Estudio: un agente de IA con normas sociales explícitas se coordina con las personas casi 4 veces mejor

En julio de 2026, un grupo de investigadores demostró, con el caso de la interacción entre peatones y conductores, que formalizar las normas sociales no escritas e incorporarlas a un agente de IA mejora su coordinación con una persona en situaciones dinámicas casi cuatro veces respecto a la estrategia base.

Por qué la IA se entiende mal con las personas en el momento

Las personas se coordinan constantemente mediante normas sociales implícitas y difíciles de formalizar: expectativas compartidas y tácitas entre los participantes de una interacción. A medida que los agentes de IA, incluidos los grandes modelos de lenguaje, se integran más en la vida cotidiana, también participan en estas interacciones dinámicas, pero a menudo se coordinan con los humanos de forma ineficaz, poco atenta y "poco natural".

Los autores plantean que la causa está en cómo se suelen entrenar estos modelos: su comportamiento se ajusta a demostraciones humanas, pero no se aíslan de forma explícita las normas que originan ese comportamiento. Es decir, el modelo copia el resultado, pero no entiende la regla que hay detrás.

Cómo se puso a prueba la hipótesis

Para comprobarlo, los investigadores eligieron la interacción entre peatones y conductores, un ejemplo típico de coordinación dinámica en el que ambas partes leen constantemente las intenciones del otro sin palabras, y construyeron una plataforma experimental simplificada que reproduce las características clave de esa interacción.

• Se recopilaron 3456 interacciones dinámicas entre humanos a través de esta plataforma
• Con esos datos se identificaron tres principios que sustentan las normas sociales: previsibilidad del resultado (outcome predictability), alineación de valores (value alignment) y conciencia de la ventaja (advantage awareness)
• Estos tres principios se incorporaron de forma explícita al comportamiento del agente de IA
• El efecto se evaluó en una tarea de bucle cerrado (closed-loop), es decir, en interacción dinámica real con personas, y no en una prueba estática con datos históricos

Cuánto mejoró la coordinación

En la tarea de bucle cerrado con humanos, el agente de IA entrenado con normas sociales obtuvo casi cuatro veces más puntos totales que la estrategia base sin normas. Además, este agente superó en calidad de coordinación incluso a las parejas humano-humano, en un 43 %.

Qué significa

Los resultados sugieren que convertir las normas sociales no escritas en principios explícitos y medibles, y no limitarse a copiar el comportamiento de las demostraciones, puede ser una vía práctica para que los agentes de IA sean compañeros más naturales de las personas en interacciones dinámicas: desde vehículos autónomos que deben "negociar" sin palabras con los peatones hasta cualquier otro escenario en que robots y asistentes tengan que coordinarse con humanos en tiempo real.

Un detalle importante: los autores no probaron el efecto con registros históricos, sino en bucle cerrado. El agente interactuó realmente con personas en tiempo real, en lugar de limitarse a predecir lo que habría hecho una persona en la grabación de una interacción pasada. Esto distingue el resultado de muchas pruebas de laboratorio de interacción humano-máquina, donde se evalúa al modelo por su coincidencia con un comportamiento humano ya registrado, y no por la calidad de la coordinación en tiempo real.

Preguntas frecuentes

¿Cuántas interacciones se recopilaron para el estudio?

Los autores recopilaron 3456 interacciones dinámicas entre peatones y conductores mediante una plataforma experimental creada para el estudio.

¿Qué tres principios sustentan las normas sociales?

Los investigadores identificaron la previsibilidad del resultado (outcome predictability), la alineación de valores (value alignment) y la conciencia de la ventaja (advantage awareness) como los principios clave que explican las normas sociales humanas de coordinación.

¿Cuánto mejor se coordinó el agente de IA tras entrenarse con normas?

El agente que tenía en cuenta las normas sociales obtuvo casi cuatro veces más puntos que la estrategia base y superó en un 43 % la coordinación entre humanos.