El artículo analiza la viabilidad técnica de los sistemas de agentes de inteligencia artificial, argumentando que, al igual que los sistemas distribuidos tradicionales, estos requieren gestión de recursos y coordinación, no solo ejecución continua. El autor sostiene que los agentes deben tratarse como procesos con límites de memoria y cómputo, utilizando orquestadores para gestionar el estado y la recuperación ante fallos. La investigación citada por Google Research y MIT revela que el aumento de agentes no garantiza mayor inteligencia; en tareas secuenciales, la coordinación puede degradar el rendimiento entre un 39% y un 70%, mientras que en tareas paralelizables, la centralización mejora la eficiencia hasta un 80,9%. Además, el estudio Silo-Bench (ACL 2026) demuestra que los agentes, aunque competentes en la comunicación, fallan en la síntesis de estado distribuido, con una tasa de éxito que cae del 61% a solo el 1% al pasar de 2 a 100 agentes. El texto concluye que la coordinación es un trabajo en sí mismo, y que los sistemas actuales basados en orquestadores centralizados sufren cuellos de botella y puntos únicos de fallo, sugiriendo la necesidad de arquitecturas descentralizadas para escalar la inteligencia colectiva.
Noticias agregadas con IA