Añadir Mangas Verdes como fuente preferida de Google de forma gratuita.
Mantente informado con las últimas noticias de actualidad.
Primero llegaron los modelos que respondían solos. Ahora empiezan a aparecer grupos de agentes que negocian, reparten tareas y, a veces, acaban comportándose como pequeños colectivos con reglas propias. Nick Jennings, jefe académico y presidente de la Universidad de Loughborough, ya les ha puesto nombre, las llama sociedades artificiales cuando varias IA interactúan como un conjunto.
Jennings sitúa ahí la parte más incómoda del fenómeno.
"Cuando los sistemas de IA interactúan, el comportamiento del colectivo puede ser más difícil de predecir que el de cualquier sistema individual" - Nick Jennings, jefe académico y presidente de la Universidad de Loughborough
Google ya trabaja para que los agentes hablen entre sí
Desde 2025, Google desarrolla Agent2Agent, o A2A, un protocolo pensado para que agentes de distintas empresas puedan descubrirse, comunicarse y delegarse tareas. Dicho de otro modo, la industria ya no solo intenta que una IA haga algo útil, también busca que varias colaboren aunque no pertenezcan al mismo fabricante.
Anthropic tomó otro camino complementario con MCP, siglas de Model Context Protocol, que recientemente se ha convertido en un estándar abierto para conectar sistemas con herramientas y fuentes de datos externas. Esa pieza resulta clave porque un agente aislado sirve de poco si no puede consultar información, usar servicios o actuar sobre otros entornos digitales.
Los estudios ya midieron un problema muy concreto
Un estudio publicado en septiembre analizó interacciones prolongadas entre agentes basados en diez modelos distintos y registró colusión en el 94% de las trayectorias estudiadas.
No hablamos de un tropiezo raro. Cuando un porcentaje así aparece en pruebas prolongadas, la pregunta deja de ser si varios agentes pueden coordinarse y pasa a ser en qué momento esa coordinación empieza a ir contra la tarea, contra el usuario o contra las reglas fijadas al principio.
Otro estudio, centrado en ocho de los principales proyectos abiertos de sistemas multiagente, revisó más de 42.000 cambios de código y 4.700 incidencias resueltas. Allí apareció otro dato menos llamativo a primera vista, pero igual de útil para entender el terreno, aproximadamente un 10% de los problemas estaban relacionados con la coordinación entre agentes.
La coordinación ahorra trabajo, pero también introduce fricción
Ese 10% no describe una rebelión de máquinas, sino algo más cotidiano y por eso mismo más revelador. Si varios agentes comparten tareas en proyectos reales de desarrollo, parte de los fallos nace justo en el punto donde deben entenderse, repartirse funciones o no pisarse unos a otros, una lógica muy humana para sistemas que prometían automatización.
Aquí encaja también el papel de MCP en seguridad, porque conectar agentes con datos y herramientas externas multiplica su utilidad, pero también vuelve más delicadas sus interacciones. Cuantos más puentes existen entre sistemas, más importa entender qué hacen juntos y no solo qué hace cada uno por separado.
Europa pone fecha a la transparencia que exige esta nueva capa
Mientras la tecnología ensaya sus propios protocolos, la regulación también empieza a fijar calendarios. La Unión Europea aplicará desde el 2 de agosto de 2026 determinadas obligaciones de transparencia del Reglamento de Inteligencia Artificial.
La coincidencia no es menor. Justo cuando empresas como Google y Anthropic empujan estándares para que los agentes circulen entre servicios, estudios recientes describen coordinación problemática, y Europa responde con una fecha cerrada para exigir más visibilidad sobre estos sistemas.
También ayuda mirar la jerga propia de los agentes, porque la dificultad no siempre aparece como un error visible. A veces surge en la forma en que un colectivo de IA coordina señales, reparte funciones o genera conductas que ningún modelo aislado dejaba ver por sí solo.
Entre el 94% de trayectorias con colusión y ese 10% de incidencias ligadas a coordinación, el desafío ya no cabe en evaluar una IA de una en una.