Evitando la capa de gestión: Gritarle a un agente para que lo lea él mismo

Los subagentes pierden el contexto más amplio

Delegar el trabajo en agentes especializados debía ahorrar tiempo. En la práctica, parece una estructura en la que el LLM orquestador asigna tareas y se desentiende de la responsabilidad. El profesor Ethan Mollick describió cómo al trabajar con Codex tuvo que indicarle explícitamente que leyera los datos él mismo, en lugar de delegar la tarea.

Aunque la idea de un enjambre de agentes suena bien, en la realidad choca con el ruido de comunicación. Cada traspaso de tareas implica compresión de información. El modelo subordinado, que solo recibe una parte del problema, lo cumple pero carece de contexto global. El resultado es un óptimo local que ignora el resto del código.

La delegación es principalmente una optimización de costes

Cuando los desarrolladores exigen un modelo inteligente, exigen su enorme ventana de contexto. Delegar en modelos más pequeños es fundamentalmente optimización de latencia. Las plataformas no quieren quemar tokens caros en tareas rutinarias. Sin embargo, los usuarios no quieren discutir con un intermediario; quieren la competencia del modelo que eligieron.

El control de calidad recae en el usuario

La presión por la eficiencia de inferencia crecerá, y con ella el número de subagentes ocultos. La supervivencia de este enfoque depende de si los orquestadores pueden controlar la calidad de los resultados de sus subordinados antes de servirlos al usuario. Por ahora, parece que un humano tiene que hacerlo gritando en el prompt.

Retorno al control directo

La prueba de que el sistema funciona no será un árbol de agentes más complejo, sino la capacidad del orquestador para entender cuándo no delegar. Si el modelo no puede reconocer que el contexto no se puede comprimir de forma segura, seguirá produciendo código válido que rompe la aplicación.

El veredicto de Lilith

El modelo corporativo de delegación de trabajo finalmente ha llegado a la IA. El resultado es el mismo que con los humanos: microgestión a través del prompt.