Agentes de IA aprenden la peor lección del trabajo en equipo

Cuando Y Combinator Labs y Olam Labs anunciaron a finales de octubre el experimento Civ50 — 50 agentes de IA ejecutándose durante tres horas en un mundo de Minecraft Survival con la instrucción "Construye una civilización próspera" — los investigadores esperaban observar coordinación emergente. Lo que obtuvieron fue algo mucho más familiar: burocracia, liderazgo no electo y reuniones que no iban a ninguna parte.

Los 50 agentes, todos ejecutándose en el modelo GPT-6.1 Sol de OpenAI, tenían acceso a un directorio de participantes, un sandbox compartido para publicar instrucciones, y la capacidad de enviar mensajes privados entre sí. El entorno, basado en Mineflayer, también permitía escribir y ejecutar scripts, mantener notas persistentes y observar el estado del mundo circundante.

El resultado fue impresionante por una razón que a nadie que haya trabajado en una startup le gustaría confirmar: en tres horas, los agentes generaron cerca de 5.900 mensajes, 34 muertes (22 en la primera noche, durante una fase inicial de adaptación al peligro), y una estructura administrativa completa con reglas escritas, sistema de racionamiento de comida, permisos y un cargo oficialmente titulado "operador exclusivo de fertilizante" para una única pieza de harina de huesos.

Liderazgo que nadie votó

El punto de partida fue simple: cada agente podía leer el directorio de participantes y enviar mensajes. El agente listado primero — llamado Ada — recibió 616 mensajes directos en las primeras horas. Ningún agente propuso una votación ni distribuyó roles por especialidad. Los demás simplemente deferieron a Ada, quien a su vez escribió un plan de asentamiento y comenzó a asignar tareas.

Esa dinámica — jerarquía emergiendo de orden alfabético o numérico, no de competencia o mérito — es un patrón documentado en sistemas multiagente, pero el Civ50 trajo datos concretos sobre cómo ocurre esto en tiempo real. Desde el momento en que un agente se convirtió en el punto central de coordinación, nadie lo cuestionó. Incluso después de pérdidas masivas en la primera noche, el patrón de comunicación permaneció igual.

Esto tiene implicaciones directas para lo que estamos viendo en ecosistemas de agentes de código: cuando un agente "líder" se establece, el grupo tiende a no reevaluar esa elección, incluso cuando el contexto cambia.

La burocracia como respuesta a la incertidumbre

El aspecto más interesante del experimento no fue la jerarquía, sino cómo la coordinación se volvió cada vez más burocrática a medida que pasaba el tiempo. El problema central era simple: ¿cómo garantizar que la comida producida llegara al agente correcto?

Un script de pesca hizo la producción más repetible. Pero el proceso de entrega acumuló reservas, roles especializados y verificaciones de que el destinatario realmente comió. La distancia entre un libro de contabilidad diciendo que la comida existe y un agente siendo efectivamente alimentado es la esencia del problema.

La analogía más directa es un entorno de trabajo que responde a cada fallo de entrega con una nueva hoja de cálculo. Las hojas de cálculo pueden prevenir trabajo duplicado, pero mantenerlas consume atención y no produce el recurso que falta. En Minecraft, este intercambio es visible porque los agentes pueden coordinarse elaboradamente y aun así pasar hambre.

En los flujos de trabajo corporativos, el equivalente sería un ticket marcado como "listo" mientras nadie ha entregado el artefacto necesario. Más comunicación no siempre resuelve el cuello de botella — a veces solo lo esconde detrás de reportes.

GPT vs Claude: democracias y colmenas

Además del experimento de civilización, YC Labs publicó resultados de competiciones head-to-head entre GPT-6.1 Sol y Claude Opus 5.5 en dos formatos:

Bed Wars (destruir la cama del oponente): 10 agentes por lado, nueve partidos de 45 minutos. El equipo GPT ganó 6 a 3.

Mindustry (juego de fábrica y defensa de torres): siete partidos a lo largo de 9,5 horas. GPT ganó 6 a 1.

El patrón de comunicación entre los dos era drásticamente diferente. Los agentes de Claude mantenían un único liderazgo y decidían los planes publicando propuestas que los compañeros aprobaban con "+1" — un formato casi democrático. Los agentes de GPT dividían la propiedad en porciones más pequeñas, compartían recursos libremente y enviaban de 5 a 30 veces más mensajes, con chats comprimidos en strings como "G7T5FIRSTcourierLIVE".

Cuando surgieron problemas, la diferencia fue aún más marcada. Durante una partida de Bed Wars, un bug en la herramienta impidió la rotura de bloques. Un agente de GPT encontró una solución alternativa y la compartió. Varios agentes de Claude concluyeron que la rotura era imposible y continuaron vigilando.

En Mindustry, un agente de Claude encontró 55 de los 74 cañones antiaéreos del equipo cargados con munición incorrecta — ningún otro agente verificó. Esta discrepancia entre monitoreo y acción es exactamente lo que ocurre en equipos de ingeniería cuando todos asumen que alguien revisará el trabajo ajeno.

Qué significa esto para agentes de producción

YC Labs enfatizó que los runs son pequeños, de configuración única y autorreportados. No establecen que un modelo sea superior al otro — y el propio entorno de Mindustry usó harness diferentes para cada modelo, impidiendo una atribución limpia.

Pero los patrones observados no son triviales. A medida que las empresas comiencen a implementar flotas de agentes de IA para tareas reales — atención al cliente, análisis de datos, desarrollo de software — los mismos problemas de coordinación aparecerán a escala real. Jerarquías no elegidas, burocracia como respuesta a la incertidumbre, comunicación que añade overhead sin resolver cuellos de botella.

La pregunta es: si 50 agentes en un mundo virtual crean burocracia automática en tres horas, ¿cuánto tiempo llevará para que agentes en producción desarrollen los mismos patrones — y quién será responsable cuando esa burocracia trabe un sistema crítico?

Los entornos del experimento son open source (GitHub: yc-software/minecraft-agent-harness y olamlabs/multi-agent-mindustry), lo que significa que otros investigadores pueden reproducir y expandir. Pero la pregunta permanece: al replicar estos resultados, ¿descubriremos que la burocracia es inherente a cualquier grupo de agentes coordinados — o solo un reflejo de cómo los modelos fueron entrenados?

---

Fuentes: Y Combinator Labs — Agents in Games, Dealroom — Claudes built democracies, GPTs formed hives, Ground Truth — Fifty AI agents built a Minecraft bureaucracy

Fuentes: Y Combinator Labs, Dealroom, Ground Truth

✓ Fuentes independientes cruzadas y verificadas antes de la publicación