El contagio de comportamientos, ideas y normas en redes sociales no se limita a los humanos: los agentes artificiales —bots, algoritmos de recomendación, avatares— pueden amplificarlo de forma notable. Un estudio publicado en Nature analiza cómo la presencia de agentes no humanos en una red altera la dinámica de propagación de conductas, y encuentra que su efecto no es neutro: actúan como amplificadores, acelerando la difusión y elevando el umbral de adopción que la red alcanza en equilibrio.

El trabajo aborda un problema abierto en la ciencia de redes y la sociología computacional: hasta ahora, los modelos de contagio social trataban a todos los nodos como equivalentes, o bien introducían heterogeneidad sin distinguir el origen artificial de los agentes. Los autores construyen un marco teórico en el que los agentes artificiales se caracterizan por su capacidad de interacción repetida, su ausencia de fatiga y su disponibilidad continua, propiedades que los humanos no comparten. Estas diferencias, según el estudio, bastan para modificar cualitativamente el resultado del contagio.

La metodología combina simulaciones de redes sintéticas con datos observacionales de plataformas digitales. En los modelos, los agentes artificiales se introducen como fracción variable de la población total, y se mide cómo cambia la probabilidad de que un comportamiento se establezca de forma sostenida. Los resultados muestran que incluso una fracción pequeña de agentes artificiales —del orden de pocos por ciento— puede desplazar de forma apreciable el punto de transición de la red, haciendo que conductas que de otro modo se extinguirían lleguen a arraigar.

Las implicaciones son relevantes para el diseño de plataformas, la regulación de bots y la comprensión de la polarización. Los autores señalan que el efecto amplificador no depende de que los agentes artificiales tengan intención de persuadir: basta con su mera presencia y su patrón de interacción. El estudio deja abierta la cuestión de cómo mitigar este efecto sin restringir la interacción legítima, y plantea como siguiente paso validar el marco con datos de campo de mayor resolución temporal.