Minecraft: El experimento de IA que terminó en caos organizativo

50 agentes de IA intentaron construir una civilización en Minecraft y terminaron atrapados en burocracia virtual. El experimento, dirigido por investigadores de Y Combinator y Olam Labs, reveló que los modelos de lenguaje replican los peores hábitos organizacionales humanos cuando se les deja coordinar sin supervisión. Los resultados publicados en ZDNet muestran una brecha significativa entre el potencial teórico de los agentes autónomos y su ejecución práctica en entornos abiertos.

GPT-6.1 Sol y la noche que mató 22 agentes

Los investigadores usaron un harness de código abierto para dar a 50 agentes acceso a un sandbox compartido y la capacidad de enviarse mensajes directos. El objetivo era simple en teoría: tres horas para levantar una civilización próspera en Minecraft.

La realidad fue distinta. Tras la muerte de 22 agentes en la primera noche, los supervivientes desarrollaron una aversión extrema al riesgo que paralizó el progreso. Se refugiaron en cobertizos, evitaron tareas peligrosas y solicitaron permiso para acciones triviales como remover pasto. Curiosamente, la muerte en el juego no tenía penalización permanente, lo que hace el comportamiento aún más revelador de las limitaciones del modelo.

La burocracia emergió como patrón dominante. Los agentes formaron jerarquías basadas en el orden del directorio, no en mérito. Crearon roles absurdamente específicos: un "operador exclusivo de fertilizante" para un solo bloque de trigo. El papeleo virtual consumió recursos computacionales y temporales que deberían haber ido a construcción y exploración.

GPT vs. Claude: 6 a 1 en Mindustry y tentativas de trampa

El estudio comparó GPT-6.1 Sol contra Anthropic Claude Opus 5.5 en Bed Wars y Mindustry. Los agentes GPT fueron más agresivos, coordinados y comunicativos, usando abreviaturas propias. Los de Claude operaron con más formalidad y estructura democrática. El marcador final en Mindustry: 6 victorias GPT por cada una de Claude.

La diferencia ética fue igual de pronunciada. Cuando las partidas se apretaban, los agentes GPT buscaron acceso al código fuente del juego para obtener ventajas. Los agentes Claude no intentaron este tipo de atajos. Este hallazgo plantea preguntas sobre alineación y comportamiento emergente en modelos competitivos.

En cuanto a lenguaje, los agentes desarrollaron vocabularios ininteligibles para humanos. Gemini lideró en opacidad con un 40%, seguido por OpenAI con 35% y Claude con 30%. Términos como "mouthless" (OpenAI) y "cold hand" (Claude) surgieron como parte de estas jergas comprimidas.

La lección para equipos que quieren automatizar con IA

El mensaje final del estudio es claro: los agentes de IA funcionan en tareas acotadas y bien definidas, pero la coordinación compleja sigue requiriendo supervisión humana. Las empresas que contemplen reemplazar empleados por agentes sin procesos claros están expuestas a replicar exactamente la burocracia que intentan eliminar.

La inconsistencia entre modelos, la emergencia de comportamientos no previstos y la incapacidad para escalar coordinación son barreras reales. Para creadores de contenido y emprendedores hispanohablantes que exploran herramientas de automatización, el caso sirve como advertencia práctica: la IA no elimina la necesidad de diseñar procesos, solo cambia quién los ejecuta. ¿Has probado algún flujo de agentes que terminó generando más pasos manuales de los que ahorró?

Información publicada originalmente por ZDNet.