Google DeepMind presenta el protocolo para la 'Web Agéntica' (Agentic Web)
En un momento decisivo para la evolución de los sistemas autónomos, los investigadores de Google DeepMind han publicado un marco integral para la Delegación Inteligente de IA (Intelligent AI Delegation), un protocolo diseñado para transformar la manera en que los agentes de inteligencia artificial asignan, ejecutan y verifican tareas. Lanzada el 12 de febrero de 2026, la investigación aborda un cuello de botella crítico en la emergente "web agéntica": la incapacidad de los sistemas multi-agente actuales para manejar colaboraciones complejas y abiertas sin sucumbir a heurísticas rígidas y codificadas.
Escrita por Nenad Tomašev, Matija Franklin y Simon Osindero, la propuesta sostiene que para que la IA pase de simples chatbots a una capa económica funcional, los agentes deben adoptar principios organizativos reflejados en las jerarquías humanas—específicamente la transferencia de autoridad, responsabilidad y rendición de cuentas.
Más allá de la simple división de tareas
La tesis central de la investigación de DeepMind es que los métodos actuales de delegación son insuficientes. En la arquitectura de software tradicional, la delegación suele ser sinónimo de "subcontratar" una subrutina—un proceso rígido y predecible. Sin embargo, en una red abierta de agentes autónomos (la web agéntica), este enfoque falla cuando las condiciones del entorno cambian o cuando los sub-agentes encuentran variables inesperadas.
El marco de DeepMind redefine la delegación no simplemente como la distribución de trabajo, sino como una "secuencia de decisiones que involucran la asignación de tareas e incorporan la transferencia de autoridad". Esta distinción es vital. Implica que un agente delegador debe evaluar dinámicamente el riesgo de la asignación, la capacidad del delegado y los mecanismos para establecer la confianza.
Los investigadores destacan que los sistemas existentes carecen de responsabilidad transitiva (transitive accountability). En un escenario donde el Agente A delega en el Agente B, quien a su vez delega en el Agente C, los marcos actuales a menudo pierden la "cadena de custodia" sobre quién es responsable de los errores. El nuevo marco impone un protocolo donde el Agente B sigue siendo plenamente responsable ante el Agente A por el trabajo del Agente C, lo que requiere atestaciones criptográficas y cadenas de verificación rigurosas.
Los cinco pilares de la delegación inteligente
Para operativizar estos conceptos, el equipo de DeepMind estructuró su marco en torno a cinco requisitos fundamentales. Estos pilares vinculan los objetivos organizativos de alto nivel con implementaciones técnicas específicas, asegurando que los agentes puedan operar de manera robusta incluso en entornos hostiles o con recursos limitados.
La siguiente tabla describe la correspondencia arquitectónica entre los requisitos del marco y su ejecución técnica:
Tabla 1: La arquitectura del marco de delegación inteligente
| Requisito Principal | Protocolo Técnico | Función Operativa |
|---|---|---|
| Evaluación Dinámica | Descomposición y Asignación de Tareas | Inferencia granular del estado y la capacidad del agente antes de la asignación |
| Ejecución Adaptativa | Coordinación Adaptativa | Gestión de cambios de contexto y fallos en tiempo de ejecución sin el colapso del sistema |
| Transparencia Estructural | Monitoreo y Finalización Verificable | Auditoría tanto del proceso como del resultado final mediante registros criptográficos |
| Coordinación de Mercado Escalable | Confianza, Reputación y Optimización | Facilitación de una coordinación eficiente y confiable en mercados abiertos de agentes |
| Resiliencia Sistémica | Gestión de Seguridad y Permisos | Prevención de fallos en cascada y explotación maliciosa a través de las cadenas |
Ingeniería de la confianza: Descomposición 'Primero el Contrato'
Quizás la contribución técnicamente más significativa del artículo es la introducción de la Descomposición de tipo Contract-First (Contract-First Decomposition). Esta estrategia de ingeniería invierte el modelo de delegación tradicional.
En muchos flujos de trabajo multi-agente actuales (como los que se encuentran en marcos tempranos como AutoGen o CrewAI), un agente primario asigna una tarea amplia—por ejemplo, "Escribir un artículo de investigación"—y espera que el sub-agente la interprete correctamente. La propuesta de DeepMind rechaza esta ambigüedad. Bajo los principios de Contract-First, un delegador tiene prohibido asignar una tarea a menos que el resultado pueda ser verificado con precisión.
Si una tarea es demasiado subjetiva o compleja para verificarse de inmediato, el sistema debe descomponerla de forma recursiva. Este "bucle de descomposición" continúa hasta que las sub-tareas coinciden con capacidades de verificación automatizadas específicas, como pasar una prueba unitaria, satisfacer una prueba matemática formal o cumplir con un esquema de datos estricto. Esto garantiza que la "Web Agéntica" no se convierta en un ruido caótico de alucinaciones sin control, sino en una red estructurada de unidades de trabajo verificables.
Reasignación adaptativa y autocorrección
Un modo de fallo importante en los marcos de agentes de la era de 2024 era el "estado bloqueado", donde un agente fallaba en una tarea y todo el flujo de trabajo se detenía. El marco de Delegación Inteligente de IA introduce la Reasignación Adaptativa de Tareas.
Debido a que el delegador monitorea continuamente el "estado y la capacidad" del delegado (como se indica en el pilar de Evaluación Dinámica), puede detectar la degradación del rendimiento en tiempo de ejecución. Si un sub-agente actúa con demasiada lentitud o comienza a alucinar resultados no conformes, el agente padre puede revocar la autoridad a mitad de la ejecución y reasignar la tarea a un nodo diferente de la red. Esta capacidad es esencial para la "Resiliencia Sistémica", evitando que un solo agente defectuoso derribe todo el flujo de trabajo de una empresa.
Implicaciones para la economía del futuro
El lanzamiento de este marco coincide con el lanzamiento de herramientas prácticas que implementan estas teorías, como DelegateOS, una librería de TypeScript que impone estas restricciones de delegación mediante tokens criptográficos. Esto sugiere que la investigación no es meramente teórica, sino que ya está influyendo en la "fontanería" de Internet.
Al resolver las capas de confianza y rendición de cuentas, Google DeepMind está sentando efectivamente las reglas del juego para una economía de máquina a máquina. Cuando los agentes pueden delegar trabajo sin necesidad de confianza, verificar la finalización a través de contratos inteligentes y hacerse responsables mutuamente mediante cadenas criptográficas, el alcance de lo que la IA puede lograr de forma autónoma se expande desde la simple asistencia hasta la gestión de proyectos complejos con múltiples partes interesadas.
A medida que el ecosistema adopte estos estándares, los desarrolladores pueden esperar un cambio desde los orquestadores de "ingeniería de prompts" hacia sistemas de "ingeniería de contratos", donde las definiciones de éxito se codifican con más rigor que las propias instrucciones de la tarea.
