Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
LanzamientoAnálisis · En radarAWS Machine Learning Blog→ original

AWS: una cadena de 10 agentes con un 95% de fiabilidad cada uno solo logra un 59,9% de éxito

Los sistemas multiagente fallan más por los traspasos entre agentes que por el modelo. Si cada uno de los 10 pasos de una cadena funciona en el 95% de los casos, solo el 59,9% de las ejecuciones llega al final sin fallos. Con 20 pasos, la cifra baja al 35,8% (sin reintentos). Por eso AWS aconseja empezar con un flujo rígido y dejar que el modelo elija el camino únicamente cuando los pasos no puedan describirse de antemano.

Procesado por IA desde AWS Machine Learning Blog; editado por Hamidun News
AWS: una cadena de 10 agentes con un 95% de fiabilidad cada uno solo logra un 59,9% de éxito
Fuente: AWS Machine Learning Blog. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalAWS Machine Learning Blog ↗
Editor jefe
Dato clave #1Un God agent con más de 15 herramientas en un solo prompt confunde la selección; el límite recomendado es cinco
Dato clave #2Los reintentos infinitos sin límite queman tokens: la parada debe estar en el código
Dato clave #3Los debates entre agentes son el patrón más caro y solo se justifican para decisiones raras y costosas

Imagine un pipeline de agentes: el primero extrae datos de un documento, el segundo los transforma, el tercero los verifica y el cuarto envía el resultado a la siguiente etapa. En la demo todo funciona, pero en producción el sistema genera basura una y otra vez. AWS explica en su análisis que la culpa suele ser no del modelo, sino de la coordinación.

Es un problema clásico de los sistemas distribuidos, y muchos equipos que lo abordan aún no tienen los hábitos de ingeniería necesarios. De ahí la cifra principal: si cada uno de los 10 pasos de una cadena funciona en el 95% de los casos, solo el 59,9% de las ejecuciones recorre todo el camino sin fallos; con 20 pasos, apenas el 35,8%. El cálculo es simplificado, porque supone una cadena estrictamente secuencial y sin reintentos, pero la tendencia es clara: cada traspaso adicional entre agentes multiplica el riesgo.

La conclusión práctica es que, antes de añadir agentes, conviene preguntarse si hacen falta. Según los datos que cita AWS, alrededor del 88% de los pilotos de IA no llega a producción. Un estudio de Stanford HAI mostró que dos modelos combinados pueden rendir peor que cualquiera de ellos por separado si el coste de coordinarlos supera el beneficio.

Dos niveles de patrones: quién elige el camino

AWS clasifica los esquemas de coordinación según quién controla el flujo de trabajo. En el primer nivel, el desarrollador define el camino; en el segundo, lo elige el modelo en tiempo de ejecución. La segunda opción es más flexible, pero consume más tokens, es más lenta y resulta más difícil de depurar. La regla práctica: empiece por el primer nivel y pase al segundo solo si las subtareas aparecen sobre la marcha.

Primer nivel (flujo rígido):

  • Pipeline secuencial: A → B → C. El orden se conoce de antemano, así que es fácil de probar y el coste es predecible. Sirve para procesar documentos, ETL y tramitar reclamaciones de garantía.
  • Workflow condicional: tras una verificación, el trabajo sigue por una rama. Por ejemplo, si el código está escrito pero las pruebas fallan, vuelve al autor como máximo N veces y después se escala a una persona. El límite lo garantiza el orquestador, por ejemplo con la restricción de iteraciones en AWS Step Functions.
  • Router: un clasificador lee la solicitud y la envía exactamente a un especialista, ya sea de calidad, mantenimiento o planificación.
  • Workflow paralelo: la tarea se divide en partes independientes y los resultados se combinan después. La latencia equivale a la del agente más lento, no a la suma de todos. Si falla una rama, solo se repite esa.

Segundo nivel (el modelo elige el camino):

  • Orquestación por plan: un agente planificador mantiene una lista explícita de tareas, y los ejecutores, sin estado, solo ven su fragmento. Si uno falla, los demás no se ven afectados.
  • Traspaso de control (handoff): un agente pasa la tarea a un colega junto con el estado verificado y las evidencias. Si solo se pasa un resumen en el chat, eso no es un handoff.
  • Diálogo de agentes: un chat compartido en el que el turno de palabra lo fija un orden circular o el modelo, y el estado se guarda en el historial de la conversación.
  • Debate y consenso: varios agentes evalúan de forma independiente la misma entrada y después decide la mayoría o un juez. Es el patrón más caro: en tareas de percepción compra latencia, no precisión. Conviene reservarlo para decisiones poco frecuentes en las que un error cuesta más que la deliberación.

