Los entornos multiagente se consideran actualmente el siguiente paso obvio en la automatización: en lugar de un único modelo de lenguaje que procesa una tarea, varios agentes especializados se reparten el trabajo, intercambian resultados intermedios y se revisan mutuamente. La expectativa detrás de esto es simple: más perspectivas, menos errores, mejores resultados. Un análisis del proveedor de pruebas Vals AI cuestiona esta expectativa.

El resultado del estudio: los equipos de agentes de IA apenas obtuvieron mejores resultados que los agentes individuales, pero causaron costes hasta 5,1 veces mayores. Solo en una de cada cuatro ejecuciones de prueba se mostró siquiera una ventaja medible. La verificación se realizó con modelos actuales, entre ellos GPT-6 Sol y Claude Opus 5.5.

Dónde se generan los costes

El factor que impulsa los costes en estos entornos son los tokens, es decir, las unidades de texto en las que se descomponen las entradas y salidas de un modelo de lenguaje y según las cuales se facturan. Cada agente adicional aporta su propio contexto: instrucciones del sistema, descripción de la tarea, estados intermedios previos, resultados de los otros agentes. Este contexto se procesa de nuevo en cada paso.

Esto hace que el esfuerzo no crezca de forma lineal con el número de agentes. La coordinación, las consultas y las repeticiones generan tráfico de texto adicional que debe pagarse, independientemente de si mejora la calidad de la solución. Según el análisis, los datos de Anthropic también apuntan en la misma dirección: a partir de unos diez agentes, la calidad se estanca mientras los costes de tokens siguen aumentando.

Por qué más agentes no son automáticamente más inteligentes

La idea de que los agentes se corrigen mutuamente presupone que los errores surgen de forma independiente entre sí. Sin embargo, cuando varias instancias de un mismo modelo o de uno similar trabajan en una tarea, a menudo comparten los mismos puntos ciegos. Un segundo agente tiende entonces a confirmar una suposición errónea en lugar de descubrirla.

A esto se suma la pérdida de información en los puntos de transferencia. Lo que un agente transmite al siguiente es un resumen condensado: los detalles, las incertidumbres y las justificaciones se pierden en parte. Cuantas más transferencias atraviesa una tarea, mayor es el riesgo de que pequeñas imprecisiones se acumulen hasta dar un resultado global erróneo.

Consecuencias para los proyectos de desarrollo

Para las empresas que planifican desarrollo o automatización de procesos asistidos por IA, de esto no se deriva renunciar a los agentes, sino un orden diferente de las preguntas. En lugar de preguntar cuántos agentes necesita un flujo de trabajo, merece la pena preguntar qué subtarea justifica realmente una instancia propia.

En la práctica, esto significa:

  • Empezar con un agente. Un único agente bien instruido y con un contexto limpio es la base de comparación. Solo cuando se demuestre que no resuelve una tarea se plantea una división.
  • Paralelización solo con verdadera independencia. Varios agentes merecen la pena sobre todo allí donde las subtareas pueden procesarse realmente por separado, como la búsqueda simultánea en distintas fuentes de datos, y no donde tienen que esperarse constantemente unos a otros.
  • Medir el coste por resultado. La métrica relevante no es la suma de tokens al mes, sino el esfuerzo por ticket resuelto, módulo generado o documento revisado.
  • Comprobar la calidad contra una referencia fija. Sin casos de prueba definidos no se puede evaluar si un entorno más complejo trabaja realmente mejor o solo de forma diferente.
  • Resolver los pasos deterministas de forma clásica. Las validaciones, las comprobaciones de formato o las consultas a bases de datos pertenecen al código convencional, no a otro agente.

La arquitectura vence a la cantidad

La palanca más interesante no suele estar en el número de agentes, sino en la calidad de lo que un agente tiene a su disposición: herramientas precisas, interfaces fiables con los propios sistemas, un contexto compacto y actualizado. Un agente que puede acceder directamente a una base de datos de productos bien mantenida o a una API bien documentada suele ofrecer mejores resultados que tres agentes que se intercambian resúmenes incompletos.

Esto incluye también una consideración sobria de la elección del modelo. No todos los pasos de trabajo necesitan el modelo más potente disponible. Una distribución según el grado de dificultad —clasificaciones simples en modelos más pequeños, análisis complejos en modelos más potentes— suele reducir los costes de forma más notable que cualquier cambio en el número de agentes.

Clasificación para proyectos web y de software

Para los proyectos web y de software, esto significa: un entorno multiagente es una decisión de arquitectura con costes operativos continuos, no un indicador de calidad en sí mismo. Quien integre IA en el desarrollo, en los procesos editoriales o en el mantenimiento de datos debería tomar como punto de partida la estructura más simple que funcione y justificar cada instancia adicional con un beneficio medible. Al final, lo decisivo para el resultado son datos limpios, interfaces claras y casos de prueba sólidos, es decir, precisamente los fundamentos que determinan el éxito de un proyecto incluso sin IA.

Fuentes