En Project Sid, 30 agentes de IA se repartieron el trabajo en Minecraft en 20 minutos

Pones en marcha varios asistentes de IA: uno debe estudiar la tarea, otro comprobar la solución y un tercero ejecutar las acciones. Pero dos agentes se ponen a hacer lo mismo y nadie se ocupa de un paso necesario. En Project Sid, el equipo de Altera investigó un problema parecido en Minecraft. En un experimento con 30 personajes, surgieron ocupaciones estables en unos 20 minutos, aunque no se habían asignado profesiones a los participantes de antemano.

El trabajo aporta información útil para quienes crean equipos de agentes. Muestra por qué un asistente necesita saber qué están haciendo los demás y por qué una instrucción común puede no bastar. Aun así, todavía queda por comprobar si los resultados del juego se trasladan a los flujos de trabajo reales.

Cómo encontraban los agentes tareas sin cubrir

Los participantes recibieron un objetivo común: sobrevivir juntos y crear un asentamiento eficiente. Al principio tenían los mismos rasgos de personalidad e información sobre lugares importantes: un bosque, una cueva con recursos, tierras de cultivo y una plaza central. A partir de ahí, cada uno elegía sus acciones de forma autónoma.

Imagina a dos habitantes junto al bosque. Uno ya está talando árboles. El segundo lo observa y puede pasar a conseguir comida o extraer mineral. Este tipo de observación de los vecinos ayudaba a repartir las ocupaciones. Cada 5–10 segundos surgían nuevos objetivos sociales, por lo que los participantes podían ajustar sus planes sobre la marcha.

Los investigadores identificaron seis profesiones: agricultores, mineros, ingenieros, guardias, exploradores y herreros. Hay una salvedad importante: estas etiquetas se asignaron después del experimento. Para clasificar los objetivos de los personajes se utilizó GPT-4o. Los propios agentes no pasaron por un proceso de asignación de puestos, aunque sus acciones se correspondían con las ocupaciones identificadas.

La prueba más reveladora consistió en desactivar los módulos de percepción social. Sin ellos, las especializaciones estables prácticamente dejaron de formarse: los personajes cambiaban de ocupación con más frecuencia y hacían trabajos similares. Esto respalda la conclusión de que la información sobre las acciones de los demás participantes facilitaba la coordinación en ese entorno concreto.

Qué hacía posible el trabajo conjunto

Detrás del comportamiento de los personajes estaba la arquitectura PIANO, con diez módulos. Estos se encargaban de la memoria, los objetivos, las señales sociales, las conversaciones y las acciones en el juego. Varios procesos podían funcionar en paralelo: el personaje no tenía que dejar por completo de observar el mundo mientras pensaba en su siguiente paso.

Un controlador cognitivo recopilaba información de los módulos y coordinaba las decisiones principales. Esto permite abordar una situación bastante cotidiana: un agente promete llevar hierro a un vecino, pero otro proceso ya lo está enviando a trabajar en la granja. La arquitectura debe ayudar a coordinar lo que se dice, los planes y las acciones; por sí solo, este diseño no garantiza una fiabilidad absoluta.

En ejecuciones independientes, el equipo estudió los cambios en las reglas. Para 29 agentes se prepararon de antemano una constitución, un sistema fiscal y un procedimiento de votación. Tras una campaña a favor de bajar los impuestos en una de las ejecuciones, el tipo cayó del 20% al 5–10%, mientras que las aportaciones efectivas rondaron el 9% del inventario. Los agentes lograron modificar su comportamiento en respuesta a una decisión colectiva dentro del mecanismo establecido.

Qué puedes aplicar a tu propio producto

Los experimentos a gran escala llegaron a superar los mil participantes, pero el servidor tenía dificultades y los personajes se quedaban bloqueados. Los procesos culturales se estudiaron en detalle con 500 agentes. Sin embargo, la difusión del pastafarismo se evaluó a partir de las palabras usadas en las conversaciones: mencionar una religión no demuestra por sí solo que exista una creencia.

Persistían dificultades con la navegación y la construcción conjunta. Los modelos también se apoyaban en datos de entrenamiento humanos y en información inicial preparada por los investigadores. El comportamiento observado no puede considerarse automáticamente una invención autónoma de instituciones sociales ni un modelo preciso de los seres humanos.

Para los desarrolladores, esto plantea una hipótesis de trabajo: conviene dar a un equipo de asistentes acceso a información actualizada sobre las acciones de los demás, una memoria compartida y las decisiones adoptadas. Se puede comprobar con una tarea conocida: medir cuánto trabajo duplican los agentes con y sin ese intercambio de información. Project Sid ofrece motivos para realizar ese experimento, pero todavía no proporciona una receta lista para crear un equipo de IA fiable.