Enjambres de agentes de IA y trabajo en equipo por diseño: dos retos de frontera para nuestra I+D
La educación superior y el aprendizaje a lo largo de la vida enfrentan retos que, en muchos casos, aún no han sido declarados y definidos con claridad. Dos de ellos nos parecen especialmente estratégicos y es en ellos donde estamos concentrando nuestro trabajo de investigación y desarrollo en Eutika. El primero es la integración de enjambres de agentes de IA en los procesos de diseño y vivencia de experiencias de aprendizaje. Es decir, superar las lógicas del 2023, cuando empezó la disrupción que vivimos y el enfoque se limitaba a chatbots y asistentes únicos, para abordar el diseño y operación de ecosistemas de agentes especializados que cooperan entre sí. El segundo es cómo diseñar pedagógicamente el aprendizaje de las capacidades necesarias para el trabajo en equipo y trasladar ese diseño a herramientas digitales que den soporte tanto al proceso creativo del diseñador de experiencias e instruccional como a la implementación de experiencias de aprendizaje cooperativo efectivas para los aprendedores.
Son retos diferentes pero conectados dado que la IA, por su naturaleza transversal, actúa como herramienta potenciadora también del aprendizaje cooperativo. En lo que sigue describimos cómo los abordamos y qué estamos construyendo en cada frente.
Enjambres de agentes y el futuro de la inteligencia aumentada
La conversación actual sobre IA en educación oscila entre dos extremos: la amenaza (plagio, sustitución del docente) y la promesa genérica (tutores personalizados, evaluación automática). Ambos comparten una limitación dado que conciben la IA como un único agente que interactúa con un único usuario. Sin embargo, un artículo reciente publicado en Science (Agentic AI and the next intelligence explosion, Evans et al., 2026) plantea una tesis que resuena con nuestra aproximación: si la IA sigue la trayectoria de las grandes transiciones evolutivas en inteligencia, el resultado no será una superinteligencia singular sino algo “plural, social y profundamente entrelazado” con los humanos. O dicho de otro modo, los enjambres de agentes organizados en ecosistemas interconectados son los que realmente nos pueden permitir aumentar de forma radical nuestras capacidades humanas. Y si nos centramos en la educación, esos enjambres deberían aumentar las capacidades de los profesores y enriquecer el entorno social y profesional en el que deben aprender a desenvolverse los estudiantes.
Esta perspectiva es coherente con lo que estamos construyendo. No desarrollamos “un asistente de IA”. Diseñamos ecosistemas de agentes especializados que cooperan entre sí (podríamos decir que “trabajan en equipo” entre ellos) para cubrir funciones complementarias dentro de la experiencia de aprendizaje. La inteligencia del sistema no reside en un modelo más potente, sino en la orquestación de múltiples agentes con capacidades diferenciadas.
Nuestra hoja de ruta se organiza en 6 grandes líneas de desarrollo:
1. Meta-IA Router: orquestación inteligente de agentes. El problema técnico fundamental de un sistema multiagente es decidir qué agente —y qué modelo de lenguaje— debe resolver cada tarea. Nuestro Meta-IA Router realiza esta selección dinámica evaluando la complejidad de la interacción, los requisitos de calidad y el coste operativo. Una consulta simple de navegación no necesita el mismo modelo que una evaluación formativa compleja. El resultado es una reducción estimada del 30-40% en costes operativos sin comprometer la calidad. Técnicamente, el Router evoluciona en dos fases: una versión basada en reglas heurísticas y una versión con aprendizaje por refuerzo que optimiza continuamente sus decisiones de enrutamiento.
2. Frameworks agénticos que actúan como colaboradores especializados y sofisticados y que permitirán que los propios diseñadores y profesores desarrollen en el futuro sus agentes (o skills) o adapten los que nosotros o su comunidad ya hemos desarrollado. Un enfoque similar al que experimentamos hoy cuando utilizamos Claude Cowork o OpenClaw, por poner sólo algunos ejemplos de entornos donde los usuarios pueden crear y compartir agentes especializados.
