Un nuevo estudio publicado en ArXiv AI propone un marco analítico potenciado por modelos de lenguaje para examinar la gobernanza de los protocolos de inteligencia artificial agentic, un tema crítico a medida que estas tecnologías se vuelven fundamentales en sistemas autónomos de toma de decisiones.\n\nEl trabajo compara dos paradigmas contrastantes: ERC-8004, un estándar permissionless basado en cadena de bloques, y el protocolo corporativo Google A2A. Mediante el análisis de 4,323 registros de participación gubernamental, el estudio combina codificación asistida por LLM, modelado de temas neuronales y análisis de redes multicapa para mapear las estructuras de poder socio-técnico que emergen en cada contexto.\n\nLos resultados revelan una paradoja interesante: aunque el diseño institucional influye en las prioridades temáticas, tanto los sistemas descentralizados como sus contrapartes corporativos muestran niveles similares de desigualdad en la participación y fragmentación comunitaria. Sin embargo, el discurso en entornos permissionless logra una alineación temática más densa, sugiriendo que la gobernanza abierta podría fomentar una convergencia temática mayor a pesar de la descentralización.\n\nEsta investigación tiene implicaciones profundas para el ecosistema de IA. En primer lugar, demuestra que los métodos asistidos por LLM pueden escalar el análisis cualitativo de gobernanza, permitiendo examinar patrones sociales a nivel masivo. En segundo lugar, expone las limitaciones de ambas modelos: la gobernanza DAO, a pesar de su idealismo, enfrenta desafíos de coordinación y exclusión sistémica, mientras que los enfoques corporativos, aunque ágiles, pueden centralizar el poder de manera opaca.\n\nPara profesionales de la tecnología, estos hallazgos son cruciales. A medida que los agentes de IA adquieren mayor autonomía en flujos de trabajo complejos, la elección de protocolos de gobernanza definirá no solo la eficiencia técnica, sino también la equidad y la transparencia de los sistemas que construimos. El estudio ofrece un marco empírico para navegar estas decisiones, con datos y código disponibles abiertamente para impulsar futuras investigaciones.