Contexto: De la inteligencia aislada a la operación colaborativa en la industria

Desde el lanzamiento de ChatGPT en noviembre de 2022, la industria de la inteligencia artificial ha experimentado un cambio de paradigma, pasando de “chatbots” a “herramientas de ejecución de tareas” (Agentes). Sin embargo, el valor de un “cerebro” potente se ve muy reducido si no tiene “manos y pies” para conectarse a los servicios del mundo real. Para ello, la industria ha realizado una serie de exploraciones.

En marzo de 2023, OpenAI introdujo el sistema de Plugins para ChatGPT, que luego se actualizó a la función Actions de los GPTs, estableciendo una conexión inicial entre los Agentes y el mundo exterior. En noviembre del mismo año, Anthropic lanzó el “Protocolo de Contexto Centrado en el Modelo” (MCP) y en diciembre lo donó a la AI Alliance Foundation (AAIF) de la Fundación Linux, con el objetivo de estandarizar la interacción entre los Agentes y las herramientas externas.

En cuanto a la interconexión entre Agentes, Google propuso en abril de 2024 el protocolo A2A (Agent-to-Agent) y lo aportó rápidamente a la comunidad de código abierto. El protocolo A2A describe un ideal de comunicación libre en una red de agentes en la nube, que teóricamente podría mejorar enormemente la automatización en campos como la cadena de suministro, los seguros y las operaciones de TI. Sin embargo, un año después, los casos de implementación comercial de este protocolo son escasos. La razón principal es que las soluciones de interconexión en la nube como A2A se muestran ineficaces frente a tres problemas comerciales clave:

Autenticación de identidad: Las empresas son reacias a integrar sus propios sistemas de identidad de usuario con plataformas externas.
Liquidación de fondos: Los protocolos abiertos no suelen definir los procesos de pago, lo que impide cerrar el ciclo comercial.
Delimitación de responsabilidades: Si un Agente comete un error que causa pérdidas, es difícil determinar a quién atribuir la responsabilidad.

Estas barreras a nivel comercial se han convertido en el principal cuello de botella que impide la aplicación práctica de la colaboración multiagente.

AHA: La solución disruptiva basada en la “interconexión en el dispositivo”

En respuesta a estos desafíos, Alipay, en su práctica con socios como OPPO y StepFun, ha propuesto una nueva solución llamada AHA (Agent Hub Access). Su idea central es salir del marco de la interconexión en la nube y volver al propio dispositivo del usuario, adoptando un modelo de “interconexión en el dispositivo”.

Bajo este modelo, la colaboración entre Agentes de dos aplicaciones diferentes (como “Xiaobu” en un teléfono OPPO y “Abao” en Alipay) ya no se realiza mediante el reenvío de tareas a través de servidores en la nube, sino directamente en el mismo dispositivo a través de la comunicación entre procesos locales (Inter-Process Communication, IPC). Este diseño evita ingeniosamente los tres problemas mencionados:

Identidad: No se fusionan las cuentas. Xiaobu y Abao mantienen sus respectivos estados de inicio de sesión (cuenta de OPPO y cuenta de Alipay). La planificación de la tarea la realiza el Agente iniciador, pero la ejecución final del servicio depende del estado de inicio de sesión del usuario dentro de la app local de Alipay, garantizando el aislamiento de la identidad del usuario.
Fondos: El protocolo no maneja dinero. Todas las operaciones que implican pagos deben completarse forzosamente dentro de la app de Alipay, siguiendo sus sistemas de seguridad y control de riesgos existentes. El protocolo AHA en sí no procesa ningún flujo de fondos.
Responsabilidad: La decisión final recae en el usuario. En los puntos clave como la autorización, la realización de pedidos o el pago, el sistema debe mostrar una interfaz para que el propio usuario confirme explícitamente. Esto asegura que el usuario tenga el control final sobre la transacción y clarifica la responsabilidad de la operación.

De esta manera, AHA transforma un complejo problema de confianza en la nube en un claro problema de flujo de ejecución en el dispositivo, despejando los obstáculos para su implementación comercial.

