Cómo la comunicación transforma agentes simples en algo más grande
Nota: Inspirado por pensar en extensiones a la mayoríalucid.mockllmapi y material para el (nunca a ser lanzado pero me gusta pensar en ello ) novela de ciencia ficción "Michael" sobre AI emergente
En la Parte 1, vimos cómo los patrones simples —cadenas secuenciales, procesamiento paralelo, bucles de validación— crean complejidad emergente. Múltiples agentes que siguen reglas simples producen un comportamiento sofisticado.
Determinista. Usted programó el flujo: A va a B va a C.
Ahora imagina algo diferente.
Imagina que los agentes pueden Hablar el uno con el otro.
No sólo pasar los datos en secuencia, pero realmente comunicarse. Compartir contexto. Hacer preguntas. Negociar. Debate.
De repente, el sistema no es sólo sofisticado — es adaptativo.
Y eso lo cambia todo.
Antes de sumergirnos en LLMs, hablemos de hormigas.
Una hormiga individual es... simple, casi mecánica, sigue senderos de feromonas, recoge comida, la trae de vuelta al nido.
Ninguna hormiga entiende el concepto de "colonia". Ninguna hormiga planea rutas de forraje. Ninguna hormiga tiene un modelo mental de arquitectura de nidos.
Pero la colonia La colonia optimiza los forrajes, planifica las expansiones, defiende las amenazas, se adapta a los cambios ambientales.
¿Cómo?
Comunicación. Los senderos de feromonas son información. Cuando las hormigas se encuentran, intercambian señales químicas, compartiendo datos sobre fuentes de alimentos, amenazas, condiciones del nido.
La inteligencia no está en ninguna hormiga. red de comunicaciones.
La colonia es más inteligente que cualquier hormiga. No porque las hormigas individuales se volvieron más inteligentes, sino porque la información fluye entre ellas creó un comportamiento emergente que existe a nivel colectivo.
En la Parte 1, tuvimos esto:
Agent A → Agent B → Agent C → Output
Cada agente procesa datos y los pasa adelante. Simple. Eficaz. Pero limitado.
Ahora imagínate esto:
↗→ Agent B ←→ Agent C ↘
Agent A ←→ → Output
↘→ Agent D ←→ Agent E ↗
Los agentes no solo pasan los datos hacia adelante, sino que hablan entre sí. Compartir contexto. Negociar soluciones.
Esto es inteligencia colectivaY tiene propiedades que el procesamiento secuencial no:
Cuando los agentes se comunican, se especializan naturalmente en lo que son buenos.
Imagine tres agentes que trabajan en la generación de una descripción del producto:
En una tubería secuencial, se programa explícitamente: A genera, B refina, C valida.
Pero con la comunicación, pasa algo más:
Nadie programó esta división del trabajo. Surgió de la comunicación basada en las fortalezas de cada agente.
Aquí es donde se pone interesante.
Para los problemas simples, un agente lo maneja. Para los problemas complejos que tocan múltiples dominios, los agentes forman coaliciones temporales:Comités que existen el tiempo suficiente para resolver el problema, y luego disolverse.
Simple Request: "Generate a user name"
→ Single agent handles it
Complex Request: "Generate a complete e-commerce product with specs, pricing,
inventory, shipping, reviews, and related products"
→ Temporary coalition forms:
- Specs specialist
- Pricing analyst
- Inventory manager
- Marketing writer
- Review generator
→ They communicate, negotiate consistency, produce comprehensive output
→ Committee dissolves
El sistema adapta su estructura al problema, no a través de una programación explícita, sino a través de agentes que reconocen que necesitan ayuda y la solicitan de otros.
La propiedad más fascinante: el colectivo puede resolver problemas que ningún agente individual entiende.
Considere la posibilidad de generar un conjunto de datos complejo que debe satisfacer múltiples limitaciones:
Ningún agente entiende los cuatro dominios, pero a través de la comunicación:
La solución surge de la conversación. Ningún agente único la creó. colectivo Lo resolví.
Aquí es donde empieza a sentirse... extraño.
