Por Canuto  

Un reporte de CryptoBriefing sobre un estudio atribuido a investigadores de Princeton sostiene que agentes de IA especializados, desarrollados por separado y coordinados, alcanzaron cerca del 70% en SWE-bench. El resultado pone el foco en la arquitectura multiagente, aunque no demuestra cómo funcionaría el enfoque en entornos reales ni quién respondería por sus errores.
***

  • Según el reporte, el equipo de agentes especializados superó el desempeño de un agente generalista único en la evaluación descrita.
  • La configuración habría alcanzado alrededor del 70% en SWE-bench, una prueba de tareas de ingeniería de software.
  • La coordinación también puede introducir riesgos, como propagar errores y dificultar la identificación de responsabilidades.

Una alternativa al modelo que intenta hacerlo todo

Durante años, buena parte de la conversación sobre inteligencia artificial ha girado alrededor de cómo construir modelos más grandes y capaces de resolver cada vez más tareas. Un reporte de CryptoBriefing sobre un estudio atribuido a investigadores de la Universidad de Princeton plantea otra posibilidad: coordinar agentes con habilidades más acotadas. Según esa nota, combinar agentes especializados mejoró los resultados frente a un agente generalista único en la evaluación descrita.

La configuración habría alcanzado alrededor del 70% en SWE-bench, una prueba de tareas de ingeniería de software. El reporte presenta la cifra como una medida del desempeño del sistema combinado en esa evaluación. No significa que cualquier grupo de agentes vaya a lograr ese rendimiento en toda clase de trabajos ni que el resultado pueda trasladarse sin más a productos desplegados en condiciones reales.

La propuesta descrita parte de una división del trabajo: cada subagente se adapta a un dominio específico, en vez de exigir que un solo sistema sea competente en todo. Según la nota, los agentes se desarrollaron por separado, incluso por distintos constructores, y luego colaboraron para abordar problemas complejos. En ese esquema, el resultado depende tanto de las capacidades de cada modelo como de la distribución de tareas y la coordinación entre ellos.

El reporte atribuye a los autores la expresión “mercado de agentes” para describir una estructura con participantes de especialidades diferenciadas. La comparación que recoge es la de un hospital: varios especialistas pueden aportar conocimientos distintos a un problema, en lugar de depender de un profesional que cubra todas las áreas. Aplicada a la IA, la idea desplaza parte del desafío desde el entrenamiento de un sistema único hacia el diseño de una colaboración útil.

Qué mide el resultado de SWE-bench

SWE-bench evalúa qué tan bien los sistemas de inteligencia artificial resuelven tareas de ingeniería de software. En el estudio descrito por CryptoBriefing, el resultado de alrededor del 70% corresponde a la configuración multiagente y a esa evaluación. La cifra permite comparar el desempeño bajo las condiciones de la prueba, pero no describe por sí sola cómo se comportaría el sistema ante cualquier encargo de programación.

Un benchmark es una prueba estructurada que permite examinar el rendimiento de distintos sistemas frente a tareas definidas. Ofrece un marco de comparación, aunque sus condiciones no siempre reproducen la variedad y el desorden de los proyectos cotidianos. Por eso, un porcentaje alto puede ser una señal de progreso sin equivaler a una garantía de confiabilidad fuera del entorno evaluado.

La nota también afirma que el enfoque se probó en evaluaciones exigentes de ingeniería de software y razonamiento. Sin embargo, destaca una cifra cuantitativa: cerca del 70% en SWE-bench. El material descrito no ofrece cifras adicionales para separar resultados por tipo de tarea, comparar distintos tamaños de equipos o detallar el desempeño de cada agente individual; esas conclusiones no pueden inferirse del porcentaje agregado.

La distinción importa porque una arquitectura coordinada puede sobresalir en una prueba y encontrar dificultades en otra. El resultado reportado apunta a que la especialización podría aportar ventajas en tareas que requieren capacidades diversas, pero no demuestra que los agentes especializados sean siempre superiores. Para valorar el alcance del hallazgo también sería necesario conocer las condiciones de evaluación y cómo se comporta el sistema en otros escenarios.

De los conjuntos de modelos a los agentes coordinados

El planteamiento descrito en el reporte combina ideas presentes en el desarrollo de software y la investigación de aprendizaje automático. Una es el aprendizaje de conjuntos, que integra varios modelos con la expectativa de mejorar el juicio de un modelo individual. Otra es la arquitectura de microservicios, que divide una aplicación en componentes independientes, cada uno enfocado en una función y capaz de comunicarse con los demás.

