Agentes de IA · Técnica Sistemas multiagente: cuándo deben colaborar varios agentes de IA y cuándo no

Qué es un sistema multiagente

Un agente de IA consta de un modelo de lenguaje, instrucciones y herramientas. Anthropic distingue los flujos de trabajo, en los que modelos de lenguaje y herramientas se orquestan mediante rutas de código predefinidas, de los agentes, que dirigen por sí mismos su proceso y el uso de herramientas. Un sistema multiagente combina varios agentes de este tipo. En la práctica aparecen tres patrones básicos:

Qué muestra la práctica

En un artículo de junio de 2025, Anthropic describe un sistema de investigación basado en el patrón del coordinador. En su evaluación interna obtuvo un 90,2 % más de rendimiento que un agente único. A la vez, los agentes consumieron unas cuatro veces más tokens que un chat y los sistemas multiagente unas 15 veces más. Anthropic considera menos adecuadas las tareas con contexto compartido y muchas dependencias, como la programación, que tiene menos partes paralelizables que la investigación.

Cognition, desarrolladora de un asistente de programación, llegó ese mismo mes a una conclusión más prudente: los subagentes solo ven partes del conjunto, toman supuestos distintos y entregan resultados que no encajan. Los informes se contradicen menos de lo que parece: varios agentes ayudan en trabajos amplios y divisibles, pero cuestan bastante más potencia de cálculo y exigen más control.

Cuándo basta un agente o un flujo fijo

Anthropic recomienda buscar la solución más sencilla posible y aumentar la complejidad solo cuando haga falta. Para la mayoría de las tareas en empresas medianas significa:

• El proceso es fijo: leer una factura, comprobarla, contabilizarla. Un flujo fijo con pasos de IA es aquí más rápido, más barato y más fácil de verificar.
• La tarea necesita contexto continuo: redactar un presupuesto para un cliente concreto, responder a una consulta. Basta un agente con las herramientas adecuadas.
• Importan el coste y la rapidez: cada agente adicional consume tiempo y potencia de cálculo, y cada traspaso es una fuente de errores.

Cuándo tienen sentido varios agentes

• Las tareas parciales son independientes: revisar diez proveedores o veinte documentos a la vez y luego reunir los resultados.
• Los derechos deben seguir separados: un agente lee correos y solo tiene derechos de lectura; otro escribe en su sistema ERP, pero solo tras aprobación. Así el daño queda acotado si un agente se desvía por contenidos manipulados.
• Una segunda mirada es valiosa: un agente revisor contrasta el resultado con las fuentes antes de que lo vea una persona.
• El contexto se desbordaría: las tareas muy largas pueden dividirse en secciones que trata cada una un subagente.

Riesgos y control

• Costes: fije límites máximos por encargo y mida lo que consume cada ejecución.
• Cadenas de errores: el error de un agente lo hereda el siguiente. Lleve las fuentes con los resultados intermedios y revise por muestreo.
• Derechos: cada agente recibe solo lo que necesita. OWASP recoge la «Excessive Agency», es decir, los permisos demasiado amplios, como riesgo propio de las aplicaciones con modelos de lenguaje. Las acciones de escritura pasan por una aprobación.
• Trazabilidad: un registro muestra qué agente hizo qué y por qué. Si hay datos personales, se aplica el RGPD.
• Alto riesgo: si los agentes preparan decisiones sobre personas, por ejemplo en selección de personal o solvencia, se aplican normas estrictas conforme al anexo III del Reglamento de IA. Más en las categorías de riesgo.

Cómo proceder

1. Escribir el proceso: pasos, datos, decisiones y quién aprueba.
2. Empezar sencillo: con un flujo fijo o un agente, y medir los resultados.
3. Localizar el cuello de botella: ¿dónde no basta, en tiempo, calidad o derechos?
4. Dividir solo ahí: un subagente con tarea, entrada y salida claras.
5. Comparar: coste, duración y tasa de errores frente a la solución sencilla.
6. Incorporar la aprobación: una persona confirma antes de que algo salga al exterior o se contabilice.