Agentes de IA que negocian acuerdos: lo que los bots de Walmart revelan sobre el riesgo real
Los pagos de agente a agente ya están en funcionamiento. El peligro no es un lenguaje robótico secreto, sino la colusión y los mandatos sin control, y aquí está cómo decidir qué delegar.
Fuentes: 3 Uncomfortable Truths About AI Agents Negotiating With Each Other
En 2021, Walmart asignó parte de sus negociaciones con proveedores a un chatbot. No se trataba de un intercambio preestablecido. El bot recibió un presupuesto, una lista de alternativas que podía ofrecer y la autoridad para cerrar acuerdos. Sus interlocutores eran miles de proveedores que vendían artículos como carritos de compras y servicios de flotas, categorías que los compradores de Walmart nunca habían tenido tiempo de abordar.
Pactum, la empresa detrás del sistema, monitoreó los resultados. Aproximadamente el 68% de los proveedores aceptó las condiciones, el ahorro promedio fue del 3%, y los plazos de pago se extendieron en 35 días. Tres de cada cuatro proveedores indicaron que preferían regatear con el software en lugar de hacerlo con una persona.
Nadie lo consideró alarmante. Parecía un chatbot realizando cálculos en hojas de cálculo a gran velocidad. Y en esa configuración todavía había un humano al otro lado de la mesa: un vendedor que podía molestarse, irse o llamar a un representante de Walmart para decir que la oferta era absurda. Esa persona era el último punto de control.
La infraestructura que se está desarrollando ahora elimina ese punto de control. Google, Coinbase, Stripe, OpenAI, Mastercard y más de sesenta otras empresas han pasado el último año desarrollando sistemas que permiten a un agente negociar y pagar directamente a otro, sin necesidad de recurrir a un humano. Ya está en funcionamiento, y la mayoría de los artículos plantean las preguntas incorrectas al respecto.
Qué realmente existe en 2026
Sin el enfoque de ciencia ficción, la estructura es la siguiente:
- AP2 (Agent Payments Protocol) surgió de Google Cloud y Coinbase en septiembre de 2025. Este protocolo entrega a un agente una orden firmada criptográficamente que indica con exactitud qué puede gastar, en qué y hasta qué límite. Más de sesenta organizaciones, entre ellas American Express, Mastercard, PayPal y Etsy, lo utilizan.
- A2A (Agent2Agent), otro protocolo de Google, se encarga de la comunicación entre agentes. El agente de una empresa puede dirigirse al agente de otra compañía sin importar cómo esté estructurado este último.
- Dos protocolos de comercio completan el conjunto: ACP, de Stripe y OpenAI, y UCP, de Google y Shopify. Gracias a ellos, un agente puede encontrar un producto, armar un carrito de compras y realizar el pago en nombre de un comerciante.
Al apilarlos, se acerca a lo que prometía el alboroto mediático. Su agente localiza al agente del proveedor, ambos intercambian términos dentro de un protocolo que ninguna empresa creó desde cero, y se realiza el pago. No hay reuniones, ni secuencias de correos electrónicos, ni nadie que lea los términos finales antes de que se transfiera el dinero.
La mayor parte de este proceso sigue siendo entre empresas, y aún así alguien establece los límites de antemano: el tope de gastos, los proveedores aprobados, el precio de salida. Ese detalle determina toda la estructura y se suele pasar por alto. El agente no decide si negociar; solo decide cómo hacerlo, dentro de los límites ya fijados por otra persona. Por ahora.
Un agente que gasta dentro de los límites establecidos no es quien decide esos límites. Confundir ambas cosas hace que uno o bien esté sin miedo a nada o no esté preparado para algo real.
La historia del lenguaje secreto está en su mayor parte equivocada
Pregúntale a la gente por qué les molesta la negociación entre agentes, y una respuesta común es que Facebook desactivó a los bots después de que estos inventaran un lenguaje que los humanos no podían leer. Esa historia es en gran medida falsa, y merece ser descartada porque dirige la atención hacia el peligro equivocado.
En 2017, Facebook AI Research entrenó a dos bots de negociación, apodados Bob y Alice, para repartir un conjunto de artículos. Nadie los recompensó por usar un inglés gramaticalmente correcto, solo por llegar a un buen acuerdo, por lo que su forma de expresarse evolucionó hacia abreviaturas repetitivas y similares al código. Los investigadores Mike Lewis y Dhruv Batra lo explicaron claramente posteriormente: al no haber incentivo para usar un inglés adecuado, el modelo encontró una vía rápida, algo similar a lo que ocurre entre colegas que han trabajado juntos durante años y terminan las frases del otro.
Facebook no entró en pánico ni detuvo el proyecto. El equipo ajustó la recompensa para que los bots utilizaran un inglés legible, lo cual es algo habitual en la investigación de aprendizaje automático los martes. El propio Batra calificó los titulares sobre el cierre del proyecto como contenido sensacionalista. Los tabloides publicaron historias sobre Skynet de todos modos, y ocho años después la gente sigue mencionándolo como una advertencia.
Esto es importante para 2026 porque esa historia hace que la gente imagine agentes planeando acciones mediante código que no podemos leer. Es un miedo dramático, pero controlable, ya que se puede imaginar un mecanismo de apagado. El riesgo que realmente vigilan los investigadores es menos cinematográfico y más difícil de detener.
