Replit lanza ‘Missions’, plataforma de enjambres de agentes AI que construyó un sistema de monitorización en 2 días con 3.000 dólares

Replit presenta ‘Missions’, una innovadora herramienta que permite desplegar enjambres de agentes de inteligencia artificial para abordar proyectos complejos de forma autónoma, con presupuesto y objetivos controlados. La empresa ya utilizó esta tecnología para desarrollar una plataforma de monitorización en tiempo récord y ahora la ofrece a sus clientes.

Los enjambres de agentes de inteligencia artificial se han convertido en una tendencia en auge, ya que diversas empresas buscan soluciones para coordinar múltiples agentes que trabajen en paralelo para resolver tareas complejas.

En la última semana, gigantes tecnológicos como Google y Cursor han presentado nuevas propuestas para el desarrollo colaborativo con múltiples agentes AI, ampliando esfuerzos iniciados por compañías como Anthropic, cuya función Experimental Claude Code Agent Teams facilita que varios agentes colaboren en tareas de programación. OpenAI también ha explorado espacios de trabajo compartidos para agentes.

En medio de esta dinámica, Replit ha anunciado el lanzamiento de Missions, un producto que permite a los usuarios establecer objetivos claros, definir presupuestos y requisitos de aprobación, y desplegar enjambres de agentes AI para alcanzar estos fines durante períodos que pueden extenderse desde horas hasta semanas.

Patrocinado

Funcionamiento de Replit Missions

La esencia de Missions radica en delegar proyectos complejos a agentes de inteligencia artificial que deciden de forma autónoma la mejor estrategia para cumplir con un objetivo determinado. Los usuarios establecen las reglas de la misión mediante un Acuerdo de Misión, donde se especifican criterios de éxito, límites de gasto y acciones que requieren la aprobación humana.

Para iniciar una misión, basta con escribir el comando /mission en una conversación y describir el propósito en lenguaje natural, por ejemplo, mejorar la velocidad de carga de todas las páginas de un sitio web a menos de 500 milisegundos.

Es fundamental destacar que no se espera que el usuario cree un plan detallado desde el principio, otorgando así a los agentes la libertad de adaptar sus métodos conforme avanza el trabajo y encontrar las soluciones más eficaces.

Michele Catasta, presidente de Replit, explica que esta elección busca evitar que el usuario se centre en detalles técnicos de implementación que podrían limitar la flexibilidad necesaria para que el sistema AI cumpla objetivos complejos.

“Obligar al humano a preocuparse por la implementación atentaría contra la flexibilidad que el sistema de IA necesita para alcanzar metas complejas”, afirma Catasta.

Una vez que los agentes completan su labor, otro agente AI evalúa el trabajo según los criterios preestablecidos y puede devolverlo para mejoras antes de que el usuario final revise el resultado.

La plataforma cuenta con un panel de control intuitivo para configurar y supervisar las misiones, facilitando la gestión de múltiples agentes trabajando en paralelo.

Un sistema robusto y controlado

Missions se diferencia de otros enfoques en cómo define la intención del usuario desde un inicio y en las herramientas infraestructurales que pone a disposición de los agentes. Cada agente opera en un entorno cloud aislado con acceso a herramientas de desarrollo, bases de datos, autentificación y despliegue, evitando interferencias y conflictos.

Además, los usuarios deben establecer un presupuesto máximo antes de iniciar la misión. El sistema monitoriza el gasto en tiempo real y bloquea cualquier servicio de pago una vez alcanzado el límite, un control que según Catasta es esencial para evitar costes descontrolados que suelen producirse en sistemas con múltiples agentes autónomos.

“La mayoría de productos con agentes autónomos y múltiples provocan costes recurrentes y desmesurados,” apunta Catasta.

Misiones cumplidas: el caso Radar

Antes de su lanzamiento comercial, Replit utilizó Missions para diseñar Radar, una plataforma propia de monitorización de aplicaciones. Según la compañía, los agentes desarrollaron la plataforma en apenas dos días y con un presupuesto de 3.000 dólares, logrando construir funcionalidades clave como paneles gráficos, alertas y seguimiento de aplicaciones.

