Los equipos de agentes de IA desperdician masivos tokens por ganancias de calidad apenas medibles, según investiga
decoder ·
Investigaciones recientes indican que los equipos de agentes de IA suelen consumir recursos computacionales excesivos mientras ofrecen mejoras insignificantes en la calidad de los resultados. Vals AI evaluó a GPT-6 Sol y Claude Opus 5.5 en el Vibe Code Bench, descubriendo que las configuraciones multiagente cuestan entre 1,8 y 5,1 veces más que los agentes individuales con ganancias mínimas de rendimiento. Solo una comparación mostró una mejora estadísticamente significativa, lo que sugiere que el mayor gasto rara vez está justificado. Las pruebas internas de Anthropic demostraron además que escalar de diez a cien agentes produjo solo ligeros aumentos en las puntuaciones a pesar del mayor uso de tokens. Noam Brown, investigador de OpenAI, confirmó que los sistemas multiagente aceleran principalmente la finalización de tareas en lugar de mejorar la calidad, señalando que los beneficios de la paralelización varían significativamente según el tipo de tarea. Los expertos advierten contra el uso de grandes enjambres de agentes debido a fallos en la coordinación y altos costos, describiéndolo como una inversión desperdiciada para la mayoría de las aplicaciones.
decoder