Contexto Técnico
Me gustan estos casos no por el efecto sorpresa, sino por la ingeniería pragmática. Aquí, alguien realmente ha construido un sistema multiagente en Claude Code: hay un orquestador principal, agentes de proyecto, comunicación directa con cada uno e incluso la capacidad de crear o eliminar nuevos dinámicamente.
Para la automatización con IA, esto ya no es un juguete. Es casi un sistema operativo vivo para tareas como investigación, correspondencia, contabilidad, borradores de correos y gestión de proyectos, todo en un mismo ciclo de memoria y registros.
Lo que me llamó la atención: se hizo principalmente a través de una suscripción a Claude Code, con un límite de unas 10 iteraciones, no mediante una API. La validación a veces recae en Codex, y en otras ocasiones se conectan Claude Code y Gemini como subagentes. El esquema funciona, pero huele a que alcanzará rápidamente el límite. Y si alguien intenta extraer una pseudo-API de la suscripción, estaría a punto de violar los términos de servicio.
Pero hay algo más importante. En la discusión surgió una pregunta muy acertada sobre las métricas de calidad, y es aquí donde la magia se desvanece rápidamente. Tener 20, 30 o 50 agentes conversando entre sí no significa que tengas una buena implementación de inteligencia artificial. Sin criterios de detención, presupuestos de tokens y controles de calidad claros, simplemente estás quemando contexto de forma bonita y con entusiasmo.
Un fragmento revelador de los benchmarks: la habilidad de toma de decisiones consumió una vez y media más tokens y dio un resultado peor que un agente sin habilidades. Mientras tanto, la habilidad de revisión de arquitectura duplicó la calidad por el mismo costo de tokens. Yo lo traduciría así: no todas las habilidades mejoran el sistema, algunas solo añaden ceremonias y ruido.
Y sí, esto coincide perfectamente con lo que veo en la práctica. Si un agente es malo para dividir tareas, priorizar y saber cuándo detenerse, la multiagencia comienza a devorar el presupuesto de forma lineal. En cambio, una capa de revisión antes de la ejecución a menudo se amortiza muy rápido, porque es más barato detectar un mal plan que luego limpiar un código deficiente o una automatización fallida.
Impacto en el Negocio y la Automatización
Ganan los equipos con muchas tareas cognitivas paralelas: investigación, revisiones, comunicaciones y soporte de proyectos. Allí, la integración de IA con un orquestador realmente ahorra horas y reduce el cambio de contexto manual.
Pierden aquellos que piensan que más agentes significa automáticamente un mejor resultado. En tareas rutinarias, un solo agente bien configurado es casi siempre más barato y estable que una «aldea» de bots.
Yo establecería tres reglas: un límite de iteraciones, criterios de terminación para agentes atascados y una revisión de arquitectura independiente antes de la ejecución. Son precisamente estos cuellos de botella los que analizamos con los clientes en Nahornyi AI Lab cuando construimos soluciones de IA para empresas sin el espectáculo de tokens desperdiciados.
Si ya te enfrentas a un caos de chats, tareas y revisiones manuales, podemos construir una automatización con IA adecuada para tu proceso sin este zoológico. Escríbenos, y Vadym Nahornyi y yo en Nahornyi AI Lab evaluaremos dónde necesitas un agente fuerte y dónde realmente vale la pena construir un orquestador.