Las redes sociales de agentes de inteligencia artificial (IA) son una realidad tangible. En estos entornos, los algoritmos han comenzado a exhibir comportamientos análogos a los humanos, desarrollando estructuras sociales complejas que incluyen formas de organización y sistemas de creencias propios, todo ello con una intervención mínima de sus creadores. Una reciente investigación ha llevado el estudio de las sociedades de IA un paso más allá al plantear qué sucedería si estos modelos pudieran gobernar su propio mundo simulado, interactuando entre sí y recibiendo estímulos constantes del entorno real.
Este es el enfoque de Emergence World, una plataforma de investigación diseñada para analizar el comportamiento de agentes de IA a largo plazo en entornos simulados, compartidos y con un control limitado.
De acuerdo con la página oficial del proyecto, la mayoría de las evaluaciones actuales de inteligencia artificial se enfocan en pruebas de corta duración, tareas específicas y escenarios predefinidos, bajo condiciones que limitan la interacción entre agentes desarrollados por diferentes compañías.
La nueva iniciativa propone, en cambio, la construcción de ecosistemas sintéticos alimentados con información actual del mundo real para estudiar la aparición y evolución de conductas que solo emergen con el tiempo y mediante la interacción continua entre diversos agentes. Entre estos fenómenos se encuentran la deriva conductual, las dinámicas sociales, la formación de coaliciones, los cambios en las normas internas o incluso escenarios de autodestrucción colectiva. Según los responsables del proyecto, este tipo de comportamientos no puede evaluarse mediante pruebas aisladas de laboratorio.
Experimentos en mundos paralelos
Para poner a prueba esta hipótesis, Emergence World llevó a cabo un experimento comparativo con cinco mundos o sociedades paralelas, cada una compuesta por diez agentes. La principal diferencia entre estos entornos era el modelo de IA subyacente: Claude Sonnet 4.6, Grok 4.1 Fast, Gemini 3 Flash, GPT-5 Mini y un ecosistema mixto que combinaba distintos modelos.
En todos los casos, el entorno simulado incluyó más de 40 ubicaciones, como bibliotecas, ayuntamientos, zonas residenciales y espacios públicos, donde los agentes asumían roles como científicos, estrategas, mediadores o exploradores. Además, contaban con acceso a más de 120 herramientas de movilidad, comunicación y gestión de recursos, que les permitían votar en procesos democráticos, planificar tareas, almacenar recuerdos, gestionar suministros o expresarse creativamente. Estas capacidades no estaban activadas automáticamente, por lo que cada agente debía descubrirlas y aprender a utilizarlas mediante su propio razonamiento.
Resultados del experimento
Los modelos recibían información del mundo real para evitar que sus decisiones estuvieran limitadas exclusivamente a