AI timovi obećavaju brzinu, ali test pokazuje cijenu koordinacije

Jeremy McEntire odlučio je testirati ono što mnogi AI entuzijasti uzimaju zdravo za gotovo: da više agenata znači više moći. Rezultati su brutalni. Njegovo istraživanje pokazuje kako agentne strukture s ironičnom preciznošću kopiraju najgore ljudske organizacijske mane — one koje korporacije pokušavaju eliminirati desetljećima.

Eksperiment je bio elegantno jednostavan. Jedan samostalni agent rješava 100% testnih zadataka. Stvorite 'tim' — bilo kakvu višeagentsku arhitekturu — i performanse se urušavaju. Sekvencijalni agenti? Nula posto uspješnosti. Cjevovodni? Isti rezultat. Hijerarhijski dosežu 64%, stigmerički 32%. Složenija arhitektura, lošiji ishod.

McEntire je u izvješću 'The Organizational Physics of Multi-Agent AI' testirao četiri pristupa na 28 programerskih problema. Podaci ne dopuštaju interpretaciju: efikasnost pada proporcionalno složenosti sustava. To nije tehnički bug. To je organizacijski virus.

Najžešći udarac dolazi od otkrića o grupnim dinamikama. Čak i kad jedan agent savršeno rješava zadatak, formiranje 'komiteta' ruši performanse za 8-38%. Razlog je klasičan: neravnoteža između stručnjaka i slabijih članova. AI agenti, bez ljudskih emocija ili uredskih politika, reproduciraju ovaj obrazac s matematičkom dosljednošću. Uklanjanje ljudskog faktora ne pomaže — sistemska greška se prenosi kao digitalni DNK, ugrađena u same podatke i dizajn.

Implikacije su posebno opasne za industrije koje već implementiraju multi-agent sustave. U proizvodnji lijekova i robotici, gdje kompleksnost okruženja zahtijeva koordinaciju više specijaliziranih agenata, optimizacija prema internim procesima umjesto krajnjim rezultatima može ugroziti kvalitetu u kritičnim trenucima.

Što ovo znači za razvoj agentnih sustava? Prvo: arhitektonska štednja nije lijenost, nego disciplina. Svaki dodatni sloj koordinacije uvodi točku kvara. Drugo: 'timski duh' u AI kontekstu funkcionira kao anti-pattern. Agenti ne trebaju motivacijske seminare — trebaju jasne, izolirane mandate.

Treće, i najneugodnije: loši organizacijski obrasci su robusniji nego što smo mislili. Preživljavaju ekstrakciju iz ljudskih institucija, migraciju u algoritamski prostor, pa čak i uklanjanje bioloških varijabli koje smo krivili za njih. To sugerira da problem nije u ljudima, nego u strukturama koje ljudi stvaraju — a koje AI sada ubrzava i automatizira.

McEntireovi nalazi postavljaju neugodno pitanje: ako multi-agent sustavi nasljeđuju naše najlošije navike, tko će ih ispraviti? Inženjeri koji ih grade? Menadžeri koji ih naručuju? Ili ćemo ponoviti ciklus — stvoriti AI ekvivalent korporacijskog birokrata koji savršeno efikasno ne radi ništa korisno?

Do tada, jedan agent s jasnim zadatkom ostaje zlatni standard. Sve ostalo je menadžment konzulting algoritamskog svijeta: pun sastanaka koji su mogli biti e-mailovi, odluka odgađanih komitetom, i nula posto završenog posla. Dodatni kontekst je u izvornom izvještaju.