e1s parecida a la de las personas.<\/p>\n\n\n\n
Estados Unidos a 09 de marzo de 2026.- Los sistemas de inteligencia artificial que conversan entre s\u00ed suelen funcionar de una forma sorprendentemente r\u00edgida. Cada agente espera su turno, genera una respuesta completa y solo entonces interviene el siguiente. Este esquema ordenado resulta f\u00e1cil de programar y controlar, pero tambi\u00e9n se aleja bastante de c\u00f3mo se desarrollan las conversaciones humanas reales, donde las interrupciones, los silencios y los cambios espont\u00e1neos de turno forman parte del flujo natural del di\u00e1logo.<\/p>\n\n\n\n
Un grupo de investigadores japoneses decidi\u00f3 examinar qu\u00e9 ocurrir\u00eda si ese comportamiento m\u00e1s humano se introdujera en sistemas de inteligencia artificial que debaten entre s\u00ed. El estudio, presentado por cient\u00edficos de la University of Electro-Communications y del National Institute of Advanced Industrial Science and Technology, propone un nuevo marco de debate para agentes basados en grandes modelos de lenguaje. La idea consiste en permitir que la din\u00e1mica de conversaci\u00f3n sea m\u00e1s flexible y menos mec\u00e1nica, incorporando rasgos de personalidad y decisiones espont\u00e1neas sobre cu\u00e1ndo intervenir.<\/p>\n\n\n\n
Cuando las m\u00e1quinas debaten entre s\u00ed<\/p>\n\n\n\n
En los \u00faltimos a\u00f1os han aparecido sistemas de inteligencia artificial dise\u00f1ados para trabajar en grupo mediante conversaciones estructuradas. En estos entornos, varios agentes analizan una pregunta o un problema, intercambian argumentos y finalmente generan una respuesta conjunta. Este enfoque, conocido como sistemas multiagente, se utiliza para mejorar la capacidad de razonamiento de los modelos de lenguaje y reducir errores.<\/p>\n\n\n\n
En la mayor\u00eda de estos sistemas, sin embargo, la conversaci\u00f3n sigue un patr\u00f3n extremadamente ordenado. Cada agente habla en un turno previamente asignado y produce una respuesta completa antes de que otro pueda intervenir. Este mecanismo facilita la programaci\u00f3n, pero tambi\u00e9n introduce una limitaci\u00f3n importante: las interacciones carecen de la espontaneidad t\u00edpica de las conversaciones humanas.<\/p>\n\n\n\n
Los investigadores detr\u00e1s del nuevo trabajo partieron de esa observaci\u00f3n. Seg\u00fan explican en el art\u00edculo cient\u00edfico, \u201clos sistemas multiagente actuales suelen percibirse como artificiales porque carecen de la din\u00e1mica ca\u00f3tica y en tiempo real de las conversaciones humanas\u201d. Esa diferencia llev\u00f3 al equipo a plantear una pregunta sencilla pero relevante: si las m\u00e1quinas discutieran de una forma m\u00e1s parecida a los humanos, \u00bfpodr\u00edan tomar mejores decisiones colectivas?<\/p>\n\n\n\n
Para explorar esta posibilidad, el equipo dise\u00f1\u00f3 un nuevo marco de debate en el que varios agentes de inteligencia artificial intercambian argumentos con mayor libertad. En lugar de limitarse a turnos estrictos, los agentes pueden decidir si intervenir inmediatamente, esperar o incluso permanecer en silencio cuando no tienen nada relevante que aportar.<\/p>\n\n\n\n
Un experimento con personalidades artificiales<\/p>\n\n\n\n
El sistema propuesto introduce un elemento poco habitual en este tipo de arquitecturas: rasgos de personalidad inspirados en la psicolog\u00eda humana. Cada agente recibe caracter\u00edsticas derivadas del conocido modelo de los cinco grandes rasgos de personalidad \u2014apertura, responsabilidad, extraversi\u00f3n, amabilidad y neuroticismo\u2014, lo que influye en su forma de participar en la conversaci\u00f3n.<\/p>\n\n\n\n
Estos rasgos no se utilizan para simular emociones humanas en sentido estricto, sino para modificar el comportamiento del agente durante el debate. Algunos agentes tienden a intervenir con mayor frecuencia, mientras que otros adoptan una actitud m\u00e1s reflexiva y prefieren escuchar antes de hablar. El objetivo es generar una interacci\u00f3n m\u00e1s variada y menos predecible entre los participantes.<\/p>\n\n\n\n
Para hacer posible esta din\u00e1mica, los investigadores tambi\u00e9n modificaron el modo en que los modelos procesan las respuestas. En lugar de generar un mensaje completo antes de enviarlo, el sistema analiza la conversaci\u00f3n frase a frase, lo que permite reaccionar a lo que dicen los dem\u00e1s agentes en tiempo real.<\/p>\n\n\n\n
Este enfoque introduce un mecanismo adicional denominado \u201cpuntuaci\u00f3n de urgencia\u201d, que determina cu\u00e1ndo un agente considera necesario intervenir. Si el sistema detecta un posible error o un argumento importante, el valor de urgencia aumenta y el agente puede tomar la palabra incluso si no era su turno. En cambio, cuando el valor es bajo, el agente puede optar por no intervenir y evitar as\u00ed saturar la conversaci\u00f3n con aportaciones redundantes.<\/p>\n\n\n\n
Un resultado inesperado en las pruebas de razonamiento<\/p>\n\n\n\n
