El juego largo de DeepMind en EVE Online: usar un universo de 20 años para estudiar la planificación de la IA

Google DeepMind publicó el viernes 21 de agosto un relato detallado de su alianza de investigación con Fenris Creations, exponiendo cómo pretende usar el universo de EVE Online como laboratorio de inteligencia artificial. La publicación, titulada «From Atari to EVE Online: Building on 15 Years of AI Research in Games», describe un programa de investigación por etapas construido en torno a una copia offline de EVE Online, y es la declaración más clara hasta ahora de por qué una compañía conocida sobre todo por juegos de mesa y plegado de proteínas ha tomado una participación en un MMO espacial de 23 años.

Lectura relacionada: Epic Games apuesta por la IA como base en su retrasado shooter de Disney · Google lanza Playground, una plataforma de IA que crea juegos jugables a partir de instrucciones.

El acuerdo que hay detrás no es nuevo. Fenris Creations (el estudio antes conocido como CCP Games, creador de EVE Online) completó en mayo de 2026 una compra por la dirección de 120 millones de dólares frente al editor coreano Pearl Abyss, y DeepMind tomó una participación minoritaria como parte de esa operación. Lo que añade la publicación de agosto es el detalle: el plan de investigación, las restricciones de seguridad y las capacidades concretas que DeepMind espera sondear.

Un universo con memoria

EVE Online es un artefacto peculiar en la industria del videojuego. Funciona como un único shard persistente desde hace más de dos décadas, con una economía impulsada por los jugadores, alianzas dirigidas por jugadores y una política territorial que los desarrolladores no guionizan. Su escala se mide en decenas de miles de sistemas estelares y años de historia acumulada de jugadores. Esa persistencia es precisamente lo que lo hace interesante para los investigadores de IA.

La mayoría de los entornos de aprendizaje automático son episódicos. Un juego termina, el estado se reinicia y el agente vuelve a empezar. EVE no se reinicia. Las acciones de hace años aún dan forma al mundo; las reputaciones persisten; una decisión económica de una alianza cambia los incentivos de otra. Para un programa interesado en la planificación a largo plazo y la memoria, es una propiedad rara. También, como lo expresó en el anuncio el consejero delegado de Fenris, Hilmar Pétursson, una difícil: el entorno exige que una IA «learn, adapt and remember on timescales that no other game environment demands».

El interés de DeepMind por los juegos no es nuevo. Sus avances en Atari, Go y StarCraft (DQN, AlphaGo y AlphaStar) son parte del folclore de la IA, y más recientemente ha construido modelos del mundo y agentes interactivos como SIMA. Los juegos son útiles porque son medibles, acotados y repetibles sin fin: tres propiedades que permiten comparar enfoques con rigor.

El plan por etapas

El programa de investigación es deliberadamente prudente. Empieza con una instancia offline de EVE Online, en un servidor local: un entorno sin jugadores reales. Eso separa la investigación del riesgo de que un modelo de IA se comporte mal con personas reales. Solo cuando las capacidades maduren considerarían los equipos pasar a EVE Frontier, descrito como un espacio para estudiar cómo pueden coexistir humanos y agentes en un mundo persistente y abierto, y más tarde al EVE Online en vivo y al shooter en primera persona EVE Vanguard.

La progresión es la decisión de diseño interesante. Trata el despliegue en un juego en vivo como el último y más difícil paso, no el primero, e inserta una etapa intermedia (Frontier) dedicada explícitamente al problema de la coexistencia humano-agente. Refleja una lección de los últimos años de lanzamientos de IA: los modelos que parecen fiables en una evaluación controlada pueden comportarse de forma impredecible al encontrarse con usuarios, incentivos y adversarios reales.

La alianza ya está produciendo algo concreto para los jugadores. El sistema Aura Guidance usa Gemini para ofrecer conocimiento generado por jugadores, extraído de preguntas y respuestas reales de «ayuda para novatos», a nuevos pilotos que intentan aprender un juego notoriamente complicado. Es una función modesta para los estándares del marketing de IA, pero un despliegue real en un producto en vivo, y se sitúa en el extremo seguro del espectro.

Qué quiere aprender DeepMind

Los objetivos de investigación declarados son la planificación a largo plazo, la memoria y el aprendizaje continuo. Estas tres palabras describen los puntos débiles de los sistemas más capaces de hoy. Los grandes modelos de lenguaje impresionan en ráfagas cortas y a lo largo de documentos extensos, pero como agentes autónomos les cuesta mantener la coherencia durante horas o días, conservar una memoria consistente de lo que han hecho y seguir aprendiendo tras el despliegue sin olvidar lo que ya sabían.

Un universo persistente somete a prueba los tres a la vez. Para operar de forma útil en EVE, un agente debe fijar objetivos que abarcan horizontes largos, recordar interacciones previas y ajustar su comportamiento a medida que el mundo cambia a su alrededor. Eso está mucho más cerca de la realidad desordenada de los agentes que las empresas intentan desplegar ahora en flujos de trabajo reales que una batería de pruebas, y es más difícil de manipular.

Hay una segunda motivación, más comercial. La matriz de Google DeepMind tiene interés en el entretenimiento interactivo a través de sus plataformas y su stack de modelos, y una comprensión más profunda de los mundos persistentes poblados por agentes alimenta directamente la categoría emergente de los sistemas de juego impulsados por IA. Fenris, por su parte, obtiene una alianza de investigación y un inversor estratégico mientras se reconstruye como estudio independiente.

