# Autojuego automatizado para equilibrar juegos de cartas con IA

> Moonfall juega partidas completas contra sí mismo y puntúa cada partida terminada, para detectar cartas confusas antes de que las encuentren los jugadores.

- Canonical: https://moonfall.io/blog/es/automated-self-play
- Published: 2026-07-09
- Updated: 2026-08-17
- Language: es
- Part of: Moonfall guides — https://moonfall.io/blog/es/
- Play: https://moonfall.io/play

![Una invocadora alada sostiene su espada sobre un mar de nubes, sopesando qué pasa y qué no.](https://moonfall.io/assets/marketing/art/valkyrie-1920.webp)

*Cada partida terminada se pesa igual antes de que algo del juego cambie.*

Las cartas de Moonfall no tienen valores de ataque ni de vida. [Cada jugada es un prompt](https://moonfall.io/blog/es/what-is-an-ai-card-game), y un [maestro de juego con IA](https://moonfall.io/blog/es/ai-game-master) decide en el momento qué hace. Eso crea una clase de fallo que ningún test unitario atrapa: la carta decía una cosa, la historia insinuaba otra y el tablero acabó en un tercer sitio. Las tres solo se enredan cuando la partida ha llegado al final — y la historia no es desechable, porque una partida terminada puede convertirse en un [storybook manga](https://moonfall.io/blog/es/share-your-story) que alguien comparte.

## Dejar que el juego juegue solo

El autojuego automatizado ejecuta partidas completas de Moonfall sin nadie sentado en ellas. Dos clientes socket ocupan el lugar de los jugadores en el servidor real, un jugador simulado elige entre las jugadas legales y el storyteller resuelve cada una igual que en una partida en vivo. Nada está simulado con mocks, así que nada pasa aquí y falla en producción.

Las partidas corren en paralelo, por lotes. Una partida rara no dice nada; la misma rareza en seis de veinticinco es un defecto que se puede ir a buscar.

Cada partida deja una traza: el estado inicial, cada acción, las llamadas del storyteller, los parches emitidos y dónde acabó realmente el tablero. Compararlos es lo que convierte *eso no encajaba* en *el parche del turno siete quitó una carta que la historia nunca mencionó*.

![Diagrama de partidas paralelas de Moonfall que atraviesan el servidor y el storyteller hacia la captura de trazas, un juez LLM, una cola de cambios y una aplicación con guardarraíles.](https://moonfall.io/assets/marketing/selfplay/selfplay-harness-overview.svg)

*Aquí no hay nada simulado — el arnés recorre la misma ruta de servidor que una partida real.*

## Evaluar lo que sale

Las partidas terminadas suben una escalera corta. Primero las comprobaciones deterministas, porque lo que puede decidir un programa no debería discutirse. El resto va a un juez LLM que responde preguntas binarias en vez de puntuar sobre diez, y cita el turno que decidió cada respuesta. Ambas cosas siguen recomendaciones publicadas sobre [evaluación con LLM](https://hamel.dev/blog/posts/llm-judge/) y sobre [razonar antes de puntuar](https://arxiv.org/abs/2303.16634).

Lo que más importa es la mitad que suele dejarse al gusto: si hubo un momento genuinamente sorprendente, si la prosa se ganó su temor en vez de anunciarlo, si la resolución respetó lo que prometía el nombre de la carta. Los hallazgos repetidos se convierten en propuestas pequeñas; los cambios acotados se aplican automáticamente bajo guardarraíles, con un rastro de auditoría para el seguimiento y la intervención opcional.

![Tabla de la escalera de evaluación de Moonfall, con lo que se ejecuta en cada nivel, la pregunta que responde y la forma de su veredicto.](https://moonfall.io/assets/marketing/selfplay/selfplay-judging-ladder.svg)

*Primero las comprobaciones deterministas, para que una infracción demostrable nunca llegue a un modelo que pueda discutirla.*

## Lo que mostraron diez lotes

![Gráfico de líneas de precisión estimada del storyteller, momentos sorprendentes y emoción ganada a lo largo de diez lotes de autojuego de Moonfall.](https://moonfall.io/assets/marketing/selfplay/quality-signals-real-data.svg)

*La línea de la sorpresa se dispara; la de la precisión, ya alta tras ejecuciones anteriores, sube más despacio.*

Cada punto es un lote de veinticinco partidas. Solo se puntúan las partidas que llegaron hasta el final.

Las historias se volvieron mucho más sorprendentes. En el primer lote, un juez encontró un momento genuinamente sorprendente y justo en el 44 % de las partidas; en los dos últimos, el 95 % y después el 100 %. La precisión crece ahora más despacio: se mantuvo entre el 92,6 % y el 97,1 % en los diez lotes, después de que ejecuciones anteriores ya la hubieran mejorado de forma notable.

Dos salvedades. La precisión de la que hablamos es una estimación: la proporción de llamadas al storyteller nunca vinculadas a un fallo registrado, útil para comparar lotes más que para juzgar una partida concreta. Y diez lotes son un piloto: cientos de partidas, no cientos de miles.

## ¿Podrían los mazos de IA llegar a batirse dentro del juego?

El arnés ya es una especie de **auto-battler**: mazos controlados por IA se presionan entre sí mientras un storyteller narra el resultado. Alguna versión de eso podría resultar interesante dentro del propio Moonfall — con los humanos centrados más en las cartas y las decisiones de mazo que en hacer clic turno tras turno. No es un anuncio de funcionalidad, solo una razón por la que este trabajo interesa más allá de las pruebas.

Por ahora hace algo más estrecho. Moonfall debe sorprenderte, y el bucle existe para que la sorpresa venga de la partida y no de una carta con una redacción confusa.