InnerLoop en código abierto: nuestra investigación sobre el pensamiento autónomo de la IA

Por Joel Zamboni, CEO y fundador de Webera

En Webera, construir agentes de IA para empresas nos ha mostrado una limitación fascinante: los sistemas de IA nunca piensan si nadie se lo pide. Por sofisticado que sea, todo LLM espera una entrada antes de “pensar”. Les falta esa actividad mental continua que impulsa la creatividad y la adaptación humanas.

Hoy publicamos en código abierto InnerLoop, nuestra arquitectura experimental para explorar cómo dar a los sistemas de IA capacidades de pensamiento autónomo.

La pregunta de investigación

¿Y si la IA pudiera pensar por sí misma? No hablamos de conciencia, sino de algo más práctico: iniciativa autónoma.

Los modelos de lenguaje actuales son sofisticados, pero en el fondo son reactivos. Son como consultores brillantes que nunca hablan si no se les hace una pregunta directa y que no tienen pensamientos propios entre una reunión y otra.

Eso limita su potencial como socios de negocio. Ejecutan tareas con maestría, pero no sugerirán mejoras por su cuenta, no notarán patrones emergentes ni ajustarán estrategias sin una indicación explícita.

Nuestro enfoque experimental: una arquitectura de tres agentes

InnerLoop explora un sistema de tres agentes que simula aspectos de la cognición interna humana:

El agente Experiencer

El tomador de decisiones principal, que procesa la información e interactúa con el exterior: la interfaz “consciente” del sistema.

El Stream Generator

Produce de forma continua, en segundo plano, pensamientos, asociaciones e ideas contextuales, parecido al parloteo mental humano.

El Attention Director

Filtra y prioriza qué entradas externas o pensamientos internos merecen la atención del Experiencer.

Los tres agentes comparten la misma identidad y la misma memoria, pero cumplen funciones cognitivas distintas. Los primeros resultados muestran que el sistema puede generar ideas espontáneas, hacer observaciones sin que se las pidan y mantener un procesamiento continuo en segundo plano.

Capacidades y limitaciones actuales

Lo que hemos logrado:

• Generación de pensamientos autónomos cada ~20 segundos
• Asociaciones contextuales y recuerdos de memoria
• Filtrado de atención basado en prioridades
• Comentarios y preguntas espontáneos

Limitaciones actuales:

• Etapa temprana de prueba de concepto
• La calidad de los pensamientos varía mucho
• Todavía no hay aprendizaje ni adaptación a largo plazo
• Validación limitada en aplicaciones de negocio

Lo que estamos explorando:

• Cómo medir la verdadera “iniciativa” frente al reconocimiento sofisticado de patrones
• El equilibrio ideal entre aleatoriedad y relevancia al generar pensamientos
• La integración del pensamiento autónomo con tareas prácticas de negocio

Base técnica

Nuestra implementación usa herramientas accesibles y de código abierto:

• Ollama con modelos Gemma/Llama para el desarrollo local
• ChromaDB para la memoria compartida y la búsqueda semántica
• Python asyncio puro para coordinar a los agentes
• Prompts configurables guardados como archivos markdown

Así, la investigación es reproducible y económica de experimentar.

¿Por qué publicar esta investigación en código abierto?

Creemos que las arquitecturas de IA que marcan un antes y un después deben explorarse de forma colaborativa. InnerLoop plantea preguntas fascinantes:

• ¿Podemos crear una IA que realmente tome la iniciativa, en lugar de solo responder con ingenio?
• ¿Qué significa en realidad “pensamiento autónomo” en el contexto de la IA?
• ¿Cómo medimos y validamos una agencia genuina?

Al publicar nuestro trabajo inicial en código abierto, invitamos a la comunidad de investigación a experimentar, criticar y construir sobre estas ideas.

Hoja de ruta de la investigación

Fase 1 (actual): ciclos básicos de pensamiento autónomo

• ✅ La coordinación entre los tres agentes funciona
• ✅ Generación espontánea de pensamientos
• 🔄 Mejorando la relevancia y la calidad de los pensamientos

Fase 2: mayor integración y aprendizaje

• Mecanismos de consolidación de la memoria
• Mejores algoritmos de atención y prioridad
• Adaptación del comportamiento a largo plazo

Fase 3: aplicaciones prácticas

• Integración con tareas de negocio
• Formación y búsqueda de objetivos
• Patrones de colaboración entre múltiples agentes

Súmate a nuestra investigación

InnerLoop es una exploración temprana de la autonomía de la IA. No decimos haber resuelto la agencia de la IA: investigamos cómo podría verse.

Para investigadores: el código es una base para experimentar con sistemas autónomos de múltiples agentes.

Para empresas: aunque no está listo para producción, InnerLoop muestra capacidades futuras que vale la pena seguir de cerca.

Para los curiosos: mira cómo exploramos si la IA puede desarrollar una iniciativa genuina.

---

Explora la investigación: repositorio de GitHub

Sigue el avance: actualizaciones de la investigación y resultados experimentales

Contribuye: damos la bienvenida a ideas, implementaciones y críticas

InnerLoop lo desarrolla Webera como parte de su compromiso de impulsar la investigación en IA junto con aplicaciones prácticas para los negocios. Fundada por Joel Zamboni, Webera explora arquitecturas de IA de vanguardia mientras atiende a clientes empresariales.

Contacto: hello@webera.com | Más información: webera.com