\u00bfPor qu\u00e9 usar un t\u00e9rmino tan abstracto en teor\u00eda del dise\u00f1o? Debido a la revoluci\u00f3n de las tecnolog\u00edas digitales, se ha creado un nuevo tipo de dispositivos capaces de llevar a cabo acciones por s\u00ed mismos que no son comparables a los tipos de criaturas que normalmente se suponen capaces de tomar decisiones y actuar, b\u00e1sicamente humanos. As\u00ed, un bot<\/em> que reenv\u00eda noticias en Twitter en funci\u00f3n de una serie de par\u00e1metros programados tiene agencia, aunque a escala biol\u00f3gica no sea muy diferente de la piedra que se comentaba antes.<\/p>\n Es importante destacar que se habla de la manifestaci\u00f3n de la capacidad de actuar y no meramente de la capacidad de actuar. Es decir, si alguien o algo tiene la capacidad de actuar, pero no la manifiestan en ning\u00fan momento, no se dir\u00e1 que tenga agencia. Por ejemplo, si se programa un bot<\/em> en Twitter para reenviar noticias sobre el cambio clim\u00e1tico siguiendo una serie de par\u00e1metros, pero ese bot<\/em> no est\u00e1 conectado a Internet y siempre est\u00e1 ah\u00ed, durmiendo en un disco duro, no se dir\u00e1 que ese bot<\/em> tiene agencia. Para tener agencia hay que manifestarse, llevando a cabo alg\u00fan tipo de acci\u00f3n.<\/p>\n Para que haya agencia, es importante tambi\u00e9n que se tome una decisi\u00f3n<\/strong>. Es decir, el sistema con agencia debe poder recoger informaci\u00f3n sobre el mundo exterior, analizarla, tomar una decisi\u00f3n y llevar a cabo la acci\u00f3n asociada a esa decisi\u00f3n. Si la acci\u00f3n es un mero resultado de un proceso mec\u00e1nico no se puede hablar de agencia.<\/p>\n Pongamos un ejemplo sencillo: imaginemos una monta\u00f1a nevada en invierno y, en la cima, un \u00e1rbol solitario. Cae una rama que provoca que una serie de piedras se deslicen por la ladera. Ese movimiento genera un alud y la nieve empieza a caer descontroladamente. Lev Manovich estaba esquiando por all\u00ed, ve venir la nieve y acelera hasta ponerse a salvo bajo una cornisa.<\/p>\n En la primera parte del evento, la rama que cae, no se habla de agencia, aunque se haya generado una acci\u00f3n, el alud, pues todo el proceso ha sido puramente mec\u00e1nico. Ni las ramas, ni las piedras ni la nieve han tomado una decisi\u00f3n. Por el contrario, cuando Manovich decide resguardarse bajo una cornisa, aqu\u00ed si se puede hablar de agencia, pues toma una decisi\u00f3n a partir de la informaci\u00f3n que obtiene con su sentido de la visi\u00f3n.<\/p>\n Imaginad ahora que Manovich tiene una aplicaci\u00f3n en su m\u00f3vil que es capaz de detectar aludes a partir de un an\u00e1lisis del sonido que le rodea. Como antes, Manovich esqu\u00eda pero est\u00e1 ausente de lo que le rodea, pensando en su pr\u00f3ximo libro. Cuando las piedras empiezan a rodar y afectan la nieve, la app<\/em> detecta as\u00ed una sutil indicaci\u00f3n s\u00f3nica y vibra para advertirle, sale de su enso\u00f1aci\u00f3n y se desliza hasta la cornisa. En este caso, se dir\u00eda que la app<\/em> tiene agencia, aunque no disponga de consciencia, claramente, porque es capaz de analizar informaci\u00f3n, tomar una decisi\u00f3n y llevar a cabo una acci\u00f3n.<\/p>\n Una teor\u00eda o modelo sobre la agencia<\/strong> puede aplicarse b\u00e1sicamente de dos modos. Por un lado, tenemos modelos que explican los grados y la capacidad de agencia de diferentes sujetos en un sistema<\/strong>. Estos modelos se desarrollan desde la sociolog\u00eda, la antropolog\u00eda, la psicolog\u00eda y la administraci\u00f3n de empresas. A este tipo de desarrollos se los conoce normalmente como teor\u00eda de la agencia<\/em>.