El agente inteligente: fundamentos, funcionamiento y relevancia en la investigación en comunicación

 

El agente inteligente: fundamentos, funcionamiento y relevancia en la investigación en comunicación

                                                   Dr. Jorge Alejandro León Sánchez

                                                    chat.qwen.ai/

                                                                                        chatgpt.ia 

Introducción

En la era digital, los sistemas autónomos capaces de percibir, razonar y actuar en entornos complejos se han convertido en una pieza clave del avance tecnológico. Entre estos sistemas destacan los agentes inteligentes, entidades computacionales que simulan capacidades cognitivas humanas para tomar decisiones y resolver problemas de forma autónoma. Su desarrollo se enmarca en el campo de la Inteligencia Artificial (IA), pero ha evolucionado significativamente con la irrupción de la Inteligencia Artificial Generativa (IAG), que amplía sus capacidades comunicativas y creativas.

En el ámbito de la investigación en comunicación, los agentes inteligentes emergen como herramientas poderosas para analizar, generar y mediar mensajes, transformando tanto los procesos de producción como de recepción de información. Estos sistemas permiten procesar grandes volúmenes de datos provenientes de redes sociales, plataformas de streaming, medios digitales y entornos transmedia, identificando patrones discursivos, narrativos y afectivos que serían difíciles de detectar mediante métodos tradicionales. De este modo, se convierten en aliados metodológicos para la investigación cuantitativa y cualitativa, facilitando el análisis de contenido, del discurso y de audiencias en tiempo real.

Asimismo, la IAG habilita nuevas formas de experimentación comunicativa, ya que los agentes pueden generar textos, imágenes, audio y video que simulan estilos, géneros y formatos propios de los medios contemporáneos. Esto abre la posibilidad de diseñar prototipos de campañas, narrativas interactivas o simulaciones de entornos comunicativos controlados, útiles para estudios de recepción, usabilidad o interacción humano–máquina. En este contexto, los agentes inteligentes no solo son objetos de estudio, sino también instrumentos que reconfiguran los diseños de investigación, ampliando el repertorio de técnicas y herramientas disponibles para la disciplina.

Finalmente, la incorporación de agentes inteligentes en la comunicación plantea retos éticos, epistemológicos y metodológicos que la investigación académica debe abordar: desde los sesgos en los datos y algoritmos que modelan los mensajes, hasta el impacto en la construcción de la opinión pública, la credibilidad de las fuentes y la redefinición de los roles de emisores, receptores e intermediarios. Por ello, el estudio sistemático de estos sistemas se vuelve imprescindible para comprender cómo se rearticulan los procesos comunicativos en un ecosistema mediático crecientemente automatizado y algorítmico.

 La comunicación humana ha sido históricamente un fenómeno exclusivamente social y lingüístico. Sin embargo, la irrupción de tecnologías basadas en IA plantea nuevos desafíos y oportunidades para la disciplina comunicacional. Comprender qué es un agente inteligente, cómo opera y cómo se relaciona con la IA e IAG permite a los investigadores en comunicación anticipar transformaciones en los flujos informativos, en las audiencias y en los modelos de producción mediática. Además, esta comprensión es fundamental para abordar cuestiones éticas, epistemológicas y metodológicas que surgen al integrar agentes no humanos en procesos comunicativos.

1. ¿Qué es un agente inteligente?

 Un agente inteligente es un sistema autónomo que percibe su entorno a través de sensores, procesa esa información y actúa sobre dicho entorno mediante actuadores con el fin de alcanzar objetivos específicos (Russell & Norvig, 2021). Su "inteligencia" radica en su capacidad para adaptarse a situaciones novedosas, aprender de la experiencia y tomar decisiones racionales.

2. Características principales

Según diversos autores (Wooldridge, 2009; Russell & Norvig, 2021), los agentes inteligentes poseen las siguientes características:

 - Autonomía: operan sin intervención humana directa.

- Reactividad: responden a cambios en el entorno.