Para evaluar el comportamiento del sistema, los investigadores recurrieron a un conjunto de pruebas muy utilizado en investigaci\u00f3n en inteligencia artificial: el benchmark MMLU (Massive Multitask Language Understanding). Este conjunto de preguntas abarca numerosas disciplinas, desde ciencias naturales hasta humanidades, y se utiliza para medir la capacidad de razonamiento de los modelos de lenguaje.<\/p>\n\n\n\n
Los experimentos compararon tres configuraciones distintas de debate entre agentes. En la primera, los participantes segu\u00edan un orden fijo de intervenci\u00f3n. En la segunda, el orden era din\u00e1mico, aunque cada agente segu\u00eda esperando su turno. En la tercera, adem\u00e1s de ese orden din\u00e1mico, se permit\u00edan interrupciones cuando el sistema detectaba una alta urgencia para intervenir.<\/p>\n\n\n\n
Los resultados mostraron diferencias claras entre los tres modelos. Cuando un agente comenzaba la discusi\u00f3n con una respuesta incorrecta, el sistema con turnos estrictos alcanzaba una precisi\u00f3n del 68,7 %, mientras que el modelo con interrupciones elevaba ese valor hasta el 79,2 %. En escenarios a\u00fan m\u00e1s complejos, donde dos agentes empezaban con respuestas equivocadas, la precisi\u00f3n tambi\u00e9n mejoraba de forma notable.<\/p>\n\n\n\n
Estos resultados sugieren que la din\u00e1mica de conversaci\u00f3n influye directamente en la calidad del razonamiento colectivo. Cuando los agentes pueden reaccionar de inmediato ante un error o un argumento relevante, el grupo corrige antes los fallos y llega con mayor rapidez a una conclusi\u00f3n adecuada. En otras palabras, el aparente desorden de las interrupciones puede favorecer una discusi\u00f3n m\u00e1s eficiente.<\/p>\n\n\n\n
Una nueva forma de dise\u00f1ar inteligencia artificial colaborativa<\/p>\n\n\n\n
El trabajo tambi\u00e9n plantea implicaciones interesantes para el dise\u00f1o de futuros sistemas de inteligencia artificial. Muchas aplicaciones emergentes \u2014desde asistentes virtuales hasta sistemas de an\u00e1lisis cient\u00edfico\u2014 podr\u00edan beneficiarse de m\u00faltiples agentes especializados que colaboran para resolver problemas complejos.<\/p>\n\n\n\n
En ese contexto, el estudio sugiere que la interacci\u00f3n entre agentes no deber\u00eda limitarse a turnos r\u00edgidos y completamente predecibles. Al introducir elementos propios de la comunicaci\u00f3n humana, como la interrupci\u00f3n estrat\u00e9gica o el silencio deliberado, los sistemas pueden adaptarse mejor al desarrollo de la conversaci\u00f3n.<\/p>\n\n\n\n
Adem\u00e1s, la presencia de rasgos de personalidad artificiales podr\u00eda ayudar a distribuir roles dentro de un grupo de agentes. Algunos podr\u00edan especializarse en detectar errores, otros en evaluar argumentos y otros en sintetizar conclusiones, generando as\u00ed din\u00e1micas de debate m\u00e1s ricas y productivas.<\/p>\n\n\n\n
Los autores se\u00f1alan que el siguiente paso consiste en aplicar este marco a tareas m\u00e1s complejas, especialmente en contextos de colaboraci\u00f3n creativa o toma de decisiones colectivas. Seg\u00fan indican en el trabajo, \u201cen el futuro los agentes de inteligencia artificial interactuar\u00e1n cada vez m\u00e1s entre s\u00ed y con los humanos en entornos colaborativos\u201d, lo que hace especialmente relevante comprender c\u00f3mo influyen las din\u00e1micas sociales en su comportamiento.<\/p>\n","protected":false},"excerpt":{"rendered":"
Las conversaciones entre inteligencias artificiales suelen seguir reglas r\u00edgidas y previsibles. Un nuevo estudio explora qu\u00e9 ocurre cuando esas normas cambian y las m\u00e1quinas empiezan a interactuar de una forma mucho m\u00e1s parecida a la de las personas. Estados Unidos a 09 de marzo de 2026.- Los sistemas de inteligencia artificial que conversan entre s\u00ed […]<\/p>\n","protected":false},"author":1,"featured_media":28161,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[40],"tags":[],"class_list":["post-28160","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-cienciaytecnologia"],"_links":{"self":[{"href":"https:\/\/elreporterodelacomunidad.com\/index.php\/wp-json\/wp\/v2\/posts\/28160","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/elreporterodelacomunidad.com\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/elreporterodelacomunidad.com\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/elreporterodelacomunidad.com\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/elreporterodelacomunidad.com\/index.php\/wp-json\/wp\/v2\/comments?post=28160"}],"version-history":[{"count":1,"href":"https:\/\/elreporterodelacomunidad.com\/index.php\/wp-json\/wp\/v2\/posts\/28160\/revisions"}],"predecessor-version":[{"id":28162,"href":"https:\/\/elreporterodelacomunidad.com\/index.php\/wp-json\/wp\/v2\/posts\/28160\/revisions\/28162"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/elreporterodelacomunidad.com\/index.php\/wp-json\/wp\/v2\/media\/28161"}],"wp:attachment":[{"href":"https:\/\/elreporterodelacomunidad.com\/index.php\/wp-json\/wp\/v2\/media?parent=28160"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/elreporterodelacomunidad.com\/index.php\/wp-json\/wp\/v2\/categories?post=28160"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/elreporterodelacomunidad.com\/index.php\/wp-json\/wp\/v2\/tags?post=28160"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}