Marco de simulación que representa entidades individuales (animales, personas, vectores) como agentes autónomos con variables de estado y reglas de comportamiento explícitas; los agentes interactúan localmente en el espacio o en redes y las interacciones micro‑nivel heterogéneas y estocásticas generan patrones emergentes a nivel del sistema útiles para explorar intervenciones, efectos de heterogeneidad y resultados dependientes del contexto.

Principio

Las dinámicas a nivel macro emergen de reglas a micro‑nivel, de la heterogeneidad individual y de interacciones locales; cambios en el comportamiento de los agentes, en la estructura de contactos o en el entorno pueden producir resultados no lineales e inesperados que los modelos compartimentales agregados no capturan.

Demostración

Escenario ilustrativo → Situación: Un modelo ABM de una red regional de explotaciones representa cada explotación como agente con reglas de movimiento para animales y personal. Reconocimiento: El ABM muestra que restricciones de movimiento dirigidas a explotaciones con alta conectividad evitan grandes brotes, mientras que reducciones uniformes de la tasa de contacto producen efectos menores. Acción: Los responsables priorizan controles de movimiento en nodos centrales identificados. Consecuencia: La perspectiva a nivel de agente revela estrategias de control que explotan la heterogeneidad de la red en lugar de medidas uniformes.

Aplicación incorrecta

Tratar una única ejecución de un ABM como un pronóstico preciso sin cuantificar la variabilidad estocástica, la incertidumbre de parámetros y la sensibilidad a la especificación de reglas; el error es equiparar una realización a una predicción en lugar de usar conjuntos y análisis de incertidumbre.

Consecuencia

Usados con calibración adecuada, análisis de sensibilidad y simulaciones en conjunto, los ABM iluminan el papel de la heterogeneidad, la estructura espacial y el comportamiento en la transmisión y pueden identificar intervenciones focalizadas; sin un tratamiento riguroso de la incertidumbre y validación, los resultados pueden inducir a error la toma de decisiones.

Inversión

Para poblaciones grandes bien mezcladas con contactos homogéneos, o cuando la cuestión aborda el comportamiento promedio más que la heterogeneidad espacial o individual, los modelos compartimentales más simples (SIR/SEIR basados en EDO) pueden ser preferibles por su transparencia y menor coste computacional.

Límite

Claramente dentro: simulaciones que modelan individuos explícitamente con reglas de decisión autónomas, interacciones locales y cambios de estado. Caso límite: modelos de meta‑población o por parches que agregan individuos en subunidades — mantienen cierta heterogeneidad pero simplifican detalles intra‑parche. Claramente fuera: modelos compartimentales deterministas agregados que no representan individuos explícitamente.

Tensión semántica

Alta fidelidad y capacidad para representar heterogeneidad ↔ mayor demanda de datos, coste computacional y menor interpretabilidad analítica; los ABM capturan procesos realistas a costa de una complejidad mayor en validación e interpretación.

Síntesis

Los modelos basados en agentes son herramientas de investigación: convierten supuestos explícitos sobre comportamiento individual y estructura de contactos en comportamientos sistémicos emergentes, por lo que son poderosos para la exploración de escenarios y el descubrimiento de mecanismos, pero su utilidad exige cuantificación rigurosa de la incertidumbre y un ajuste claro del alcance del modelo a la cuestión de política.