Qué es un equipo de agentes de IA y cuándo compensa

La primera vez que un agente falla en algo grande, la reacción instintiva es darle más: más instrucciones, más herramientas, más contexto. Y funciona durante un tiempo.

Hasta que deja de funcionar. El agente empieza a confundir tareas que no tienen nada que ver, a usar la herramienta equivocada, a olvidar a mitad de proceso lo que se le dijo al principio. No es que sea poco capaz: es que le has pedido que sea cuatro cosas a la vez sin decirle cuándo es cada una.

Ahí es donde aparece la idea de repartir.

Qué es realmente

Un equipo de agentes es un conjunto de agentes especializados que se coordinan para cubrir un proceso que ninguno resolvería solo. Cada uno con su función, sus herramientas y sus límites.

La comparación con un departamento es útil, pero engaña en un punto importante. En un departamento humano, si a alguien le llega algo que no le corresponde, lo reenvía por su cuenta. Entre agentes eso no ocurre solo: alguien ha tenido que decidir de antemano quién recibe qué, y qué pasa cuando ninguno sabe responder. La coordinación no emerge, se diseña.

Por eso un equipo de agentes no es un agente más grande. Es una arquitectura distinta, con problemas distintos.

Qué resuelve

Especialización. Un agente con veinte herramientas elige peor que cuatro agentes con cinco cada uno. Reducir el abanico de decisiones mejora la calidad de la decisión, exactamente igual que en una persona.

Aislamiento del contexto. Cuando un agente arrastra toda la conversación, lo que pasó al principio contamina lo que decide al final. Repartir permite que cada uno trabaje con lo que le hace falta y nada más.

Verificación cruzada. Un agente que revisa el trabajo de otro detecta cosas que el primero no puede detectar, porque no comparte el razonamiento que produjo el error. Es el argumento más fuerte a favor, y el que menos se usa.

Qué cuesta

Y ahora la parte que no sale en las presentaciones.

Se multiplica la latencia y el coste. Cuatro agentes son cuatro cadenas de razonamiento. Lo que uno resolvía en seis segundos puede irse a treinta, y la factura se comporta igual.

Los errores se propagan. Si el primer agente clasifica mal, los tres siguientes trabajan impecablemente sobre una premisa falsa. El sistema no falla con estrépito: entrega un resultado equivocado con toda la seguridad del mundo.

Depurar se complica. Con un agente miras una traza. Con cinco, buscas en qué eslabón se torció algo, y las trazas dejan de leerse de un vistazo.

Ninguno de los tres es motivo para descartarlo. Son el precio, y conviene saber cuál es antes de pagarlo.

Cuándo compensa

La pregunta útil no es si el proceso es complejo. Casi todos lo parecen. Es si el proceso tiene fases con criterios distintos.

Compensa cuando cada fase decide sobre cosas que no se parecen: una clasifica, otra consulta sistemas, otra redacta, otra valida contra una regla de negocio. Ahí la especialización se paga sola, porque los criterios no se estorban entre ellos.

No compensa cuando lo que hay son muchos pasos del mismo tipo. Diez pasos seguidos de consulta y transformación no son un equipo: son un agente con un procedimiento bien escrito, o directamente un flujo automático sin agente ninguno.

Y hay una señal que casi nunca falla: si no sabes explicar en una frase qué decide cada agente, todavía no tienes un equipo. Tienes un agente troceado, y eso junta los inconvenientes de las dos opciones.

Empezar por uno

La forma sensata de llegar a un equipo es no empezar por uno.

Monta un agente que haga el proceso entero, aunque lo haga regular. Ese agente te va a enseñar dónde están las costuras reales, que casi nunca coinciden con las que habrías dibujado en una pizarra. Cuando veas con qué tipo de decisión tropieza de forma sistemática, ahí es donde hay que cortar.

Repartir antes de saber por dónde cortar es dibujar el organigrama de un trabajo que todavía no entiendes.

---

Cómo se coordinan esos agentes entre sí —quién decide, quién ejecuta y quién responde cuando algo falla— tiene varias soluciones posibles, y elegir mal se paga caro. Lo desarrollo en Paradigmas de orquestación de agentes de IA.