Durante los últimos años, muchas empresas construyeron sus asistentes de inteligencia artificial como si fueran equipos de especialistas: un agente principal rodeado de varios ayudantes, cada uno encargado de una tarea concreta. La promesa era simple, dividir el trabajo para ganar eficiencia.
Ahora, Anthropic, la empresa responsable de Claude, pone en duda esa estrategia. Tras analizar implementaciones reales en grandes compañías, la firma concluye que, en la mayoría de los casos, un único asistente bien diseñado supera en velocidad, coherencia y coste a los sistemas con múltiples agentes trabajando en paralelo.
El hallazgo llega en un momento clave, cuando cada vez más empresas dependen de asistentes de IA para atender clientes, programar software o automatizar procesos internos. Si la arquitectura elegida influye tanto en el rendimiento, el debate afecta directamente a cómo se diseñan estas herramientas a partir de ahora.
El problema de dividir el trabajo entre muchos agentes
Según explica Anthropic, la arquitectura habitual consistía en montar un asistente central que delegaba tareas específicas a pequeños agentes especializados. Cada uno gestionaba su propia porción de información y la devolvía al sistema principal.
El problema aparece en los traspasos. Cuantos más agentes intervienen, más tiempo de espera se acumula, mayor es el gasto computacional y más fácil resulta que se pierdan datos relevantes entre un paso y el siguiente.
Anthropic pone como ejemplo el caso de una empresa cuyo asistente de atención al cliente integraba cerca de una docena de agentes internos. El resultado era una experiencia poco uniforme: las respuestas tardaban más de lo esperado y resultaba difícil mantener un tono y una imagen de marca coherentes en cada interacción.
Los modelos actuales ya gestionan tareas complejas por sí solos
El argumento central de Anthropic se apoya en la evolución de sus propios modelos. A partir de Opus 4.5, su sistema más avanzado, la compañía asegura que es posible ejecutar planes complejos de principio a fin sin necesidad de un coordinador que reparta tareas entre varios agentes.
En una de las comparaciones realizadas por la empresa, un asistente único completó el mismo trabajo casi el doble de rápido que la configuración equivalente con múltiples agentes especializados.
Un ejemplo citado por Anthropic es el de la programación de software. Antes, un agente escribía una función, otro generaba las pruebas y un tercero revisaba el resultado final, con el riesgo de que el contexto se perdiera entre cada etapa. Con la nueva arquitectura, un solo asistente se encarga de escribir tanto la función como sus pruebas, mientras que un verificador independiente se limita a ejecutarlas e informar del resultado.
Como parte de este cambio, Anthropic afirma haber reducido en más de un 80 % las instrucciones base de Claude Code en sus modelos más recientes, en buena medida porque las herramientas disponibles solo se cargan quando resultan necesarias.
Cuándo sigue teniendo sentido usar varios agentes
Anthropic no descarta por completo los sistemas multiagente. La compañía identifica tres situaciones en las que seguir dividiendo el trabajo puede ser razonable.
La primera es cuando un asistente único empieza a perder rendimiento por manejar demasiada información de golpe. La segunda, cuando es necesario ejecutar varias tareas en paralelo con memorias independientes entre sí. La tercera aparece cuando el sistema tiene dificultades para elegir la herramienta adecuada entre muchas opciones disponibles.
De hecho, la propia empresa advierte que la capacidad de un asistente para seleccionar correctamente una herramienta empieza a degradarse a partir de entre 30 y 50 definiciones distintas.
Un kit para migrar sin romper lo que ya funciona
Para las empresas que quieran simplificar su arquitectura, Anthropic ha publicado en GitHub un kit de migración. La herramienta ayuda a los equipos técnicos a revisar qué sistema tienen actualmente, comparar alternativas con un único asistente y comprobar cuál ofrece mejores resultados antes de hacer cambios definitivos.
La propia compañía reconoce que fusionar agentes sin un análisis cuidadoso puede generar problemas nuevos. En una prueba con un asistente de soporte, integrar a un agente especializado redujo los tiempos de espera, pero también rompió un proceso que antes funcionaba correctamente, porque el asistente principal empezó a responder por su cuenta en lugar de consultar al especialista adecuado cuando era necesario.