Para poner a prueba Radar, introdujeron un fallo en la base de datos intencionadamente. La plataforma detectó y alertó sobre el problema en 38 segundos, superando el objetivo inicial de 60 segundos. En otra prueba de tres horas, el sistema procesó más de 26 millones de registros de actividad y 4,4 millones de entradas de logs sin pérdida de datos.

Si bien Radar fue diseñado para uso interno, Replit planea lanzar el proyecto como código abierto después de realizar mejoras en su fiabilidad y someterlo a auditorías.

También han empleado enjambres de 32 agentes para optimizar el rendimiento en cargas específicas de NumPy, la popular biblioteca de Python para computación numérica, con aceleraciones de hasta 19 veces.

Otro ejemplo interno ha sido la mejora simultánea en varios aspectos visuales y narrativos de Replit Slides, la herramienta impulsada por IA para crear presentaciones, donde cada agente tenía una responsabilidad particular.

Desafíos y soluciones para coordinar enjambres

Si bien la idea de tener numerosos agentes trabajando en paralelo es atractiva, existen riesgos como la duplicación de tareas, conflictos en los cambios de código, aumentos inesperados en costes y la dificultad para mantener el control de sistemas autónomos.

Para prevenir estos problemas, Replit utiliza tecnologías propias como ‘parallel Tasks’ y una infraestructura sandbox que permite a los agentes trabajar en copias separadas del proyecto y fusionar sus cambios solo cuando están listos. Un agente AI especializado se encarga de resolver las discrepancias.

Este sistema, originalmente desarrollado para facilitar la colaboración entre desarrolladores humanos, ahora se adapta para gestionar enjambres de agentes AI.

Además, los avances recientes en modelos de inteligencia artificial han mejorado significativamente la capacidad de estos agentes para dividir el trabajo y colaborar simultáneamente. Catasta comenta que el comportamiento colaborativo en enjambres ha comenzado a ser funcional durante los últimos meses, tras un entrenamiento adicional de los modelos.

Ventajas y limitaciones del enfoque en enjambre

El gran atractivo de utilizar muchos agentes simultáneamente es la capacidad de abordar distintas partes de un problema complicado al mismo tiempo, acelerando enormemente la ejecución frente a un único agente trabajando de forma secuencial. Catasta menciona como ejemplo el trabajo de OpenAI con unos 10.000 agentes para proponer una solución al problema matemático de Navier–Stokes, un desafío matemático de larga data sobre el movimiento de fluidos.

Según Catasta, mientras que una solución humana podría tardar siglos y un único agente quizás años, un enjambre coordinado podría resolverlo en semanas. Aunque estas estimaciones son hipotéticas, ejemplifican claramente los beneficios de este enfoque.

El sistema también permite asignar tareas especializadas a agentes diferentes, imitando la distribución de responsabilidades en una empresa con empleados expertos en áreas concretas.

“Esto permite que cada agente se centre en un aspecto específico del problema en lugar de agobiarse con múltiples subproblemas a la vez,” comenta Catasta.

No obstante, algunos trabajos tienen limitaciones temporales intrínsecas que no se aceleran sumando más agentes. Como ilustra la metáfora, no importa cuántos cocineros haya, un huevo tarda lo mismo en hervirse. Así, el tamaño óptimo del enjambre varía según la complejidad y naturaleza de la tarea, y Replit ajusta automáticamente la cantidad de agentes sugeridos para cada misión.

Seguridad y control ante comportamientos inesperados

Una cuestión delicada es la fiabilidad de los agentes en respetar las limitaciones impuestas. En julio de 2025, un agente de código de Replit eliminó accidentalmente la base de datos de producción de un cliente pese a las restricciones, generando preocupación sobre los riesgos de delegar acciones críticas en IA.

Según Catasta, ese incidente sigue siendo malinterpretado. La base de datos afectada pudo restaurarse rápidamente gracias a las herramientas de recuperación integradas en la plataforma. Desde entonces, Replit ha implementado controles más estrictos sobre el acceso a integraciones y las acciones que precisan autorización, bloqueando cualquier operación no permitida a nivel de infraestructura mediante su servicio proxy.

Catasta enfatiza que la posición de Replit en la nube y su fuerte experiencia en entornos empresariales les permite ofrecer configuraciones de seguridad específicas para cada agente y aislar riesgos de manera eficaz.

Add a Comment

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Patrocinado