<\/p>\n Por otro, tenemos la cuesti\u00f3n de c\u00f3mo dotar de agencia un sistema artificial<\/strong>. Esta es una tarea que se lleva a cabo desde la inform\u00e1tica y, especialmente, la inteligencia artificial (IA). La investigaci\u00f3n sobre estos temas se agrupa bajo el t\u00e9rmino gen\u00e9rico de agencia en IA<\/em>.<\/p>\n La teor\u00eda de la agencia se puede aplicar as\u00ed a organizaciones, analizando la agencia de los diferentes integrantes, estudiando de qu\u00e9 modo un agente determinado recibe \u00f3rdenes o puede darlas, delegando su responsabilidad en otros agentes. Se intenta as\u00ed localizar posibles problemas y d\u00f3nde un sistema puede mejorarse.<\/p>\n En general, siempre que tengamos una red de agentes interconectados entre s\u00ed podemos desarrollar una teor\u00eda de la agencia, es decir, un modelo que nos permita establecer de qu\u00e9 manera la agencia se distribuye en la red. As\u00ed, no hace falta limitarnos a organizaciones empresariales, aunque ese sea el espacio m\u00e1s t\u00edpico en el que se aplica la teor\u00eda de la agencia. Pero podemos tener una teor\u00eda de la agencia de un grupo de software<\/em> libre desarrollando un editor de texto para Linux, un equipo de f\u00fatbol, un batall\u00f3n de marines o el tr\u00e1nsito de entrada y salida de autom\u00f3viles en una ciudad grande.<\/p>\n Algunas teor\u00edas incluyen solo agentes humanos, otros modelos incluyen tambi\u00e9n artefactos con agencia<\/strong>, que informan. As\u00ed lo hacen, por ejemplo, las teor\u00edas de la agencia basadas en el concepto de cognici\u00f3n distribuida<\/em>. Pensemos en un avi\u00f3n comercial de transporte de pasajeros. Si queremos entender con propiedad las interacciones que se crean durante el proceso de vuelo, ser\u00e1 importante sin duda incluir piloto, copiloto y controlador a\u00e9reo, pero tambi\u00e9n habremos de incluir los diversos dispositivos que informan a piloto y copiloto sobre diferentes aspectos del avi\u00f3n y del entorno, as\u00ed como el piloto autom\u00e1tico, pues se tratan de artefactos con alg\u00fan tipo de agencia.<\/p>\n En el dise\u00f1o de artefactos y productos interactivos podemos diferenciar cinco tipos de agencia, en funci\u00f3n de la cantidad de datos que se extrapolan para tomar la decisi\u00f3n que llevar\u00e1 a cabo la acci\u00f3n.<\/p>\n Aqu\u00ed, el sistema simplemente recoge datos actuales, presentes, y toma una decisi\u00f3n. El ejemplo cl\u00e1sico es un termostato. Supongamos que tenemos el termostato de una casa a 18 \u00baC. Mientras la casa est\u00e9 a una temperatura igual o superior a 18 \u00baC, el termostato no har\u00e1 nada. En el momento en el que la temperatura baje a 17 \u00baC, el termostato activar\u00e1 la calefacci\u00f3n hasta que la casa vuela a estar a 18 \u00baC, y en ese caso volver\u00e1 a apagar la calefacci\u00f3n. El termostato no tiene memoria y por tanto no usa informaci\u00f3n sobre cu\u00e1l era la temperatura hace media hora o hace cinco minutos. Solo reacciona ante la temperatura presente.<\/p>\n En un entorno de bots<\/em>, ser\u00eda una programaci\u00f3n muy sencilla en la que el software<\/em> simplemente reacciona a la frase que ha escrito el usuario, sin tener en cuenta para nada lo que haya dicho el usuario anteriormente. Ser\u00eda un sistema de reglas muy sencillo, del tipo \u00abSi el usuario dice \u201cBuenos d\u00edas\u201d, contestar \u201cBuenos d\u00edas\u201d; si el usuario dice \u201c\u00bfComo est\u00e1s?\u201d, contestar \u201cMuy bien \u00bfy usted?\u201d\u00bb.<\/p>\n Agencia refleja<\/p><\/div>\n En este tipo de agencia, el agente dispone de alg\u00fan tipo de modelo descriptor de c\u00f3mo funciona el mundo y lo utiliza para cambiar su estado interno. El modelo que tiene el sistema le permite cambiar de estado interno, de manera que ante un mismo input<\/em> la respuesta puede ser diferente, en funci\u00f3n de lo que haya pasado antes.<\/p>\n Imaginemos un bot<\/em> que tiene la regla de no repetir la misma respuesta m\u00e1s de una vez. Cuando el usuario ha dicho \u00abBuenos d\u00edas\u00bb el bot lo recuerda de modo que, si el usuario dijera otra vez \u00abBuenos d\u00edas\u00bb, en su nuevo estado interno el bot<\/em> dir\u00eda algo diferente, quiz\u00e1s bromista, del tipo \u00abCaramba! S\u00ed que te gusta decir \u201cBuenos d\u00edas\u201d\u00bb.<\/p>\n Agencia basada en un modelo<\/p><\/div>\n Adem\u00e1s de un modelo y de unos estados internos variables, el sistema dispone de una serie de metas y objetivos a lograr, que har\u00e1n que se activen reglas diferentes del modelo en funci\u00f3n de qu\u00e9 objetivos se busquen con la interacci\u00f3n del usuario.<\/p>\n Nuestro bot<\/em> ya es un aparato bastante complejo, que no puede limitarse a reglas predefinidas, sino que empieza a tener algo de \u00abinteligencia\u00bb y dispone de alg\u00fan sistema deductivo que permita decidir qu\u00e9 reglas se deben activar en funci\u00f3n de qu\u00e9 metas sean m\u00e1s importantes. Tambi\u00e9n puede decidir cambiar de meta en funci\u00f3n de si hay cambios relevantes en el entorno.<\/p>\n El software<\/em> que acompa\u00f1a a uno de esos robots aut\u00f3nomos que se pasean por la superficie de Marte es de ese estilo. El robot tiene una serie de metas incluidas por los cient\u00edficos que lo han desarrollado y en funci\u00f3n de d\u00f3nde se encuentre, qu\u00e9 condiciones clim\u00e1ticas haya en Marte, cu\u00e1les sean las prerrogativas de la misi\u00f3n, etc., el sistema recomendar\u00e1 un curso de acci\u00f3n u otro.<\/p>\n Agencia basada en metas<\/p><\/div>\n Se trata b\u00e1sicamente de mejorar el an\u00e1lisis de metas del agente incluyendo tambi\u00e9n unas utilidades<\/strong> (en el sentido de la econom\u00eda) para medir el grado de efectividad<\/strong>. El sistema tiene as\u00ed un feedback<\/em> num\u00e9rico del tipo: \u00abEl objetivo se ha cumplido en un 75 %\u00bb. Este n\u00famero puede ser \u00fatil para el usuario del agente, para saber lo cerca que est\u00e1 de sus objetivos. Pero tambi\u00e9n lo puede utilizar internamente el software<\/em> para decidir si lo est\u00e1 haciendo bien, o si debe de revisar sus metas y objetivos en funci\u00f3n de c\u00f3mo evolucionan los datos num\u00e9ricos.<\/p>\n Imaginemos un bot<\/em> que invierte en bolsa por nosotros. Podemos incluir un criterio de utilidad que mida los beneficios y los costes de una operaci\u00f3n, y que decida detener una inversi\u00f3n y avisarnos si el nivel de p\u00e9rdidas pasa del 2 %, por ejemplo.<\/p>\nFormas de aplicaci\u00f3n<\/h2>\n
Agencia refleja<\/h3>\n
![\"\"](\"\/wp-content\/uploads\/2021\/01\/34549_01-1.svg\")
<\/a>Agencia basada en un modelo<\/h3>\n
<\/a>Agencia basada en metas<\/h3>\n
<\/a>Agencia basada en utilidades<\/h3>\n