Estudo aponta limite ideal para eficiência de agentes de IA
Pesquisa de Harvard e NTT indica que sistemas com mais de 16 agentes de IA podem sofrer com polarização e queda de produtividade.
Pontos principais
- Pesquisadores de Harvard e da NTT Research identificaram 16 como o número ideal de agentes para o 'Flag Game'.
- Grupos com menos de 16 agentes falham em reunir evidências suficientes para um consenso confiável.
- Populações maiores que 16 agentes tendem a se dividir em facções que reforçam interpretações internas em vez de buscar a verdade.
- O estudo será apresentado no workshop AI4GOOD da conferência ICML 2026.
- A pesquisa sugere que o aumento da escala em sistemas multi-agentes eleva custos de computação e latência sem garantir melhores resultados.
- Especialistas recomendam que empresas priorizem a qualidade e a diversidade de informações dos agentes em vez da quantidade.
Um estudo conduzido por Elizabeth Pavlova, do Center for Brain Science de Harvard, e Hidenori Tanaka, da NTT Research, desafia a premissa de que aumentar o número de agentes de IA em sistemas corporativos resulta automaticamente em maior produtividade. Através do 'Flag Game', experimento onde agentes tentam identificar uma bandeira nacional a partir de visões parciais, os pesquisadores observaram que a eficácia do sistema atinge um ponto de saturação. Após o limite de 16 participantes, a comunicação torna-se um gargalo, levando à polarização e à formação de grupos que validam hipóteses internas em vez de processar novas evidências.
Os resultados indicam que arquitetos de sistemas devem tratar a contagem de agentes como uma variável crítica de desempenho, comparável à escolha do modelo ou ao design de prompts. Segundo os autores, o excesso de agentes pode dificultar o diagnóstico de falhas, já que o consenso final pode refletir um reforço de grupo em vez de uma análise factual. A recomendação para líderes de tecnologia é focar na qualidade e na independência dos dados fornecidos por cada agente, evitando a complexidade desnecessária em fluxos de trabalho automatizados.
Comentários
Carregando comentários...