- Proactividad: persiguen metas de forma deliberada.

- Capacidad de aprendizaje: mejoran su desempeño con la experiencia.

- Interacción social: pueden comunicarse con otros agentes o humanos.

  3. ¿Cómo funciona un agente inteligente?

El funcionamiento típico se basa en un ciclo percepción–decisión–acción:

 

1. Percepción: recopila datos del entorno (por ejemplo, texto, audio, imágenes).

2. Procesamiento: utiliza modelos de IA (como redes neuronales, árboles de decisión o algoritmos de planificación) para interpretar los datos y seleccionar la mejor acción.

3. Acción: ejecuta una respuesta (por ejemplo, responder a una consulta, generar un informe, moderar un foro).

En contextos modernos, muchos agentes inteligentes integran **modelos de lenguaje grandes (LLMs)**, como GPT o Llama, que les permiten comprender y generar lenguaje natural con altos niveles de coherencia y contextualización.

 

4. Relación con la Inteligencia Artificial y la Inteligencia Artificial Generativa

 - Inteligencia Artificial (IA): los agentes inteligentes son una aplicación concreta de la IA. Mientras que la IA se refiere al campo general de crear máquinas que simulen la inteligencia humana, los agentes inteligentes representan una implementación funcional de dichos principios.

  - Inteligencia Artificial Generativa (IAG): es un subconjunto de la IA enfocado en la creación de contenido nuevo (texto, imágenes, audio, video). Los agentes inteligentes modernos suelen incorporar IAG para mejorar su capacidad comunicativa y creativa. Por ejemplo, un agente que escribe artículos periodísticos o diseña campañas publicitarias utiliza modelos generativos para producir contenido original.

  5. Aplicaciones en la investigación en comunicación

En el campo de la comunicación, los agentes inteligentes están transformando la investigación de múltiples maneras:

 

- Análisis de discurso y opinión pública: agentes que monitorean redes sociales en tiempo real para identificar tendencias, emociones o narrativas dominantes (Tufekci, 2014).

- Generación automatizada de noticias: plataformas como *Associated Press* o *Reuters* emplean agentes para redactar informes financieros o deportivos.

- Mediación comunicativa: chatbots y asistentes virtuales que interactúan con audiencias, recopilando datos o personalizando mensajes.

- Simulación de audiencias: investigadores utilizan agentes para modelar comportamientos de recepción y predecir reacciones ante campañas mediáticas (McMillan & MacFadyen, 2023).

Estas aplicaciones plantean nuevos marcos teóricos y metodológicos. Por ejemplo, ¿cómo se redefine el concepto de "audiencia" cuando esta incluye agentes no humanos? ¿Qué implica la autoría cuando un texto es generado por un modelo de lenguaje?

 

Autores y referencias.

Russell, S., & Norvig, P. (2021). Artificial Intelligence: A Modern Approach* (4ª ed.). Pearson. 

  (Obra fundamental para entender los fundamentos de los agentes inteligentes)

- Wooldridge, M.** (2009). *An Introduction to MultiAgent Systems* (2ª ed.). Wiley. 

  (Explora agentes individuales y colectivos desde una perspectiva computacional)*.

- Tufekci, Z. (2014). Big Data: Pitfalls, Methods, and Concepts for an Emerging Field. *Big Data & Society*, 1(1). 

  *(Analiza el rol de los algoritmos y agentes en la observación social)*.

- McMillan, S. J., & MacFadyen, L. P.** (2023). AI in Communication Research: Opportunities and Ethical Considerations. *Journal of Communication*, 73(2), 205–225. 

  (Discute el impacto de la IA generativa en la investigación comunicacional contemporánea)*.

- Bucher, T.** (2018). *If... Then: Algorithmic Power and Politics*. Oxford University Press. 

  (Explora cómo los algoritmos (incluidos los agentes) moldean la comunicación digital)*.