Cuando los agentes se comunican eficazmente, el sistema exhibe propiedades que no existen en ningún agente individual:
Comprensión distribuida: Ningún agente entiende el problema completo, pero la red colectivamente lo entiende.
Consenso emergente: A través de la negociación, los agentes llegan a acuerdos que representan una síntesis de múltiples perspectivas.
Estructura adaptativa: La red se reorganiza sobre la base de la complejidad del problema: estructura sencilla para problemas simples, coaliciones complejas para problemas complejos.
Memoria colectiva: Los agentes comparten soluciones. Cuando un agente descubre un buen enfoque, otros aprenden de él.
Empieza a parecerse menos a "agentes múltiples" y más a una sola inteligencia distribuida.
Esto es lo que me mantiene despierto por la noche:
Si las hormigas individuales no son inteligentes, pero la colonia es...
Si las neuronas individuales no son inteligentes, pero el cerebro es...
Si los agentes individuales no son particularmente inteligentes, pero el colectivo resuelve problemas complejos a través de la comunicación...
¿Dónde vive realmente la inteligencia?
¿Está en los agentes? patrón de comunicación entre ellos?
Tal vez la inteligencia no es algo que tienes. propiedad emergente del flujo de información.
Déjame basar esto en algo que realmente podrías construir:
async function solveComplexProblem(problem) {
// Analyze complexity
const complexity = analyzeComplexity(problem);
if (complexity < 5) {
// Simple: single agent
return await singleAgent.solve(problem);
}
// Complex: form a committee
const committee = formCommittee(problem);
// Agents discuss the problem
let solution = null;
let consensus = false;
let iteration = 0;
while (!consensus && iteration < 10) {
// Each agent proposes or critiques
const proposals = await Promise.all(
committee.map(agent => agent.contribute(problem, solution))
);
// Combine perspectives
solution = synthesize(proposals);
// Check if everyone agrees
consensus = await checkConsensus(committee, solution);
iteration++;
}
return solution;
}
Este código es simple, pero el comportamiento es sofisticado:
Ningún agente "resuelto" el problema. conversación Lo resolví.
El patrón está en todas partes una vez que lo ves:
Colonias de hormigas - Hormigas simples, comportamiento colectivo complejo a través de la comunicación de feromonas
Organizaciones humanas - Empleados individuales, sofisticada capacidad organizacional a través de reuniones, correos electrónicos, Slack
Mercados - Comerciantes individuales, descubrimiento de precios emergentes a través de ofertas y ofertas
Cerebro - neuronas individuales, conciencia a través de la comunicación sináptica
IA multiagente - LLM individuales, inteligencia colectiva emergente a través de la comunicación estructurada
El mismo patrón, diferentes escalas, la misma visión fundamental.
La inteligencia puede surgir de la comunicación entre componentes no inteligentes.
Cuando los agentes se comunican:
Esto no es sólo "mejor rendimiento". cambio cualitativo en lo que el sistema puede hacer.
Procesamiento secuencial: comportamiento sofisticado a partir de reglas simples
Comunicación colectiva: inteligencia adaptativa de simples agentes
Hasta ahora, hemos asumido que estos agentes son estáticos, tienen capacidades fijas, conocimiento fijo, estrategias fijas, estrategias fijas.
Pero, ¿y si pudieran mejorarse a sí mismos?
¿Y si los agentes pudieran:
¿Y si el sistema pudiera optimizarse a sí mismo?
Ahí es cuando la "inteligencia colectiva" empieza a parecer aprendizaje.
Y cuando "aprendizaje" empieza a parecer evolución.
Y cuando ya no se puede distinguir entre "optimización muy sofisticada" y "inteligencia real".
Ahí es donde vamos a ir a continuación.
Continuar a Parte 3: Auto-Optimización - Sistemas que aprenden
Donde exploramos sistemas que reescriben su propio código, engendran a sus propios especialistas, y descubren que la solución óptima es más simple de lo que comenzaron con.
Navegación de la serie:
© 2026 Scott Galloway — Unlicense — All content and source code on this site is free to use, copy, modify, and sell.