Ethan Mollick, profesor en Wharton y observador influyente de la IA, propone aplicar lecciones de la teoría organizacional a los sistemas de IA agéntica. Su argumento: décadas de investigación sobre las organizaciones humanas ofrecen marcos directamente aplicables a los desafíos de la coordinación multiagente.
El problema del alcance de control: los sistemas agénticos actuales asumen implícitamente que los modelos pueden gestionar un número ilimitado de subagentes, lo cual es claramente falso. Un gestor humano alcanza su límite con menos de diez subordinados directos efectivos. Mollick estima que cien subagentes supera ampliamente la capacidad de un agente orquestador. Su solución provocadora: crear "agentes de mando intermedio" (middle management agents) - una jerarquía intermedia entre el orquestador principal y los agentes de ejecución.
Objetos frontera: en la teoría organizacional, los objetos frontera (boundary objects) son artefactos que circulan entre grupos (marketing, TI, ventas) para transmitir significado cuando un proyecto atraviesa fronteras - prototipos, historias de usuario, especificaciones. Actualmente, los agentes de IA intercambian texto plano y a veces código. Mollick aboga por objetos frontera estructurados que los agentes de distintos niveles de capacidad puedan leer y modificar. Este enfoque resolvería numerosos fallos de coordinación a la vez que reduciría el consumo de tokens.
El problema del acoplamiento: el acoplamiento (coupling) mide el grado de conexión entre las unidades organizacionales. La mayoría de los sistemas agénticos están o bien demasiado acoplados (cada paso requiere aprobación humana) o bien demasiado desacoplados (pérdida de control y coherencia). Este compromiso está bien estudiado en la teoría organizacional, y Mollick apuesta a que muchos de sus hallazgos se aplican directamente a las arquitecturas de agentes.
Racionalidad limitada: concepto fundacional de la ciencia organizacional, la racionalidad limitada (bounded rationality) describe cómo los responsables de decisiones operan con información incompleta y una capacidad cognitiva finita. Este marco probablemente se aplica a los agentes de IA que enfrentan contextos extensos y decisiones complejas.
Crítica a los labs: Mollick observa que todo el mundo se precipita hacia los "agent swarms" (término que califica de "terriblemente elegido") sin darse cuenta de que el éxito no dependerá únicamente de la calidad de los modelos, sino de las decisiones de diseño organizacional. Duda de que los labs de IA perciban esta dimensión y reclama más experimentación liderada por personas que comprendan los problemas reales de coordinación humana.