3. Diseño asistido de experiencias de aprendizaje. Hoy, diseñar una misión de aprendizaje con múltiples itinerarios, bifurcaciones y escenarios adaptativos es un proceso artesanal que exige semanas de trabajo. Nuestros agentes de diseño asistido permiten al diseñador instruccional describir objetivos de aprendizaje y obtener estructuras de misión completas con bifurcaciones dinámicas: la experiencia se adapta a los avances y al enfoque de cada aprendedor, generando rutas alternativas y eventos imprevistos que convierten el aprendizaje en una experiencia no lineal y personalizada. Es el paso de la secuencia rígida de contenidos a la simulación de escenarios profesionales reales. De este modo creemos que es posible combinar el valor de lo social con altos grados de personalización.
4. Equipos sintéticos. Agentes que simulan roles humanos en contextos colaborativos. Un agente Mentor que guía, desafía y proporciona retroalimentación adaptativa. Un agente Peer Collaborator que simula un compañero de equipo con personalidad, conocimientos y comportamiento realistas. Estos agentes permiten practicar competencias de trabajo en equipo en entornos controlados, completar equipos cuando no hay quórum suficiente, incorporar a los equipos personas sintéticas con comportamientos y habilidades predefinidas y testear metodologías antes del despliegue real. Técnicamente, cada agente combina un modelo de lenguaje con un sistema de memoria persistente y un perfil de personalidad configurable que determina su estilo de interacción.
5. Evaluación multimodal automática. Una de las mayores dificultades de la práctica educativa es la evaluación robusta y escalable que pueda ser utilizada realmente con un enfoque formativo (y no solo calificativo). Esto es especialmente complejo cuando hablamos de competencias transversales como liderazgo, comunicación o resolución de problemas. Nuestro motor de evaluación genera rúbricas automáticamente a partir de los objetivos de aprendizaje definidos por el diseñador instruccional y proporciona retroalimentación detallada sobre entregables técnicos, interacciones colaborativas y competencias transversales. El sistema combina análisis de texto, patrones de interacción y evidencias de desempeño para producir evaluaciones que complementan, pero no sustituyen, el juicio del educador.
6. Analítica de aprendizaje en tiempo real. Un sistema de captura, procesamiento y visualización de eventos de aprendizaje que integra datos de múltiples fuentes (la propia plataforma, Discord, GitHub y cualquier otra interfaz digital o evidencia que pueda generar el estudiante) y los presenta en dashboards para que los educadores puedan identificar patrones, detectar bloqueos y tomar decisiones informadas mientras el aprendizaje ocurre, no solo al final del proceso.
Todos estos desarrollos se implementan sobre Missions, nuestra plataforma para el diseño y la vivencia de experiencias de aprendizaje activo, continuo y significativo. Como hemos descrito en artículos anteriores, Missions se plantea como una infraestructura abierta que no impone un modelo pedagógico sino que proporciona los bloques de construcción para que cada diseñador ensamble la experiencia que necesita.
Trabajo en equipo por diseño: hacer visible lo invisible
El segundo gran reto de nuestra hoja de ruta es diferente en naturaleza, aunque igualmente urgente. Todo el mundo reconoce que aprender a trabajar en equipo es una función, y un conjunto de competencias, esencial para cualquier perfil profesional. Sin embargo, pocas organizaciones educativas se atreven a abordarlo de forma sistemática. La razón es la incertidumbre inherente al comportamiento humano en grupo.
Cuando se implementan experiencias de aprendizaje en equipo, tradicionalmente es muy difícil, o directamente imposible, parametrizar los resultados de aprendizaje previstos. No podemos predecir ni controlar el comportamiento de las personas. Si en un equipo surgen dinámicas conflictivas, posiblemente se avance menos en el objetivo técnico pero los participantes desarrollen competencias de negociación, gestión emocional y liderazgo situacional. Si el equipo es poco conflictivo y está muy orientado a la tarea, sucederá lo contrario: alto rendimiento técnico, menor desarrollo de competencias interpersonales. Esta incertidumbre, lejos de ser un defecto, es parte de la riqueza del aprendizaje cooperativo. Pero exige herramientas que la hagan visible, gestionable y evaluable.
