La próxima carrera de la IA puede ganarla un equipo de modelos

Ethan Mollick respondió a la idea de que OpenAI y Anthropic compiten también en el extremo barato del mercado. Según él, ambos proveedores podrían estar mejor situados para optimizar coste y capacidad mediante agentes de distintos niveles que colaboran dentro de sus propios sistemas. Es un argumento y una previsión, no el anuncio de un producto terminado.

El valor se desplaza del modelo a la alineación del equipo

La observación de Mollick cambia la unidad que compra el cliente. En lugar de un único modelo superior, una tarea puede combinar un ejecutor barato, un planificador más potente y un evaluador independiente. El proveedor vende entonces algo más que la inteligencia de una ejecución. Vende el método para repartir el trabajo y escoger el resultado.

Esa lógica favorece a OpenAI y Anthropic por sus familias de modelos, datos de entrenamiento y runtime. Sin embargo, la publicación no incluye mediciones, precios ni la descripción de un harness concreto. Su supuesta ventaja sigue siendo una hipótesis.

El papel adecuado puede valer más que usar siempre el modelo más potente

El preprint AgentCARD de 2026 prueba equipos con modelos y roles diferentes. Sus autores registran hasta un 44 % más de precisión que equipos homogéneos de coste equivalente. En algunos despliegues híbridos igualan al equipo homogéneo más potente con un coste por tarea hasta 12 veces menor. También observan que la mejor asignación depende del dominio. A veces limita el planificador y otras veces el ejecutor.

Otro preprint sobre selección de resultados encontró una ventaja para un equipo mixto que incluía un modelo más débil en una configuración experimental. Los autores califican expresamente el hallazgo como exploratorio. La lección común es más sobria que el relato del enjambre: un buen selector y los roles correctos pueden valer más que otro agente caro.

Más agentes pueden multiplicar la factura y los errores

Un equipo de agentes no crea automáticamente inteligencia colectiva. Los modelos homogéneos pueden repetir el mismo fallo y sintetizar varias respuestas puede añadir latencia sin mejorar el resultado. Cada rol adicional consume tokens y complica la trazabilidad de las decisiones.

Un harness propietario también introduce riesgo comercial. Si la calidad vive dentro del routing, los evals y la coordinación privada del proveedor, al cliente le cuesta comparar modelos o cambiar de plataforma. Una alineación inteligente puede encerrar tanto como el propio frontier model.

Decidirán los evals de la tarea completa, no los rankings individuales

La prueba útil debe comparar workflows completos sobre tareas reales: coste por resultado aceptado, latencia, intervenciones humanas y errores posteriores. Un benchmark de un solo modelo no revela si un ejecutor barato con un evaluador potente supera a una ejecución cara.

OpenAI y Anthropic tendrán una ventaja real si publican resultados reproducibles para distintos roles y permiten a los clientes modificar el equipo. En caso contrario, la optimización entre coste e inteligencia seguirá siendo una caja negra cuya función más visible será la factura de su fabricante.

El veredicto de Lilith

El ganador futuro quizá no tenga al agente más inteligente. Puede bastarle el mejor reparto, una buena dirección y alguien que corte una mala actuación antes de que llegue al cliente.