En la práctica, la mayoría de los sistemas en producción son híbridos: flujos rígidos para las partes bien definidas y agentes autónomos donde se necesita flexibilidad.

Cinco antipatrones que queman presupuesto

  1. God agent. Un solo agente se encarga del análisis de eficiencia de los equipos, el diagnóstico de controladores y el mantenimiento, con 15 o más herramientas en un único prompt. La elección de herramienta empeora y los errores son difíciles de atribuir. Es mejor usar varios agentes con un máximo de cinco herramientas cada uno.
  2. Reintentos infinitos. El agente repite «inténtalo otra vez» sin una parada estricta. Ninguna llamada individual activa una alerta, pero los tokens se van gastando. El tope de iteraciones, el límite de tokens por agente y la señal de presupuesto con parada automática deben estar en el código. El propio modelo no se detendrá.
  3. Contratos en lenguaje natural. Los agentes se pasan texto sin esquema. «Posible desgaste» se convierte en «desgaste confirmado» y después en una orden de reparación. La deriva se produce entre agentes, donde la trazabilidad es más débil.
  4. Multiagente prematuro. Cada agente adicional añade un impuesto de coordinación no lineal, y el beneficio se estanca en torno a los cuatro. La prueba: si un agente puede resolver la tarea simplemente cambiando de grupo de herramientas, no es un problema multiagente.
  5. Agente sin protección en la frontera con el cliente. Correos, visitas de servicio y parámetros de máquinas se ejecutan sin confirmación. Las alucinaciones salen al mundo físico y la responsabilidad pasa de un reembolso a la responsabilidad por el producto. AWS propone una protección por capas: recomendación, Amazon Bedrock Guardrails, validación de esquema, reglas de negocio, aprobación humana y solo después la ejecución.

Qué llevarse a la práctica

Elija la arquitectura más simple que cumpla los requisitos. Si el esquema puede dibujarse en una pizarra antes de arrancar, empiece por el primer nivel. Los límites, los esquemas de datos y las reglas de seguridad deben vivir en la infraestructura y el código, no en los prompts. En el entorno industrial se suman el takt time de la línea, los límites de seguridad, los datos en el edge y los ciclos de turnos: ellos determinan qué esquema es el adecuado.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre Dos niveles de patrones: quién elige el camino?

AWS clasifica los esquemas de coordinación según quién controla el flujo de trabajo. En el primer nivel, el desarrollador define el camino; en el segundo, lo elige el modelo en tiempo de ejecución. La segunda opción es más flexible, pero consume más tokens, es más lenta y resulta más difícil de depurar. La regla práctica: empiece por el primer nivel y pase al segundo solo si las subtareas aparecen sobre la marcha. Primer nivel (flujo rígido): Pipeline secuencial: A → B → C.

¿Qué se sabe sobre Cinco antipatrones que queman presupuesto?

God agent. Un solo agente se encarga del análisis de eficiencia de los equipos, el diagnóstico de controladores y el mantenimiento, con 15 o más herramientas en un único prompt. La elección de herramienta empeora y los errores son difíciles de atribuir. Es mejor usar varios agentes con un máximo de cinco herramientas cada uno. Reintentos infinitos. El agente repite «inténtalo otra vez» sin una parada estricta. Ninguna llamada individual activa una alerta, pero los tokens se van gastando.

¿Qué se sabe sobre Qué llevarse a la práctica?

Elija la arquitectura más simple que cumpla los requisitos. Si el esquema puede dibujarse en una pizarra antes de arrancar, empiece por el primer nivel. Los límites, los esquemas de datos y las reglas de seguridad deben vivir en la infraestructura y el código, no en los prompts. En el entorno industrial se suman el takt time de la línea, los límites de seguridad, los datos en el edge y los ciclos de turnos: ellos determinan qué esquema es el adecuado.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Private AI Builders Community · Vibe Club

Ship AI Faster with Founders, Engineers & Weekly Architecture Reviews

Inside Vibe Club (hamidun.com/club) — weekly live masterminds with Zhemal Khamidun, Tech Radar, full LMS access, and 370+ production Claude Code skills.

Join Vibe Club →Explore Hamidun Academy
¿Qué te parece?
Cargando comentarios…