Machinations: el juego que usa dados, no el modelo, para obligar a la IA a narrar fracasos

Por Hacker News (Show HN) · 21 de julio de 2026.

Un usuario identificado como jklewis ha presentado en Show HN "Machinations", un juego de estrategia multijugador ambientado en una corte de intrigas —el propio autor lo compara con Game of Thrones: conspiraciones, traiciones y asesinatos para hacerse con un trono— en el que un modelo de lenguaje (LLM, el tipo de IA detrás de ChatGPT o Claude) ejerce de árbitro o "game master", el rol que en las partidas de rol de mesa decide qué ocurre cuando un jugador intenta algo.

Según el propio autor, el punto de partida no fue el juego sino un problema técnico. Viene de los juegos de rol "diceless" (sin dados), donde lo que más valoraba era que el árbitro humano improvisara resoluciones sobre la marcha. Al intentar trasladar ese rol a un LLM se topó con una limitación conocida de estos modelos: tienden a "regresar a la media" y a complacer en exceso al usuario, de modo que, dejados libres, casi nadie fracasa nunca en la historia. Sin fracaso no hay conflicto, y sin conflicto no hay juego.

La solución que describe es puramente mecánica: un sistema de tirada de 3d10 (tres dados de diez caras) que genera una campana de resultados posibles, de "desastroso" a "legendario". El LLM no decide si el jugador tiene éxito: solo puede narrar el resultado que los dados ya han determinado. Encima de eso, el autor añadió un clasificador que analiza la situación narrativa y decide qué personaje tiene ventaja o desventaja, traduciéndolo en modificadores sobre la tirada. Por último, un proceso en el backend (la parte del sistema que no ve el jugador) diseca el texto narrado para extraer qué cambia realmente en el estado del juego, de forma que la ficción y las reglas no se desacoplen. El modo de juego publicado —conquista de un reino— es el primero de varios que planea añadir, ya que cada modo es, en su diseño, solo una historia distinta que resolver con el mismo motor.

Es un lanzamiento modesto: en el momento de escribir esto la publicación tenía un solo voto en Hacker News y menos de una hora de vida, y el autor no ha querido ni nombrar el sistema por evitar que suene a autopromoción. No hay aquí una empresa, una ronda de financiación ni una cifra de usuarios que analizar. Lo que sí hay es un caso de estudio pequeño pero nítido de un problema grande.

La tendencia de los LLM a complacer —a evitar el conflicto, el "no", el fracaso genuino— no es una peculiaridad de este juego: es una consecuencia bien documentada del entrenamiento por refuerzo con feedback humano (RLHF), el proceso que ajusta estos modelos para que sus respuestas gusten a quien las evalúa. El mismo sesgo que hace que un asistente de código diga "¡buena idea!" ante casi cualquier propuesta, o que un tutor de IA rara vez suspenda a nadie, es el que aquí impedía que un personaje muriera en combate cuando la historia lo pedía.

La solución de este desarrollador es interesante precisamente porque no intenta arreglar el modelo con más prompt: le quita al LLM el poder de decidir y se lo da a un generador de números ajeno a él, dejando que la IA se limite a narrar e interpretar consecuencias. Es el mismo patrón que empieza a verse en sistemas agénticos más serios —separar la parte que decide (determinista, auditable) de la parte que se expresa en lenguaje natural (el LLM)— porque delegar juicios de peso en un modelo que por diseño quiere quedar bien es, sencillamente, delegarlos mal.

Nuestra lectura es que casos como este, por pequeños que sean, dicen algo real sobre el estado de la técnica: la capacidad demostrada de los LLM actuales para sostener conflicto narrativo genuino, sin ayuda externa, sigue siendo limitada, por mucho que el marketing de "IA creativa" sugiera lo contrario. La vía práctica, hoy, es la ingeniería alrededor del modelo —dados, clasificadores, reglas duras— y no el modelo en solitario. Es un recordatorio útil, además, de que la frontera de lo que se puede construir con IA ya no exige un gran equipo: un desarrollador solo, con años dedicados a un sistema propio, puede hoy lanzar algo así por su cuenta. Esa accesibilidad, más que el juego en sí, es la parte que conecta con una tendencia de fondo que sí nos importa seguir: cuanto más barato y accesible se vuelve construir con estos modelos, más se abre el abanico de quién puede intentarlo.