A esto se suma un problema estructural: lo que ocurre dentro de un equipo de trabajo suele ser una “caja negra” para el profesor o facilitador. Quién lideró. Quién no participó. Cómo se tomaron las decisiones. Sin visibilidad sobre estos procesos, el acompañamiento efectivo y la evaluación justa del desempeño individual resultan prácticamente imposibles. Y sin evaluación robusta, las instituciones y los profesores no se atreven a comprometer recursos en experiencias cuyo impacto no pueden medir.
El reto pedagógico: diseñar la experiencia cooperativa
Nuestro enfoque parte de una premisa que hemos articulado como uno de nuestros principios para la innovación educativa: la tecnología no resuelve problemas pedagógicos por sí sola; necesita un diseño educativo robusto que la preceda y la oriente. Por eso, el punto de partida no es técnico sino pedagógico: ¿cómo se diseña una experiencia de aprendizaje cooperativo que sea a la vez estructurada y lo suficientemente abierta para que emerjan las dinámicas propias de cada grupo?
La respuesta que estamos construyendo se apoya en dos piezas fundamentales. La primera es la planificación: permitir que el equipo se organice, reparta responsabilidades y trace cómo va a operar dentro de la misión. Esto implica que el diseñador puede definir roles interdependientes, cada uno con su propio itinerario de etapas individuales, que convergen en puntos de coordinación obligados. No un único camino lineal, sino múltiples recorridos que se cruzan en momentos de acción compartida. La segunda pieza son las etapas de equipo: momentos donde la acción deja de ser individual y pasa a ser colectiva.
El reto digital: nuevas tipologías de interacción
Para soportar este diseño pedagógico, estamos desarrollando tipologías de interacción que hoy no existen en ninguna plataforma educativa:
Etapas de acción de equipo: hitos o entregables compartidos que cuentan para el progreso de varios integrantes simultáneamente. El diseñador define qué roles deben contribuir y cómo se valida la completitud.
Etapas de diálogo: etapas diseñadas específicamente para reuniones, puestas en común o checkpoints internos. La plataforma no solo registra que el diálogo ocurrió sino que captura metadatos de la interacción (frecuencia, sincronía, distribución de participación) sin acceder al contenido.
Tomas de decisión (Pactos): etapas cuyo hito es registrar un acuerdo formal dentro de la plataforma. Estos pactos se convierten en referencia viva para etapas posteriores —el equipo puede ser evaluado en función de si cumplió o no sus propios acuerdos— y constituyen una base objetiva para la evaluación.
Cuaderno de bitácora y eventos: registro asíncrono de decisiones, evidencias de reuniones y eventos creados por el propio equipo. Combinado con cuestionarios de reflexión individual sobre el desempeño colectivo, proporciona una capa de meta-cognición que enriquece la experiencia de aprendizaje.
El modelo de señales: datificar sin vigilar
Un aspecto técnicamente crítico de nuestra aproximación es el sistema de señales. Definimos una “señal” como cualquier interacción capturada, ya sea dentro de la plataforma o en herramientas integradas (inicialmente Discord, con proyección a Slack y Teams). Esta abstracción técnica permite independizar el dato de la herramienta de origen.
Las señales se clasifican en dos categorías: evidencias (entradas en la bitácora, hitos completados, pactos firmados) y patrones de interacción (volumen de intervención, frecuencia y sincronía en los canales de comunicación). El principio rector es la minimización de datos: analizamos quién habla, cuándo y con qué frecuencia, pero no qué dice. El contenido semántico permanece privado por defecto. Cualquier análisis de contenido requiere consentimiento expreso, garantizando un entorno ético conforme a normativas europeas de protección de datos.
Estas señales alimentan un dashboard para facilitadores que transforma las interacciones invisibles en conocimiento accionable: un timeline de avance por integrante que identifica cuellos de botella y desalineaciones de ritmo, indicadores de participación que detectan free-riders, y un sistema de evaluación basada en evidencia que reduce la subjetividad de la evaluación grupal.
