Imagem: Ilustrativa IAAdicionar mais agentes de IA a um sistema não significa necessariamente aumentar sua eficiência.
Um estudo da NTT Research em parceria com Harvard encontrou um ponto de inflexão em um experimento com agentes que precisavam colaborar para identificar uma bandeira: a precisão coletiva cresceu até aproximadamente 16 agentes e começou a cair depois disso.
O resultado ajuda a atualizar para a era da IA uma ideia conhecida desde 1975, a Lei de Brooks: conforme o número de participantes aumenta, o custo de coordenação também cresce. No caso dos agentes, grupos maiores podem produzir interpretações concorrentes, formar “facções” e dificultar a convergência.
O número 16, porém, não é uma regra universal. O próprio estudo ressalta que o resultado depende da tarefa. O que parece mais importante é como os agentes são organizados, e não simplesmente quantos existem.
Times com modelos diferentes tiveram desempenho superior aos homogêneos, instruções claras de comunicação fizeram diferença e a forma como as informações são compartilhadas também influencia o resultado. Além disso, sistemas multiagente podem consumir muito mais tokens: segundo dados da Anthropic citados no artigo, cerca de 15 vezes mais do que uma interação tradicional de chat.
Antes de escalar uma arquitetura de agentes, a pergunta não deveria ser “quantos agentes podemos colocar?”, mas “quantos realmente precisamos e como eles devem trabalhar juntos?”.
Siga as redes sociais: @ShowjaOficial
