Una prueba sin salir a la carretera
Un coche autónomo circulaba por la carretera cuando, de repente, apareció un coche en dirección contraria. Waymo, la compañía de coches autónomos que nació en Google, muestra esta escena en una demostración que comienza con un suceso real y continúa en una simulación. Una IA genera las imágenes y los datos de los sensores con los que se realiza la prueba.
Waymo utiliza ese entorno para probar otras maniobras, cambiar el tráfico o hacer que llueva. El modelo ha aprendido de vídeos a representar cómo evoluciona una escena y responde a las acciones del vehículo.
Los grandes modelos de lenguaje, conocidos por las siglas inglesas LLM, nos han acostumbrado a una IA que habla con soltura sobre el mundo. Pero para poder anticipar cómo cambiará cuando actuamos sobre él, necesitamos también poder representar su funcionamiento y ahí entran los world models, que voy a llamar en adelante: modelos del mundo.
En este artículo voy a explicar lo que son, cómo funcionan, cuánto podemos fiarnos de sus resultados y qué podrían aportar a las decisiones de una empresa.
Cómo funcionan los modelos del mundo
Un modelo del mundo es un sistema de IA que aprende la representación de un entorno y las formas en las que cambia a lo largo del tiempo. A partir de esa representación trata de anticipar lo que podría ocurrir en momentos posteriores. Al incorporar las acciones que podemos realizar, permite comparar las consecuencias de cada una de ellas antes de realmente ejecutarlas.
La idea viene de los años noventa. En 2018 hubo un salto importante cuando David Ha y Jürgen Schmidhuber mostraron que un agente —un programa que observa un entorno y actúa en él— podía aprender dentro de una simulación generada por su propio modelo. En 2022, Yann LeCun —entonces científico jefe de IA de Meta— publicó una propuesta en la que estos modelos ocupaban un lugar central. En 2025 dejó Meta para cofundar AMI Labs, centrada en los modelos del mundo. Google es otro de los actores principales: ha creado Genie, un generador de entornos interactivos.
El entrenamiento de estos modelos utiliza vídeos, datos de sensores y registros de acciones y sus resultados. Para ello utilizan redes neuronales, sistemas que aprenden patrones en los datos: cómo se mueven los objetos, cómo interactúan y qué cambios siguen a determinadas acciones. Hay distintos enfoques tecnológicos: unos condensan lo que han observado en una representación interna y predicen cómo cambiará en lo sucesivo; otros generan imágenes sucesivas de un entorno que responde a las acciones.
En robótica se están empezando a utilizar para planificar movimientos. También sirven para crear entornos virtuales donde entrenar y probar agentes. Meta, por ejemplo, ha mostrado robots que recogen y colocan objetos que no habían visto durante el entrenamiento utilizando un modelo para evaluar movimientos posibles.
Un entorno diferente en el que también se está empezando a explorar el uso de los modelos del mundo es la empresa. Para hacerlo, es necesario conocer el estado, los procesos y las reglas, y tener en cuenta cómo reaccionan las personas. ¿Qué pueden aportar los modelos del mundo a ese trabajo?
Qué pueden aportar los modelos del mundo a una empresa
En agosto, al terminar la serie sobre IA y empresa, escribí que cada organización debería de tener un mapa de cómo funciona: en qué estado está, quién puede decidir y qué reglas y excepciones se aplican. Ese mapa es el punto de partida para llevar los modelos del mundo a la empresa.
Pensemos en una pyme cuyo proveedor anuncia que una pieza llegará siete días tarde. Para valorar el problema, necesita saber cuántas unidades quedan, qué pedidos dependen de ellas y qué fechas ha prometido a sus clientes. Una forma de representar esos elementos y sus relaciones es mediante una ontología: conecta la pieza con su proveedor, con los productos que la incorporan y con los pedidos afectados. Con esas relaciones identificadas, podemos estudiar cómo cambiaría la actividad al tomar una decisión.
¿Es lo mismo una simulación que un modelo del mundo? No. Una simulación es un ensayo virtual en el que probamos una decisión y calculamos cómo podría evolucionar una situación. Podemos ensayar, por ejemplo, qué ocurriría si la pyme comprara la pieza a otro proveedor.
Un modelo del mundo, en cambio, es una representación aprendida de cómo funciona un entorno y de cómo cambia al actuar sobre él. Esa representación puede servir de base para una simulación. El modelo aporta una estimación del comportamiento del entorno; la simulación permite ensayar distintas decisiones utilizando esa estimación.
Para construir una simulación basada en reglas, alguien tiene que describir cómo funciona la empresa: cuántas piezas necesita cada producto, cuánto tarda su fabricación o qué pedido tiene prioridad. Un modelo del mundo puede aprender parte de ese funcionamiento a partir de los registros de la empresa. Por ejemplo, cómo varían los tiempos de fabricación cuando coinciden retrasos de proveedores, cambios en la producción y pedidos urgentes. Esto permite incorporar relaciones que cuesta describir mediante reglas.
Con ese aprendizaje y las reglas vigentes, la pyme podría comparar las consecuencias de comprar a otro proveedor, cambiar el orden de fabricación o reservar las existencias para ciertos pedidos. El modelo estimaría cómo evolucionaría la actividad durante los días siguientes: dónde se acumularía trabajo, qué entregas se retrasarían y cómo cambiarían los costes.
Para la pyme, la aportación sería anticipar cómo se encadenan los efectos de una decisión, incorporando lo aprendido de su actividad real. Esa previsión puede ayudarle a organizar la producción, cumplir los compromisos con sus clientes y evitar compras urgentes innecesarias.
Qué pediría a los modelos del mundo antes de utilizarlos
Lo que de verdad me parece interesante en el ejemplo es poder ensayar una decisión antes de asumir sus costes. Equivocarse en un pedido importante puede consumir el margen de una pyme o deteriorar una relación que ha costado años construir. Si conseguimos anticipar mejor esas consecuencias, tendremos más elementos para elegir y podremos evitar algunos errores.
Con una buena previsión habría todavía que elegir lo que la empresa quiere conseguir. La pyme del ejemplo podría pagar más por la pieza para cumplir con un cliente importante al que quiere conservar. También podría aceptar un retraso porque necesita guardar dinero para pagar las nóminas. Esas prioridades las fijan las personas que dirigen la empresa y el modelo tendría que trabajar con ellas.
Antes de utilizarlos en una empresa, querría comprobar qué aportan frente a las simulaciones y herramientas que ya tenemos. Para ello, compararía sus previsiones con lo que ocurre después de tomar una decisión.
De momento, seguiría aprovechando los LLM para las tareas en las que ya nos ayudan y probaría qué pueden aportar estos modelos a una decisión concreta de la empresa. Me gustaría que, ante el próximo retraso de un proveedor, pudiéramos comparar sus efectos sobre los pedidos, los costes y los clientes antes de decidir cómo responder.