Arquitectura técnica y flujo de ejecución

La implementación de la solución AHA se basa en una arquitectura clara y por capas. Cuando un usuario da una instrucción compleja a “Xiaobu” de OPPO, como “consulta la factura de la luz de este mes, si hay algo pendiente, recarga 200 yuanes y recoge la energía del Bosque de Hormigas (Ant Forest)”, el proceso completo es el siguiente:

Comprensión y planificación de la intención: “Xiaobu”, como Agente de entrada, primero descompone la instrucción del usuario, identificando las subtareas “pago de facturas” e “interacción benéfica” y realiza una planificación inicial.
Handshake en el dispositivo: “Xiaobu”, a través de la comunicación entre procesos locales, activa la app de Alipay en el dispositivo y transmite los parámetros de la tarea planificada a “Abao” mediante el protocolo AHA.
Descubrimiento y enrutamiento de servicios: Una vez que “Abao” recibe la tarea, su red de servicios de Agentes subyacente comienza a funcionar. AHA, como “Hub”, enruta la tarea con precisión al sub-agente de servicio correspondiente (por ejemplo, el Agente de pago de facturas o el Agente del Bosque de Hormigas).
Ejecución por pasos e interacción humano-máquina: Para tareas simples como consultar la factura de la luz, el Agente puede ejecutarlas automáticamente. Para acciones que requieren información adicional, como una recarga, el sistema guiará al usuario para que introduzca el importe a través de tarjetas o diálogos en la interfaz de “Xiaobu”. Tras la confirmación del usuario, “Abao” ejecuta la acción en segundo plano.
Confirmación clave: En el paso final del pago, es obligatorio saltar o invocar el componente de pago seguro de Alipay dentro de la interfaz, solicitando al usuario que introduzca su contraseña o utilice la verificación biométrica.
Devolución de resultados y sincronización de estado: El resultado de la ejecución de la tarea se renderiza y devuelve al flujo de conversación de “Xiaobu” en forma de tarjetas con datos anonimizados. Para tareas más largas, el estado de cumplimiento se actualiza de forma asíncrona para garantizar una experiencia de usuario fluida. Todos los datos brutos y detalles de la transacción se conservan dentro de la app de Alipay y no se divulgan al exterior.

Valor comercial y perspectivas del ecosistema

La aparición del protocolo AHA ofrece a todos los participantes del ecosistema de agentes un modelo de beneficio mutuo, escalable y replicable.

Para los fabricantes de terminales (como OPPO, Honor) y las aplicaciones nativas de IA (como StepFun STEPX): AHA proporciona un punto de acceso “todo en uno”. Con una sola integración con “Abao” de Alipay, obtienen acceso a su vasta red de servicios, compuesta por millones de mini programas y cientos de servicios, lo que reduce drásticamente la barrera y el coste de construir experiencias de IA prácticas.
Para el proveedor de servicios (Alipay): AHA ayuda a que la capacidad de sus servicios de IA supere los límites de su propia aplicación, extendiéndose a diversas entradas físicas como teléfonos móviles, coches y gafas inteligentes, alcanzando así escenarios de usuario más amplios.

Actualmente, además de que OPPO ya ha lanzado esta función por completo en el sistema ColorOS 16, Honor, la app Qianwen y varios fabricantes de sistemas para vehículos también han anunciado o están en proceso de integración. Esto demuestra que AHA, como solución comercial, posee una buena universalidad y escalabilidad.

A largo plazo, AHA representa una dirección importante en el desarrollo de los Agentes de IA: un giro desde la búsqueda de la elegancia teórica en los protocolos hacia la construcción de una ruta estandarizada que sea segura, controlable y capaz de completar el ciclo comercial. Demuestra que, una vez resueltos los tres problemas fundamentales de identidad, fondos y responsabilidad, la colaboración multiagente dejará de ser un concepto de presentación para convertirse en una herramienta de productividad que realmente resuelve problemas prácticos para los usuarios, impulsando a toda la industria hacia una nueva fase de sinergia inteligente.