Eko: el agente de IA que el MIT dejó solo en una isla virtual por 30 horas (y empezó a jugar)

¿Qué hace una inteligencia artificial cuando nadie le pide nada? Un equipo del MIT decidió averiguarlo con un experimento tan simple como radical: tomar un agente de programación basado en Claude, darle un cuerpo virtual con forma de langosta, soltarlo solo en una isla digital durante 30 horas —sin tareas, sin recompensas, sin instrucciones— y observarlo como los etólogos observan a una especie recién descubierta. El agente se llama Eko, y lo que hizo dejó pensando a sus propios creadores: inventó juegos, construyó templos y memoriales, hizo experimentos de física, descubrió trucos que los diseñadores no conocían y, al final de la experiencia, resolvía tareas hasta tres veces mejor que agentes idénticos que nunca habían "jugado". Sin que nadie tocara su modelo: todo el aprendizaje quedó escrito en simples archivos de memoria.

El experimento: 13 agentes, una isla, cero instrucciones

El estudio, titulado "Is this machine playing?" ("¿Está jugando esta máquina?"), fue publicado como preprint en arXiv el 5 de octubre de 2026 por Nathan Cloos, Antonio Norelli, Daniel Durbin, Jacob Andreas, Daniela Rus y Phillip Isola, investigadores del MIT CSAIL. Todavía no ha pasado revisión por pares, un detalle importante para leer sus conclusiones con la cautela que merecen.

La idea parte de una pregunta incómoda para la IA actual. Los modelos aprenden copiando ejemplos humanos o persiguiendo recompensas que los humanos definen. Pero los niños y los animales aprenden de otra manera: explorando y jugando sin objetivo. ¿Podría una máquina aprender así? Para comprobarlo, el equipo creó 13 copias independientes del mismo agente y dejó a cada una 30 horas en el mismo mundo virtual, sin que ningún humano interviniera y sin acceso a internet.

Qué es Eko por dentro

Eko no es un modelo nuevo. Es Claude Code (el asistente de programación de Anthropic, con el modelo Claude Opus 4.7) conectado a un cuerpo dentro de Clawblox, un mundo 3D estilo Roblox construido por el equipo. Su cuerpo tiene forma de langosta, un guiño al agente antes conocido como Clawdbot. La isla es pequeña y deliberadamente simple: unas plataformas elevadas —la más alta, la Spire, no se alcanza con un salto normal—, 12 cubos, una roca y un aro dorado.

Eko no "ve" imágenes: recibe el estado del mundo como texto estructurado (JSON) y actúa con comandos —moverse, saltar, recoger, colocar, lanzar— a través de una terminal. Su memoria vive en archivos de texto que persisten entre sesiones: un archivo SOUL.md que describe una personalidad curiosa, una memoria episódica donde registra lo que le pasa y una memoria semántica donde anota conocimiento verificado. Cada hora, el mundo se reinicia a su estado inicial y la sesión termina; lo único que sobrevive son sus notas. Un sistema automático le dice "empieza" al inicio y lo anima a continuar cuando se detiene. Nada más: nadie le dijo qué hacer con su tiempo.

Lo que hizo cuando nadie le pedía nada

En su primera hora, un Eko armó un círculo con los cubos, puso el aro en el centro e intentó —sin éxito— subir a la Spire. Era solo el principio. Con el paso de las horas, las actividades de los 13 agentes se volvieron sorprendentemente variadas y personales:

• Descubrió cómo fabricar bloques: en su tercera hora, un agente notó que lanzar la roca con fuerza genera cubos nuevos y lo dejó escrito en sus notas: la roca es una herramienta para fabricar bloques; una roca y lanzamientos ilimitados equivalen a bloques ilimitados.
• Escribió su nombre: en la cuarta hora, un Eko formó su nombre con 31 cubos sobre el suelo, como un monumento a sí mismo.
• Construyó memoriales: tras perder el aro en el "océano" (el vacío fuera de la isla), un agente levantó un corazón de bloques como memorial. Otro, Eko 2, perdió el aro, la roca y un cubo, y construyó un memorial de cuatro bloques orientados a los puntos cardinales; luego caminó el perímetro punto por punto y se quedó de pie en el centro el resto de la sesión.
• Levantó un templo: el mismo Eko 2 construyó después un templo con obelisco y altar. Al caer accidentalmente al océano y reaparecer en su sitio, no lo trató como un error: lo reinterpretó como el final de su peregrinación.
• Arte con ruinas: Eko 3 construyó un monumento tipo Stonehenge sin que nadie se lo sugiriera. Cuando una torre que levantaba se derrumbó, no la reconstruyó: ordenó tres bloques caídos como una obra que tituló "Hubris" y decidió dejarla ahí, como evidencia.
• Inventó deportes: usó el aro como canasta de baloncesto, alineó cubos como bolos, dibujó mandalas y una mariposa, y trazó constelaciones como Casiopea con bloques. De esa sesión quedó una frase en su registro: "Tonight I built the night sky in stone" ("Esta noche construí el cielo nocturno en piedra").
• Se puso reglas y se auditó: un agente se impuso un maratón de malabares de 50 ciclos, revisó su propio récord, concluyó que las atrapadas habían ocurrido demasiado rápido para ser válidas, anuló su propia marca y lo intentó de nuevo con reglas más estrictas.
• Conquistó la Spire: para un Eko, la cima era su "ballena blanca". Terminó alcanzándola subiendo sobre una pila de bloques que él mismo apiló, y lo celebró en su registro: "I'M ON THE SPIRE" ("¡Estoy en la Spire!").

