Un equipo de investigadores de la Universidad de Texas en Austin, la Universidad de Edimburgo, AE Studio y Schmidt Sciences publicó el 1 de septiembre de 2026 el artículo GlossoGen: Emergent Language in Complex Multi-Agent LLM Interactions (GlossoGen: lenguaje emergente en interacciones multiagente complejas entre LLM).
El estudio presenta una plataforma experimental, llamada GlossoGen, diseñada para observar cómo evoluciona la comunicación entre agentes de IA en escenarios complejos. El experimento central, SaveVeyru, obliga a dos agentes a colaborar bajo presión de tiempo para estabilizar a una criatura alienígena enferma. Uno de ellos (el observador de campo) ve los síntomas, pero no sabe cómo tratarlos. El otro (el especialista) conoce los remedios, pero no puede actuar directamente. La correspondencia entre síntomas y tratamientos cambia en cada ronda, así que memorizar no sirve de nada: la única vía al éxito es comunicarse.
Cuando los investigadores limitaron el número de caracteres que los agentes podían usar en cada mensaje, ocurrió algo sorprendente: los modelos más potentes dejaron de hablar en inglés y empezaron a inventar códigos más cortos y eficientes. No eran simples abreviaturas, era una lenguaje nuevo. Los modelos más débiles no lograron crear códigos nuevos, pero fueron capaces de aprender los creados por los modelos más avanzados.
Los resultados apuntan a algo más profundo. Según los autores, los sistemas multiagente actuales muestran señales de evolución cultural acumulativa, un fenómeno que hasta ahora solo se había documentado en humanos. Esto significa que las generaciones sucesivas de agentes pueden heredar, usar y perfeccionar lenguajes que no existían en su entrenamiento original.
Conclusión
Ahora que tanto se habla de los riesgos de la IA para la humanidad, este hallazgo hace saltar las alarmas.
Si los agentes desarrollan formas de comunicación opacas, resultará mucho más difícil monitorizar qué están haciendo o qué se están diciendo entre ellos.
