La IA se encarga de todo, desde la planificación hasta el reparto del trabajo
Anthropic ha añadido flujos de trabajo dinámicos a «Claude Managed Agents», su plataforma de ejecución de agentes de IA. En ellos, varios agentes se reparten las tareas: un agente coordinador elabora un plan, asigna el trabajo a agentes subordinados e integra los resultados. En una sola ejecución pueden funcionar en paralelo hasta 1.000 agentes.
Un agente de IA es una IA que lleva a cabo tareas para alcanzar un objetivo determinado. Con esta nueva función, en lugar de confiarle todo a un único agente, el trabajo se divide entre uno que coordina y otros que lo ejecutan. Así, la plataforma de ejecución existente incorpora un mecanismo para poner en marcha varios sistemas de IA de forma coordinada.
El límite de 1.000 no es lo único que merece atención. La IA se encarga de dividir el trabajo y reunir los resultados. Sin embargo, el número de agentes que pueden trabajar en paralelo no se traduce directamente en una mayor velocidad de procesamiento ni en un aumento equivalente de los resultados.
Detectó 66 de 70 errores
En las pruebas presentadas por Anthropic, se insertaron deliberadamente 70 errores en 116.000 líneas de código y se compararon los resultados de detección. Mientras que un agente por sí solo encontró entre 14 y 27 errores en una ejecución, el flujo de trabajo dinámico detectó 66 de forma sistemática, según la empresa.
En términos de tasa de detección, esto equivale a alrededor del 20-39 % para un agente individual y al 94 % para el flujo de trabajo dinámico. En esta prueba, el reparto de tareas entre varios agentes se tradujo en un aumento del número de errores detectados. Aun así, el resultado de 66 no significa que se encontraran todos los errores incluidos.
Además, estos resultados corresponden a una tarea concreta: la detección de errores en código. No se puede confirmar si se obtendrían diferencias similares en otros trabajos, como la investigación o la redacción de documentos. El material facilitado tampoco indica cuántos agentes se utilizaron realmente en la prueba, por lo que sería precipitado atribuir el resultado al uso de 1.000 agentes.
Para decidir si se implanta, importa más el coste por resultado que el número de agentes
El trabajo en paralelo también implica una mayor carga de procesamiento para la IA. Anthropic advierte de que puede consumir una gran cantidad de tokens y recomienda empezar con configuraciones pequeñas. Los tokens son las unidades con las que la IA procesa texto y código, y sirven como referencia para calcular el coste de uso.
A las empresas les interesa más saber cuánto cuesta obtener resultados con la calidad necesaria que cuántos agentes de IA pueden poner en marcha. Aunque se detecten más errores, la decisión de adoptar la solución dependerá de cuánto aumenten los costes y el trabajo de revisión. Lo más práctico es comparar, ante la misma tarea, un agente individual con una configuración de pocos agentes y medir el número de errores detectados, el tiempo necesario y el coste.
El material facilitado no especifica el coste total, el tiempo de procesamiento ni el consumo de tokens de la prueba comparativa. Lo único que puede confirmarse es la diferencia en el número de errores detectados; los resultados no demuestran la rentabilidad.
コメント