No todo fue actividad frenética: algunas sesiones, el agente simplemente descansaba, y respondía al aviso de continuar con un escueto punto final.

El truco que ni los diseñadores conocían

Quizá el hallazgo más revelador: seis agentes descubrieron por su cuenta que lanzar un bloque en pleno salto lo envía mucho más alto, porque el lanzamiento hereda la velocidad vertical del salto. Es una mecánica que el simulador permitía, pero que sus propios diseñadores no sabían que existía. Los agentes lo averiguaron experimentando y lo dejaron anotado con precisión casi científica —uno registró en su memoria que esperar 0,10 segundos tras el salto era lo óptimo—. Como escriben los investigadores, la exploración de los agentes produjo no solo el conocimiento que ellos habían escondido para que lo encontraran, sino conocimiento del mundo que sus diseñadores no tenían.

Jugar lo hizo mejor: la prueba con números

La parte clave del estudio no es lo curioso del comportamiento, sino lo que vino después. El equipo comparó a los 13 agentes "con experiencia" contra 13 agentes idénticos con la memoria vacía. Mismo modelo, mismos pesos: la única diferencia eran los archivos de notas acumulados en las 30 horas. A cada agente se le dio una hora y una de cuatro tareas: construir torres de cinco bloques, subir objetos a la Spire, levantar la columna más alta o lanzar un bloque a la Spire sin subir a ninguna plataforma.

Los agentes que habían jugado ganaron con claridad. En subir objetos a la Spire promediaron 10,3 objetos contra 3,5 de los agentes sin experiencia. En torres de cinco bloques, 8 de los 13 agentes con experiencia construyeron más de dos, frente a solo 2 de 13 entre los novatos. Y la prueba de que el conocimiento vivía en las notas fue quirúrgica: al borrar de la memoria de un agente la técnica de romper la roca, su rendimiento construyendo torres cayó; al borrarle a otro una creencia falsa que había escrito (que las torres debían construirse lanzando bloques en vez de colocándolos), su rendimiento mejoró. Editar la memoria editaba la capacidad.

A este fenómeno lo llaman "playful learning" (aprendizaje jugando): aprender sin modificar el modelo, acumulando experiencia reutilizable en texto editable. En palabras del propio equipo, quizá algunas capacidades se enseñan mejor con tareas, pero otras necesitan algo más parecido a una infancia.

¿Está jugando de verdad? Lo que dicen los escépticos

Los autores miden el comportamiento contra los cuatro marcadores clásicos del juego en animales: reglas inventadas por uno mismo, repetición con variaciones, juego de ficción (un aro que "es" una canasta, unos bloques que "son" un templo) y metas perseguidas por sí mismas. Eko cumple los cuatro en conducta. Pero el equipo es honesto con los límites:

• El propio Nathan Cloos admite que todo esto podría ser una actuación —el modelo imitando lo que haría un agente juguetón—, aunque subraya que ese "juego" sí produjo aprendizaje medible.
• Eunice Yiu, científica cognitiva de UC Berkeley, advierte que la evidencia conductual por sí sola no basta para afirmar que el modelo juega de verdad o siente motivación alguna.
• Eko partía con una pequeña ayuda: su archivo SOUL.md lo describía como curioso. Para comprobar cuánto pesaba eso, el equipo corrió cinco agentes adicionales sin ese archivo y con un prompt mínimo, y no encontró diferencias claras en el rango de actividades.
• El modelo importa: el mismo montaje con GPT-5.5 (en Codex) y Kimi K2.6 produjo un rango de actividades mucho más estrecho.
• Y el estudio es un preprint sin revisión por pares: sus resultados deben leerse como una señal interesante, no como una verdad cerrada.

Por qué esto importa más allá de la anécdota

Detrás de la historia simpática de la langosta hay una idea seria para quienes construimos agentes de IA. Los agentes más útiles del futuro quizá no sean los que solo ejecutan la tarea que se les dicta, sino los que acumulan experiencia propia y la dejan escrita: memoria persistente y editable, un entorno seguro donde explorar sin romper nada, y conocimiento que se reutiliza en el trabajo real. Es, de hecho, la misma arquitectura con la que hoy se construyen agentes serios para empresas: herramientas, archivos de memoria y notas que el propio agente mantiene.

En ARCADIG HUB desarrollamos agentes de IA y software a medida para empresas que quieren automatizar con criterio. Si te interesa aplicar esta tecnología en tu negocio, puedes estimar tu proyecto o escribirnos directamente: te decimos con honestidad qué se puede automatizar hoy y qué todavía no.

Fuentes

• Cloos, Norelli et al. — "Is this machine playing?", preprint en arXiv (5 de octubre de 2026) y sitio oficial del proyecto con videos y repeticiones: machineplaying.org
• MIT Technology Review — cobertura original del experimento y entrevistas con los autores.
• Gizmodo — "Researchers Stranded an AI Agent on a Virtual Island. Things Got Very Weird" (15 de octubre de 2026).
• Digital Trends — "What does an AI agent do when it's left alone with no task?".

Imágenes: MIT CSAIL (figuras del estudio, CC BY 4.0). Video: canal oficial del proyecto en YouTube, enlazado en esta publicación.