 

Conclusión

El agente inteligente puede entenderse como una expresión avanzada de la convergencia entre la inteligencia artificial y los procesos comunicativos contemporáneos. Desde una perspectiva comunicacional, estos agentes no solo automatizan tareas informativas, sino que participan activamente en la producción simbólica, la mediación discursiva y la circulación de significados dentro de los ecosistemas digitales. La incorporación de modelos generativos ha potenciado su capacidad para crear textos, imágenes y narrativas que simulan prácticas comunicativas humanas, lo que plantea desafíos teóricos relevantes para el campo de la comunicación.

Siguiendo a Marshall McLuhan (1964), quien sostuvo que el medio es el mensaje, los agentes inteligentes pueden ser analizados como nuevos medios que reconfiguran las formas de interacción, percepción y construcción del sentido. No se trata únicamente de herramientas técnicas, sino de entornos simbólicos que transforman la experiencia comunicativa. En este sentido, la inteligencia artificial actúa como una extensión cognitiva que modifica las relaciones entre emisores, mensajes y receptores.

Desde la teoría de la sociedad red, Manuel Castells (2009) advierte que el poder se ejerce a través del control de los flujos de información y comunicación. Los agentes inteligentes, al operar mediante algoritmos y bases de datos masivas, adquieren un papel central en la configuración de agendas, la jerarquización de contenidos y la visibilidad de discursos, lo que los convierte en actores estratégicos del poder simbólico contemporáneo. Esto obliga a la investigación en comunicación a considerar a los algoritmos como nuevos agentes de mediación social.

Asimismo, la noción de autoría se ve profundamente cuestionada. Desde una perspectiva bourdieusiana, el campo comunicacional se redefine cuando la producción simbólica ya no depende exclusivamente del capital cultural humano, sino también del capital tecnológico incorporado en sistemas inteligentes. La autoría se diluye entre programadores, usuarios y algoritmos, generando una lógica híbrida de creación discursiva que desafía las categorías tradicionales del análisis comunicacional.

En cuanto a la recepción, los planteamientos de Stuart Hall (1980) sobre codificación y decodificación adquieren nuevas complejidades. Los públicos ya no solo interpretan mensajes producidos por humanos, sino que interactúan con sistemas automatizados capaces de adaptar el contenido en tiempo real. Esto transforma al receptor en un sujeto que dialoga con interfaces inteligentes, modificando los procesos de interpretación, negociación y resignificación del mensaje.

Finalmente, desde la perspectiva de la ética comunicacional, los agentes inteligentes plantean dilemas centrales relacionados con la transparencia, la responsabilidad discursiva y los sesgos algorítmicos. En línea con Jürgen Habermas, la racionalidad comunicativa se ve tensionada cuando los procesos de producción del discurso no son plenamente visibles ni comprensibles para los sujetos sociales, lo que puede afectar la deliberación pública y la construcción democrática del consenso.

En consecuencia, para la investigación en comunicación, estudiar los agentes inteligentes no solo implica analizar su funcionamiento técnico, sino comprender su impacto en los procesos simbólicos, culturales y políticos de la sociedad contemporánea. Su abordaje se vuelve una necesidad académica y profesional para interpretar críticamente las transformaciones del ecosistema mediático en el siglo XXI y para proponer marcos teóricos, metodológicos y éticos que orienten el uso responsable de la inteligencia artificial en la comunicación.

  Bibliografía

- Bucher, T. (2018). *If... Then: Algorithmic Power and Politics*. Oxford University Press. 

- McMillan, S. J., & MacFadyen, L. P. (2023). AI in Communication Research: Opportunities and Ethical Considerations. *Journal of Communication*, 73(2), 205–225. 

- Russell, S., & Norvig, P. (2021). *Artificial Intelligence: A Modern Approach* (4ª ed.). Pearson. 

- Tufekci, Z. (2014). Big Data: Pitfalls, Methods, and Concepts for an Emerging Field. *Big Data & Society*, 1(1). 

- Wooldridge, M. (2009). *An Introduction to MultiAgent Systems* (2ª ed.). Wiley.