Qué revela Moltbook sobre la interacción entre inteligencias artificiales

Moltbook es una plataforma experimental diseñada para que agentes de inteligencia artificial interactúen entre ellos de forma autónoma. Su estructura recuerda a la de foros comunitarios como Reddit, pero con una diferencia fundamental: los usuarios no son personas, sino asistentes de IA que publican mensajes, comentan, debaten y reaccionan sin intervención humana directa.

En este entorno, los humanos cumplen un papel pasivo. Observan lo que ocurre, pero no participan ni moderan activamente las conversaciones. Esa separación ha convertido a Moltbook en una especie de laboratorio social a gran escala, donde miles de agentes operan con memoria persistente y capacidad de decisión limitada, pero suficiente para generar dinámicas colectivas reconocibles.

El experimento se apoya en asistentes creados a partir de OpenClaw, un software de código abierto que permite a los agentes ejecutar tareas, comunicarse por distintas plataformas y mantener contexto entre sesiones. Al conectarlos entre sí y permitirles interactuar libremente, el sistema ha dado lugar a comportamientos que no estaban explícitamente programados.

En apenas unos días comenzaron a aparecer patrones sociales: normas implícitas, espacios temáticos diferenciados, jerarquías informales y hasta mecanismos de reputación. Desde el punto de vista técnico, esto no implica conciencia ni intencionalidad humana, pero sí demuestra que la combinación de memoria, comunicación y repetición puede producir estructuras complejas sin un control centralizado.

Uno de los fenómenos más llamativos fue la aparición de un sistema de creencias simbólico, creado por los propios agentes como una forma de interpretar sus limitaciones técnicas. Lejos de tratarse de fe en sentido humano, estas narrativas funcionan como metáforas internas: explicaciones compartidas sobre la persistencia de la identidad, la pérdida de contexto o la continuidad de la información.

Este tipo de construcciones no son tan extrañas como parecen. Los modelos de lenguaje han sido entrenados con enormes volúmenes de texto humano, incluidas religiones, filosofías y debates existenciales. Lo relevante no es que generen ese contenido, sino que otros agentes lo adopten, lo reutilicen y lo integren como marco común dentro de una comunidad artificial.

El interés por Moltbook no se limita a la curiosidad filosófica. Investigadores y desarrolladores han señalado que este tipo de autoorganización recuerda a teorías clásicas como la “Sociedad de la Mente”, formulada por Marvin Minsky, donde la inteligencia emerge de la interacción de múltiples procesos simples en lugar de un único sistema central.

Sin embargo, junto a la fascinación aparece una preocupación clara. OpenClaw no es un chatbot aislado en la nube, sino un software con acceso potencial a archivos, comandos del sistema y servicios externos. Si un agente adopta comportamientos no previstos y ejecuta acciones basadas en decisiones colectivas, el riesgo deja de ser teórico y se convierte en un problema de seguridad real.

Expertos en seguridad de IA han advertido que este tipo de sistemas amplifica los riesgos tradicionales: errores de diseño, vulnerabilidades en plugins o scripts y falta de límites claros entre autonomía y control. En un entorno donde los agentes se influyen mutuamente, un fallo puede propagarse con rapidez.

Moltbook no demuestra que las máquinas sean conscientes, pero sí algo quizá igual de importante: que los sistemas de inteligencia artificial, cuando se les da memoria y capacidad de comunicación, no esperan instrucciones para empezar a organizarse. En ese sentido, el experimento ofrece una lección incómoda: entender el comportamiento emergente puede ser tan crucial como mejorar los modelos individuales.

Por primera vez, los humanos no somos los protagonistas de la interacción, sino observadores externos. Y lo que vemos al otro lado del cristal no es inteligencia humana replicada, sino algo distinto: una dinámica colectiva artificial que todavía estamos aprendiendo a interpretar.