EVE es uno de los pocos mundos virtuales donde las consecuencias son lo bastante reales y los plazos lo bastante largos como para que un fallo de planificación cueste algo de verdad.

La historia de independencia que hay debajo

El acuerdo con DeepMind llegó junto a un acontecimiento corporativo: la compra de 120 millones de dólares que devolvió a CCP Games a la propiedad independiente tras años bajo Pearl Abyss y la rebautizó como Fenris Creations. Antes, el estudio había tenido una etapa agitada, con pérdidas anuales reportadas y apuestas caras en derivados como el EVE Frontier vinculado a blockchain y el shooter de extracción EVE Vanguard. Fenris ha dicho que volvió a ser rentable en 2025.

Para DeepMind, la participación es pequeña (según los informes, de millones de dólares) y deliberadamente minoritaria. El acuerdo mantiene la dirección creativa de EVE en manos de quienes la han llevado, a la vez que da al laboratorio acceso a datos y a un entorno de investigación controlado. La separación importa para la comunidad del juego, históricamente celosa de que la historia de EVE la escriban los jugadores y no los algoritmos.

Ahí está la tensión que la alianza tendrá que gestionar. La comunidad de EVE valora que su mundo esté moldeado por decisiones humanas, incluidas las malas. Un programa de investigación de IA que acabe trayendo agentes al juego en vivo (aunque sea con cautela, aunque sea primero en Frontier) será juzgado por si enriquece ese mundo o lo diluye. El enfoque por etapas de DeepMind es un reconocimiento de ese riesgo, pero no lo resuelve.

La cuestión de los datos

La alianza plantea una pregunta que seguirá a la IA en los videojuegos durante años: qué datos se usan y bajo qué condiciones. EVE Online guarda dos décadas de historia generada por jugadores (registros de chat, transacciones de mercado, negociaciones políticas) y ese corpus es parte de lo que hace valioso el universo como entorno de investigación. DeepMind y Fenris no han publicado términos detallados de gobernanza de datos, y el blog enmarca el trabajo en torno a una instancia offline más que a datos de jugadores en vivo. Cómo se manejen, anonimicen y consientan los datos de los jugadores importará tanto para la confianza de la comunidad como para el entorno regulatorio en el que opera cada vez más la investigación europea en IA.

La gobernanza de datos no es un asunto menor. Las normas europeas sobre uso de datos y sistemas de IA se están endureciendo, y un laboratorio que opera en ese entorno se beneficia de poder señalar un entorno controlado y un propósito de investigación claro. El diseño offline-first es tanto una postura de cumplimiento como una decisión de seguridad.

Hay también un contexto industrial más amplio. Las compañías de videojuegos experimentan con personajes y sistemas impulsados por IA a gran velocidad, y los jugadores han respondido con una mezcla de curiosidad y recelo, sobre todo en lo relativo a contenido generativo o moderación automatizada. Una alianza de investigación que empieza offline y que es explícita sobre que el despliegue en vivo es un paso lejano es una apuesta a que la confianza es más fácil de construir despacio que de reparar.

Por qué los juegos siguen funcionando como banco de pruebas de IA

La razón profunda por la que los juegos importan a la investigación en IA es que resuelven un problema de evaluación. En el mundo físico, un experimento es caro, lento y difícil de reproducir. En un juego es barato, rápido y exacto: se puede reiniciar el estado, repetir el mismo escenario y comparar dos políticas en condiciones idénticas. Para un campo que se ha visto repetidamente avergonzado por afirmaciones de benchmark que no sobrevivieron al contacto con la realidad, esa controlabilidad vale mucho.

EVE añade una propiedad que a la mayoría de los benchmarks les falta: complejidad social y económica genuina producida por humanos, no por diseñadores. El resultado es un entorno que es a la vez controlable, en su copia offline, y realista, en el comportamiento de los jugadores cuyas decisiones lo pueblan. Si esa combinación produce de verdad avances transferibles es la pregunta abierta, y aquella por la que se juzgará en última instancia la alianza.

Qué observar

Tres cosas mostrarán cuán en serio tomarse la alianza. Primero, si DeepMind publica los resultados de los experimentos offline de EVE en una forma que otros investigadores puedan evaluar, o los mantiene internos. Segundo, si el trabajo de coexistencia humano-agente en Frontier produce hallazgos medibles sobre cómo responden los jugadores a los participantes de IA. Tercero, cómo equilibra Fenris sus compromisos de investigación con las expectativas de una comunidad que lleva dos décadas construyendo un mundo que considera suyo.

Conclusión

La alianza de DeepMind y Fenris recuerda que parte de la infraestructura de investigación de IA más útil no es un centro de datos, sino un mundo que a la gente ya le importa. EVE Online ofrece algo que la mayoría de los entornos de prueba no pueden: consecuencias que persisten y una población que se comporta como personas porque está hecha de ellas. Si DeepMind consigue convertir eso en avances sobre planificación a largo plazo y memoria, el acuerdo parecerá previsor. Si no lo consigue, al menos habrá comprado uno de los laboratorios más interesantes del campo.