Este artículo presenta un enfoque novedoso para mejorar la toma de decisiones en tiempo real en redes 6G mediante el uso de agentes autónomos basados en modelos de lenguaje a gran escala (LLM). Nuestro objetivo es ir más allá de la IA tradicional, centrada en tareas específicas, y avanzar hacia redes basadas en Inteligencia Artificial General (AGI) con capacidades de razonamiento más amplias. Para lograrlo, proponemos un paradigma novedoso denominado "agentes simbióticos", que combina LLM con algoritmos de optimización en tiempo real. Un optimizador de entrada gestiona la incertidumbre para tareas numéricamente precisas, mientras que un optimizador de salida realiza un control adaptativo en tiempo real bajo la supervisión de los LLM. Diseñamos e implementamos un sistema multiagente para la negociación de acuerdos de nivel de servicio (SLA) con un optimizador de red de acceso radioeléctrico (RAN) y presentamos resultados experimentales utilizando un banco de pruebas 5G. Los resultados experimentales muestran que los agentes simbióticos reducen los errores de toma de decisiones cinco veces en comparación con los LLM de un solo agente. Utilizando modelos de lenguaje a pequeña escala (SLM), logramos una precisión similar, a la vez que reducimos el uso de recursos de la GPU en un 99,9 %. Una demostración de colaboración entre múltiples agentes en un banco de pruebas del mundo real demuestra la flexibilidad de los SLA y la asignación de recursos, reduciendo la sobreutilización de RAN en aproximadamente un 44%.
