Há dois meses, o Claude ganhou um modo pesquisa, permitindo que um agente de inteligência artificial busque na internet, no Google Workspace ou em outras integrações para executar tarefas complexas. Entretanto, segundo a Anthropic, desenvolvedora da IA, os melhores resultados são alcançados quando múltiplos agentes trabalham juntos.

Com o sistema multiagentes da Claude, vários agentes de IA trabalham de forma colaborativa para resolver problemas de forma mais eficiente. Isso porque esse modelo permite que diferentes agentes executem pesquisas simultaneamente, coletando dados de diferentes fontes, o que resulta em uma aceleração significativa do processo de pesquisa, além de melhorar a precisão e o alcance.

Um dos principais benefícios dos sistemas multiagentes é sua flexibilidade, necessária para lidar com a natureza imprevisível da pesquisa. Como ela não segue um caminho linear e é muitas vezes dinâmica, os agentes são capazes de adaptar suas estratégias com base em descobertas durante o processo – ao contrário de sistemas tradicionais de IA, que exigem uma sequência fixa de ações.

Em testes internos da Anthropic, o sistema multiagentes mostrou ser mais eficaz do que o uso de um único, com um desempenho 90% melhor em tarefas de pesquisa. A capacidade de dividir o trabalho entre vários agentes, cada um com seu foco e conjunto de ferramentas, permite uma busca mais abrangente e eficiente, superando as limitações de agentes únicos que operam de maneira sequencial e mais lenta.

Para garantir a eficácia do sistema, a coordenação entre os agentes e a integração de ferramentas específicas para cada tipo de pesquisa são fundamentais. A escolha correta das ferramentas e a definição clara dos papéis evitam redundâncias e garantem que cada parte do processo de pesquisa seja tratada de maneira eficiente e com o máximo de precisão.

Apesar dos desafios de implementação, os sistemas multiagentes têm se mostrado extremamente eficazes para tarefas de pesquisa complexas e oferecem um grande potencial de escalabilidade quando bem projetados e geridos. Com uma arquitetura de agente-orquestrador, a Claude tem conseguido lidar com problemas de grande complexidade, trazendo benefícios tanto em termos de desempenho quanto em inovação para a área de IA aplicada à pesquisa.

Viabilidade econômica

No entanto, a utilização de sistemas multiagentes também apresenta desafios, principalmente no que diz respeito ao consumo de tokens – pequenas unidades de dados que são processadas pelas IA para analisar pedaços maiores de informação. Cerca de 80% da variação de performance está relacionada com o maior uso de tokens.

Como cada agente executa diversas tarefas em paralelo, o consumo e, consequentemente, os custos podem ser significativamente maiores. De acordo com dados da Anthropic, agentes de IA consomem, em média, quatro vezes mais tokens do que interações com o chatbot. Já os sistemas multiagentes consomem cerca de 15 vezes mais tokens. Dessa forma, ele é economicamente viável para tarefas valiosas, para as quais o desempenho superior justifique o custo mais alto.