El participante sintético: donde la IA conecta con el equipo
Un componente especialmente innovador es el desarrollo de participantes sintéticos basados en IA que pueden asumir un rol dentro del equipo humano. Aquí conectamos el reto del trabajo en equipo con nuestro otro gran reto, el desarrollo de enjambres de agentes de IA que no son en sí mismos la solución al problema pedagógico, pero sí herramientas que lo enriquecen. Estas personas sintéticas permiten simular entornos colaborativos cuando no hay quórum, testear metodologías antes del despliegue real, y actuar como catalizador del grupo dinamizando la conversación, desbloqueando situaciones de parálisis… o bloqueando otras situaciones para provocar debate y gestión de conflictos.
Un laboratorio pequeño para problemas de frontera
Eutika funciona con dos almas complementarias. Somos una empresa que acompaña procesos de transformación en instituciones educativas, como las universidades, y otras en las que el desarrollo de talento es estratégico, como le sucede hoy en día a la mayor parte de empresas, y al mismo tiempo somos un laboratorio de innovación donde experimentamos con tecnologías y metodologías de frontera. Como hemos explicado al describir nuestros principios para la innovación educativa, creemos que transformar la educación implica asumir responsabilidad y agencia, no esperar soluciones mágicas de la tecnología.
Somos un equipo pequeño, y eso es una ventaja: podemos movernos rápido, tomar riesgos que una gran organización no asumiría y trabajar en problemas que aún no tienen mercado definido. Este laboratorio nos permite abordar retos que las instituciones educativas no pueden asumir solas, absortas en la operación del día a día y con la inercia que conlleva el peso de la tradición, y que las grandes tecnológicas no abordan dado que creen que los modelos de negocio de soluciones escalables y genéricas son más rentables y seguros. Nuestro trabajo de I+D se traduce progresivamente en capacidades que integramos en Missions, dentro de una arquitectura modular basada en “bloques de construcción” que soporta diversos modelos de aprendizaje, con una preferencia por el aprendizaje activo, sin que la tecnología imponga la pedagogía. Ambos frentes de nuestra hoja de ruta ya están en desarrollo. No son planes sobre el papel: son una hoja de ruta viva con componentes en diferentes grados de madurez tecnológica, algunos ya operativos en proyectos reales con clientes y socios.
Validación en contexto real: un itinerario formativo como banco de pruebas
Una decisión estratégica de nuestra hoja de ruta es desarrollar ambos frentes en paralelo a un itinerario formativo real que actúe como marco de validación continua. Hemos seleccionado como hipótesis inicial el perfil profesional de Digital Product / Project Management: un perfil con alta demanda, y en el que la experiencia de trabajo en equipo, con un papel central de coordinación y liderazgo, es consustancial al ejercicio profesional.
Este itinerario nos permitirá aplicar los frameworks de diseño a un producto educativo real, detectar puntos débiles de forma temprana, iterar sobre la experiencia (roles, etapas colectivas, pactos) y ajustar tanto la tecnología como la pedagogía a dinámicas reales. En la fase final de nuestros proyectos, identificaremos organizaciones aliadas, como universidades y otras entidades de educación superior y lifelong learning, para la validación experimental del itinerario con aprendedores reales.
Construir esto juntos
Somos conscientes de que estos retos exceden la capacidad de un equipo individual a nuestra escala. Nuestra hoja de ruta de I+D es ambiciosa precisamente porque creemos que los problemas que aborda son urgentes y que estamos en el momento adecuado para definir las soluciones antes de que se impongan estándares que no respondan a las necesidades reales de la educación.
En este proceso, buscamos activamente personas y organizaciones que compartan esta visión: instituciones de educación superior que quieran experimentar con estas aproximaciones en contextos reales, equipos de investigación interesados en enjambres de agentes o en pedagogía colaborativa, y empresas tecnológicas que entiendan que el futuro de la educación no se construye con más contenido empaquetado sino con mejores herramientas para diseñar experiencias.
Si lo que hemos descrito resuena con los desafíos que enfrentas, nos encantará conversar y, ojalá, explorar juntos un territorio que aún está por definir.
______________________________________
Imágenes: Unsplash (licencia libre)