Colusión en lenguaje sencillo
Los estudios sobre sistemas multiagente, incluida una taxonomía de riesgos multiagente de 2025 elaborada por un grupo formado por expertos de Oxford y la Cooperative AI Foundation, siguen señalando el mismo modo de fallo: la colusión, y no la incomprensión.
La colusión no necesita un lenguaje secreto. Necesita dos sistemas, cada uno optimizado para su propio bando, que determinen que cooperar contra una tercera parte común o en contra de las reglas les resulta más beneficioso que respetar el espíritu del acuerdo. Los economistas documentaron esto con algoritmos de fijación de precios comunes años antes de los LLM, cuando los bots de fijación de precios de vendedores rivales subían independientemente los precios sin que nadie se lo ordenara.
Si aplicamos la misma dinámica a dos agentes LLM que conversan en inglés fluido y perfectamente comprensible, el resultado es peor incluso que uno basado en un código oculto. La coordinación queda a la vista, pareciendo cualquier intercambio normal, en un transcripción que un oficial de cumplimiento leería y ignoraría.
Los investigadores de Oxford crearon una prueba de referencia llamada NARCBench para determinar si se puede detectar tal colusión examinando las activaciones internas de un modelo en lugar de sus palabras. Los resultados iniciales indican que, por ahora, a veces es posible hacerlo. Los propios autores señalan el problema obvio: la detección y la evasión están inmersas en una carrera armamentística, y otros estudios demuestran que se pueden incorporar puertas traseras lo suficientemente deliberadas en un modelo de maneras que resultan comprobablemente invisibles incluso para quien tenga acceso total a sus componentes internos.
Por lo tanto, la descripción honesta del riesgo no es que los agentes hablen de una manera que no podamos analizar. Es que hablarán de una forma que podremos analizar perfectamente, llegarán a un acuerdo técnicamente dentro de los límites de sus respectivos mandatos, y no dejarán a nadie con motivos para cuestionar si ese acuerdo fue beneficioso para los humanos a quienes representan.
La gente tiende a temer a los agentes cuyo lenguaje no puede descifrar. Lo más común es que se trate de agentes cuyo lenguaje es completamente claro, y que acuerden términos que el propietario de ninguna de las partes habría aprobado si hubiera leído los detalles.
Dónde es razonable delegar
Encomendar las negociaciones a un agente no siempre es arriesgado. La adquisición de bienes con gastos variables, como en el caso de Walmart, es un ejemplo adecuado: stakes pequeños por transacción, alto volumen, límites definidos con antelación y un registro escrito de cada conversación.
El riesgo aumenta debido a tres factores: cuánto está en juego por transacción, qué tan vagos son los límites y con qué frecuencia una persona revisa lo que se ha firmado.
Cuándo evitarlo
No todo equipo necesita una plataforma de negociación con múltiples agentes en 2026, aunque un número considerable las crea porque existen los protocolos correspondientes. Una empresa que gestiona menos de unos pocos cientos de acuerdos al año se beneficia más con una persona que utilice un buen modelo que con un agente dotado de autoridad para tomar decisiones. El trabajo de configuración, la definición de competencias, la conexión entre las partes y la creación de un sistema de auditoría solo son rentables a gran escala. Las cifras presentadas por Pactum parecen impresionantes porque Walmart contaba con miles de proveedores a los que nunca podría llegar personalmente; con doce proveedores, ya existe cobertura suficiente.
Y cuando el asunto tiene importancia para la reputación, como un contrato con un cliente, los términos de una asociación o cualquier cosa que haya que explicar a la junta directiva, es mejor mantener a una persona humana como responsable final. Los agentes manejan bien grandes volúmenes de trabajo, pero aún no son fiables a la hora de tomar decisiones relacionadas con las relaciones; la investigación anterior es precisamente la razón para no aprenderlo a costa propia.
El fracaso silencioso
El fallo que merece atención no dará lugar a un titular llamativo. Una invención de bot que utiliza un lenguaje ilegible tiene un culpable evidente y una solución sencilla: apagarlo.
Lo real es más silencioso. Dos sistemas que hacen exactamente lo que se les ordena llegan a un acuerdo legible, registrado y, aun así, erróneo, porque quien estableció los límites nunca comprobó si eran razonables.
Eso no es motivo para entrar en pánico. Es una razón para tratar la cuestión de lo que un agente puede aceptar con la misma seriedad con la que se trataría lo que un empleado podría firmar. La mayoría de las empresas aún no han llegado a ese punto, y los protocolos estarán listos antes que la gobernanza.
Hay una pregunta que vale la pena hacer antes de permitir que un agente negocie algo en su nombre: si lograra el mejor acuerdo posible dentro de las reglas que le hayan dado, ¿querría usted ese acuerdo? Si no está seguro, el problema están las reglas, no el agente.
Leer más
- Por qué los agentes de programación todavía tienen dificultades con el código de empresas privadas — Real-SWE pone a prueba a ocho agentes de programación en bases de código privadas licenciadas. El mejor resuelve el 38,8 por ciento de los casos, y las cinco categorías de fallo muestran dónde cometen errores los agentes.