La propuesta consiste en aplicar esos principios a agentes autónomos construidos sobre modelos de lenguaje. En lugar de integrar respuestas de varios modelos sin más, el esquema asigna tareas a agentes con especialidades definidas y los organiza para resolver un problema más amplio. La separación podría permitir que cada componente se concentre en una parte del trabajo, aunque el resultado depende de que la coordinación no pierda información ni combine aportes incompatibles.

La nota también sitúa el trabajo dentro de una línea previa de investigación de Princeton, incluido SWE-agent, que se enfocó en permitir que modelos de lenguaje operaran como agentes de ingeniería de software. Según esa descripción, la propuesta extiende el enfoque desde un agente individual hasta un conjunto coordinado. El cambio no consistiría simplemente en sumar modelos, sino en pasar de una unidad de trabajo a una arquitectura con varios participantes.

La idea de especialización y composición ofrece una respuesta distinta a la búsqueda de escala. Si diferentes agentes resuelven partes acotadas de un problema, el sistema podría aprovechar capacidades que no están concentradas en una sola herramienta general. Pero coordinar componentes también requiere decisiones de diseño: qué agente recibe cada tarea, qué información comparte con los demás y cómo se integran sus resultados.

Las oportunidades y los límites de la arquitectura multiagente

Una consecuencia posible del estudio es que los desarrolladores evalúen no solo qué tan capaz es un modelo, sino también qué sistema de colaboración construyen a su alrededor. La pregunta pasa de cómo hacer un modelo más grande a cómo seleccionar y combinar las piezas adecuadas para cada tarea. En esa perspectiva, la distribución del trabajo y la comunicación entre agentes forman parte del rendimiento.

El resultado descrito no demuestra que otras empresas hayan adoptado el sistema de Princeton ni que vaya a cambiar de inmediato sus estrategias. Sí plantea una alternativa a depender exclusivamente de aumentar la escala de un modelo individual: mejorar la forma en que varios agentes colaboran. Su alcance, sin embargo, debe mantenerse ligado a las condiciones de la evaluación reportada.

Los límites de los benchmarks merecen atención: una base de código real puede ser más desordenada que un entorno controlado, y coordinar varios agentes añade nuevas oportunidades de fallo. Si un especialista interpreta mal la tarea, su error puede transmitirse a los siguientes pasos y afectar la respuesta del grupo. Por eso, el resultado en SWE-bench no demuestra que la arquitectura elimine los problemas de precisión.

También puede complicarse la rendición de cuentas. Cuando colaboran agentes desarrollados por distintos constructores, identificar cuál contribuyó a un error podría resultar más difícil. La especialización abre una vía para elevar el desempeño, pero plantea preguntas sobre trazabilidad, supervisión y responsabilidad que el porcentaje reportado no responde.

Qué queda por comprobar

El enfoque plantea desafíos prácticos: decidir qué agente debe intervenir, cómo compartir el contexto y de qué forma combinar los resultados. Cada decisión puede afectar la respuesta final. Un intercambio insuficiente puede dejar fuera información importante, mientras que una integración deficiente puede mezclar conclusiones contradictorias. La arquitectura necesita mecanismos para distribuir el trabajo y conservar una visión común del problema.

La diversidad entre agentes también puede ser una fortaleza y una fuente de fricción. El reporte destaca que los subagentes se desarrollaron de forma independiente, incluso por distintos constructores, lo que permitiría reunir especialidades diferentes en un mismo sistema. Al mismo tiempo, esa separación hace más relevante definir cómo se comunican y cómo se verifica la compatibilidad de sus aportes.

El dato cercano al 70% ofrece un punto de referencia para quienes desarrollan agentes, pero debe leerse ligado a SWE-bench y a las tareas descritas. La evaluación no permite concluir que los sistemas multiagente vayan a superar a los modelos individuales en todos los ámbitos, ni que la coordinación garantice resultados correctos en cada caso. El desempeño en entornos reales y la propagación de errores siguen siendo cuestiones por comprobar.

En suma, el estudio atribuido a investigadores de Princeton plantea que la arquitectura puede ser tan importante como la escala: varios agentes con funciones delimitadas podrían resolver juntos tareas difíciles para un agente generalista. El siguiente paso será determinar si esa ventaja se mantiene más allá de las pruebas descritas y si sus fallos pueden rastrearse con claridad. El resultado reportado amplía el debate sobre cómo construir agentes de inteligencia artificial, sin resolver esas preguntas abiertas.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados