Mais agentes nem sempre ajudam: estudo mostra quando um só resolve melhor
Um estudo publicado em julho na Nature Machine Intelligence testou 260 configurações de agentes de IA (sistemas que planejam e usam ferramentas para cumprir uma tarefa), com os mesmos prompts, ferramentas e orçamento de computação, variando só a estrutura de coordenação e a capacidade do modelo. O melhor preditor de se juntar mais agentes ajuda ou piora é o desempenho de um agente sozinho. Os autores apontam um limiar de saturação de capacidade, em torno de 45%: acima dele, agentes extras tendem a não melhorar o resultado. O tema voltou à pauta na edição de ontem da The Neuron, sobre trabalho em equipe entre pessoas e agentes.
A variação é grande: de ganho de 80,8% em raciocínio financeiro que se divide bem em partes até queda de 70% em planejamento sequencial. Sem verificação central, os erros se espalham mais: a amplificação foi de 17,2 vezes com agentes independentes e de 4,4 vezes com coordenação centralizada. A Neuron sugere uma regra simples: o agente prepara (pesquisa, compara, rascunha) e uma pessoa autoriza o que sai da empresa, gasta dinheiro ou muda cadastro de cliente. A edição é patrocinada pela Builderlab, que vende um espaço de trabalho compartilhado para pessoas e agentes, e o cenário de equipe que ela descreve é ilustrativo, não um caso real.
Por que importa: Na nossa leitura, antes de montar um time de cinco agentes, teste um agente forte sozinho na tarefa. Só acrescente outros se o trabalho se divide em partes independentes, como pesquisa, plano e rascunho, e mantenha um ponto central de verificação, com aprovação humana para o que é irreversível.
Este destaque faz parte da newsletter Limiar #231: Mais agentes nem sempre ajudam, o cemitério dos apps de IA e Helen Toner sobre confiar em CEOs
Receba conteúdo direto no seu email
Escolha o que funciona melhor pra você.