Anthropic insiste en que se trata de una recomendación basada en su propia experiencia con clientes, no de una conclusión cerrada aplicable a cualquier caso.
Otros estudios apuntan en la misma dirección
La postura de Anthropic no es un caso aislado. Un estudio independiente realizado por Vals concluyó que los equipos de varios asistentes pueden completar tareas más rápido que uno solo, pero sin mejorar la calidad del resultado final.
El mismo análisis señaló que escalar de diez a treinta o incluso cien agentes disparaba los costes de forma notable, sin que esa inversión se tradujera en mejores resultados para la empresa.
En la misma línea se ha pronunciado Eric Provencher, desarrollador de OpenAI, quien ha cuestionado públicamente este tipo de sistemas con múltiples agentes trabajando simultáneamente. Según su valoración, se trata, en la mayoría de los casos, de dinero invertido sin retorno real.
Qué significa esto para empresas y usuarios
Para las compañías que ya utilizan asistentes de IA en atención al cliente o desarrollo de software, estas conclusiones plantean una pregunta directa: si la arquitectura actual está generando más complejidad, coste y lentitud de la necesaria.
Para quien utiliza estos asistentes como usuario final, el cambio se notaría en respuestas más rápidas y consistentes, sin los pequeños desajustes que a veces surgen cuando varios agentes intervienen en una misma conversación.
La incógnita que queda abierta es cuántas empresas estarán dispuestas a rediseñar sistemas que, en muchos casos, implementaron hace relativamente poco tiempo.
Preguntas frecuentes
¿Qué dice exactamente Anthropic sobre los asistentes de IA?
Anthropic sostiene que, tras analizar implementaciones en empresas grandes, un único asistente bien diseñado suele rendir mejor que un sistema con varios agentes especializados trabajando a la vez, tanto en velocidad como en coherencia y coste.
¿Por qué fallan los sistemas con múltiples agentes?
Según la compañía, cada traspaso de información entre agentes añade tiempo de espera, incrementa el gasto computacional y aumenta el riesgo de perder datos relevantes en el proceso.
¿Anthropic descarta por completo usar varios agentes?
No. La empresa reconoce tres escenarios donde siguen teniendo sentido: sobrecarga de información en un solo asistente, necesidad de ejecutar tareas en paralelo con memorias separadas, y dificultad para elegir entre muchas herramientas disponibles.
¿Qué modelo de Anthropic permite esta simplificación?
La compañía señala que a partir de Opus 4.5, su modelo más avanzado, los asistentes pueden gestionar planes complejos de principio a fin sin necesitar un coordinador que reparta tareas entre varios agentes.
¿Existen otros estudios que respalden esta conclusión?
Sí. Un análisis de Vals encontró que los sistemas multiagente pueden ser más rápidos, pero no mejoran la calidad, y que escalar su número dispara los costes sin beneficios claros. Un desarrollador de OpenAI también ha criticado públicamente este tipo de arquitecturas.
¿Qué deberían hacer las empresas que usan varios agentes de IA?
Anthropic recomienda revisar su arquitectura actual con herramientas como el kit de migración publicado en GitHub, comparando alternativas antes de simplificar, ya que fusionar agentes sin análisis previo puede generar nuevos problemas.
Samuel Gil es especialista en infraestructura tecnológica, administración de servidores y desarrollo de servicios digitales. Con una sólida trayectoria en entornos web de alta exigencia, optimización de servidores y gestión de arquitecturas de red, Samuel dedica su labor en faq-box.com a desglosar cuestiones técnicas complejas para convertirlas en guías prácticas, transparentes y de alto valor técnico.
Su enfoque editorial prioriza el rigor, la seguridad en los sistemas y la resolución eficiente de problemas técnicos cotidianos y avanzados. A través de sus análisis, busca ofrecer respuestas directas y contrastadas para profesionales y entusiastas del sector tecnológico.
Cuenta con una sólida formación en el área tecnológica, destacando su especialización a través del Máster en Inteligencia Artificial Aplicada a la Gestión Empresarial y el MBA in Digital Transformation & Artificial Intelligence de ISEEN.EU, lo que aporta un rigor técnico avanzado a cada análisis de desarrollo y arquitectura digital.
