Mientras los modelos de lenguaje (LLM) continúan sorprendiendo por su capacidad para escribir código, mantener conversaciones complejas o resolver problemas de razonamiento, siguen tropezando con una tarea que parece mucho más sencilla: jugar videojuegos. Esta aparente contradicción fue analizada por Julian Togelius, director del Game Innovation Lab de la Universidad de Nueva York (NYU), en una entrevista publicada por IEEE Spectrum el 1 de junio de 2026. Su conclusión es clara: los LLM fueron diseñados para predecir texto, no para actuar de forma consistente en entornos interactivos complejos.
Uno de los principales problemas identificados por Togelius es la memoria de contexto. Aunque modelos actuales pueden procesar grandes cantidades de información, siguen trabajando dentro de ventanas limitadas. En un videojuego, un agente debe recordar inventarios, misiones secundarias, relaciones entre personajes, decisiones tomadas horas atrás y cambios constantes en el estado de la partida. Según el investigador, esta limitación impide que los LLM mantengan un seguimiento confiable de todo lo que ocurre durante sesiones prolongadas de juego.
El segundo obstáculo es la falta de conexión directa con el entorno. Los LLM aprenden patrones a partir de enormes cantidades de texto, pero no desarrollan conocimiento mediante prueba y error dentro del juego. Como resultado, pueden describir perfectamente una estrategia para superar un nivel o derrotar a un enemigo, pero fracasar cuando deben ejecutarla en tiempo real. Esta diferencia entre comprender verbalmente una situación y actuar correctamente dentro de ella es uno de los aspectos centrales señalados por Togelius.
La entrevista también destaca problemas relacionados con la ejecución de tareas largas. Una decisión equivocada en los primeros minutos de una partida puede desencadenar errores acumulativos que impidan completar el juego horas después. Los modelos de lenguaje no poseen mecanismos robustos para corregir estas desviaciones sobre la marcha, lo que afecta su rendimiento en experiencias dinámicas donde las condiciones cambian constantemente. Además, presentan inconsistencias frecuentes entre lo que explican y lo que realmente hacen cuando deben interactuar con sistemas complejos.
La comparación con sistemas de aprendizaje por refuerzo (Reinforcement Learning o RL) ayuda a entender mejor el problema. Proyectos como AlphaStar de DeepMind alcanzaron nivel Grandmaster en StarCraft II, mientras que OpenAI Five logró derrotar a equipos profesionales en Dota 2. Ambos sistemas fueron entrenados mediante millones de partidas, aprendiendo directamente de recompensas y penalizaciones generadas por el entorno. A diferencia de los LLM, desarrollaron políticas de acción especializadas para responder a situaciones específicas dentro de cada juego.
Lejos de descartar la utilidad de los modelos de lenguaje en videojuegos, Togelius considera que su mayor potencial está en tareas como diálogos dinámicos, generación narrativa, creación de contenido o asistencia al desarrollo. La conclusión del análisis es que la industria probablemente avanzará hacia arquitecturas híbridas donde los LLM se encarguen de interpretar contexto y lenguaje natural, mientras sistemas especializados gestionan la ejecución precisa dentro del juego. Más que reemplazar las tecnologías existentes, el futuro parece apuntar a una combinación de herramientas diseñadas para aprovechar las fortalezas específicas de cada enfoque.
