El hype de los enjambres de IA ha muerto: por qué los sistemas multiagente están quemando tu presupuesto

Todos hemos visto los llamativos repositorios de GitHub y las presentaciones para inversores que prometen un futuro en el que un "enjambre" de agentes de IA creará mágicamente tu próxima startup mientras tú disfrutas de un margarita. Sobre el papel suena increíble. Tienes un agente gestor, un agente desarrollador, un agente de control de calidad y tal vez un agente diseñador, todos charlando en una sala de Slack digital. Pero si realmente has intentado ejecutar estas configuraciones, probablemente habrás notado dos cosas: tardan una eternidad y tu factura de la API parece un número de teléfono.

Ahora, el desarrollador de OpenAI Codex, Eric Provencher, ha puesto cifras concretas a lo que muchos de nosotros sospechábamos. Advierte que ejecutar más de dos subagentes en paralelo es, esencialmente, quemar dinero sin obtener ninguna mejora de calidad. Provencher señala un proyecto alucinante en el que un enjambre de 1.393 agentes gastó la friolera de 20.000 dólares en tokens para refactorizar una sola base de código de Python, una tarea que un único modelo de razonamiento avanzado como GPT-6 Astra probablemente habría resuelto por unos pocos centavos.

Provencher llama a esto el "impuesto de coordinación". En resumen, los agentes no confían entre sí. Cuando pones a un grupo de LLM en un bucle, pasan la mayor parte del tiempo verificando, corrigiendo y discutiendo sobre el trabajo de los demás. Es el equivalente digital de una reunión de comité corporativo inflada donde no se hace nada, pero todos cobran por hora.

Como alguien que prueba estas herramientas a diario, he sentido este dolor de primera mano. Hay que admitir que la experiencia de usuario de los entornos de enjambre es fascinante: ver cómo se desplazan las ventanas de la terminal con "El agente A está pensando..." se siente como vivir en el futuro. Pero la utilidad aún no está ahí. La mayoría de los frameworks multiagente son redundantes, no están optimizados y, francamente, representan una ingeniería perezosa. Los desarrolladores están lanzando más agentes a un problema en lugar de diseñar mejores prompts, construir barandillas deterministas sólidas o utilizar bucles de razonamiento de un solo agente.

Para el ecosistema de la IA, este es un baño de realidad muy necesario. La era del "exceso de agentes" se está topando con el muro de la realidad económica. Si estás creando flujos de trabajo de IA hoy en día, olvídate del enjambre de 10 agentes. Quédate con un único modelo de razonamiento de alta calidad, dale un prompt de sistema sólido y tal vez, solo tal vez, emparéjalo con un único agente crítico para que revise el resultado. Tu cartera te lo agradecerá.

Foto: Tyler / Unsplash (https://unsplash.com/@tylergm)