Google colocó un agente de IA en más de 20 chats de equipos reales durante cinco meses. Los resultados fueron curiosos
Google probó un agente de IA que podía abrir incidencias, enviar mensajes privados, reaccionar con emojis y etiquetar colegas, pero entró en conflicto por sarcasmo, etiquetado excesivo y sensación de vigilancia.
Google colocó un agente de IA en más de 20 chats de equipos reales durante cinco meses. Los resultados fueron curiosos.
El agente tenía acceso a los documentos y al rastreador de errores del equipo, como un empleado normal, y podía abrir incidencias, escribir mensajes privados, reaccionar con emojis y etiquetar a colegas.
Todo parecía bien, pero el principal problema resultó ser que la IA no se llevaba bien con las personas reales. Sermonó a un ingeniero en serio por bromas, porque no entendió el sarcasmo. En otro equipo etiquetó a un vicepresidente en 16 errores seguidos, dando por hecho que, si la persona estaba en el contexto, debía resolver el rastreador de errores.
En general, trabajar con el agente fue más difícil de lo que parece. Algunos equipos empezaron a crear chats privados separados sin él: para hablar de contrataciones, temas sensibles o simplemente sentir que no los escuchaban. Un participante dijo que la sensación era muy parecida a la de «Gran Hermano».
Por qué es importante
AnálisisEl estudio muestra que los agentes de IA autónomos en comunicación laboral necesitan reglas de escalado, límites de privacidad y mejor comprensión del contexto social.
Debatir en la comunidad
Comparte tus preguntas e ideas con desarrolladores
Relacionado en el ecosistema
Guías prácticas, terminología y skills de agentes
Gemini 4 Carbon y Google Antigravity: agentes crean una exposición 3D con un solo prompt
La nueva función /swarm de Google Antigravity permitió que un equipo de agentes de Gemini 4 Carbon convirtiera fotografías históricas y planos de ingeniería en una exposición interactiva en Three.js sobre la construcción de la Torre Eiffel.
IA en procesos de negocio: del diagnóstico al agente Hermes en producción
Playbook B2B práctico completo: diagnóstico de procesos, flujo de trabajo de un solo agente, herramientas, memoria, seguridad, evaluación, observabilidad y runbooks.
Proyectos de Claude Code: cómo una IA coordina un equipo de agentes autónomos
Análisis exhaustivo de Proyectos de Claude Code: arquitectura Coordinator y Threads, ramas paralelas, memoria compartida MEMORY.md y gestión de agentes en la nube.
Agentes de IA (Agentes Autónomos)
Sistemas de software basados en LLM que pueden percibir de manera autónoma el estado del entorno, descomponer objetivos complejos, invocar herramientas externas y corregir iterativamente sus propios errores.