Myten om at \u00abflere AI-agenter altid er bedre\u00bb har l\u00e6nge v\u00e6ret en udbredt antagelse i AI-verdenen. Nu har forskere fra Google Research, Google DeepMind og MIT offentliggjort en banebrydende unders\u00f8gelse, der udfordrer netop den forestilling \u2014 og erstatter mavefornemmelse med kvantitative principper for, hvordan multi-agent-systemer b\u00f8r designes.<\/p>\n\n\n\n
Forskningsholdet testede systematisk 180 forskellige agent-konfigurationer p\u00e5 tv\u00e6rs af fire dom\u00e6ner: finansiel analyse, webnavigation, planl\u00e6gning og v\u00e6rkt\u00f8jsbrug. Resultatet er en pr\u00e6diktiv model, der med 87 procents n\u00f8jagtighed kan forudsige den optimale koordineringsstrategi for en given opgave \u2014 baseret p\u00e5 m\u00e5lbare egenskaber som antal v\u00e6rkt\u00f8jer og opgavens dekomponerbarhed.<\/p>\n\n\n\n
Rapporten, \u201cTowards a Science of Scaling Agent Systems\u201d<\/a>, definerer fem arkitekturer: single-agent (SAS), uafh\u00e6ngige parallelle agenter, centraliseret orkestrering med en hub-agent, decentraliseret peer-to-peer, og hybrid-modeller der kombinerer hierarkisk kontrol med fleksibel koordinering.<\/p>\n\n\n\n Unders\u00f8gelsen afd\u00e6kkede tre centrale mekanismer, som b\u00f8r guide enhver arkitekturbeslutning i agentic engineering<\/a>:<\/p>\n\n\n\n 1. Tool-coordination trade-off:<\/strong> Opgaver, der kr\u00e6ver mange v\u00e6rkt\u00f8jer (fx en kodningsagent med 16+ tools), lider uforholdm\u00e6ssigt under multi-agent overhead. Koordineringsomkostningerne \u00e6der den ekstra kapacitet, som flere agenter burde bringe. Det er en vigtig indsigt for alle, der bygger komplekse agent-pipelines.<\/p>\n\n\n\n 2. Capability saturation:<\/strong> At tilf\u00f8je flere agenter giver faldende udbytte, n\u00e5r den enkelte agents baseline-performance allerede er over en vis t\u00e6rskel. Smarte modeller som Gemini, Claude eller GPT kan alts\u00e5 n\u00e5 et punkt, hvor ekstra agenter simpelthen ikke bidrager med mere.<\/p>\n\n\n\n 3. Topology-dependent error amplification:<\/strong> Uafh\u00e6ngige agenter (der arbejder parallelt uden kommunikation) forst\u00e6rkede fejl med faktor 17,2x. Centraliseret orkestrering reducerede det til 4,4x \u2014 orkestratoren fungerer som et \u00abvalideringsflaskehals\u00bb, der fanger fejl, f\u00f8r de spreder sig.<\/p>\n\n\n\n De mest sl\u00e5ende resultater handler om opgavetype. P\u00e5 paralleliserbare opgaver som finansiel analyse \u2014 hvor separate agenter kan analysere oms\u00e6tningstendenser, omkostningsstrukturer og markedssammenligninger simultant \u2014 forbedrede centraliseret koordinering pr\u00e6stationen med hele 80,9 procent sammenlignet med en enkelt agent.<\/p>\n\n\n\n Omvendt degraderede alle<\/em> multi-agent-varianter pr\u00e6stationen med 39-70 procent p\u00e5 opgaver, der kr\u00e6ver streng sekventiel r\u00e6sonnering. Her fragmenterer kommunikationsoverheadet r\u00e6sonneringsprocessen og efterlader for lidt \u00abkognitivt budget\u00bb til selve opgaven. Det er en direkte advarsel til dem, der tror, at man bare kan smide flere agenter efter ethvert problem \u2014 som vi s\u00e5 med 16 AI-agenter der byggede en C-compiler<\/a>, hvor opgavens karakter var afg\u00f8rende for succesen.<\/p>\n\n\n\n Googles forskning peger p\u00e5 et paradigmeskift: Fra \u00ablad os bare tilf\u00f8je flere agenter\u00bb til evidensbaserede arkitekturbeslutninger. Konkret anbefaler forskerne:<\/p>\n\n\n\n Den pr\u00e6diktive model (R\u00b2 = 0,513) er ikke perfekt, men den er et konkret ingeni\u00f8rv\u00e6rkt\u00f8j, der g\u00f8r det muligt at tr\u00e6ffe dataunderbyggede beslutninger om agentarkitektur \u2014 i stedet for at stole p\u00e5 intuition eller AI-hype.<\/p>\n\n\n\n Som Google selv formulerer det: \u00abSmarte modeller erstatter ikke behovet for multi-agent-systemer \u2014 de accelererer det, men kun n\u00e5r arkitekturen er rigtig.\u00bb Det er en nuanceret pointe, der fortjener at synke ind hos alle, der arbejder med multi-agent AI-systemer i 2026.<\/p>\n\n\n\n Denne artikel er skrevet i samarbejde med AI, og efterf\u00f8lgende redigeret af et rigtigt menneske \ud83d\ude42<\/em><\/p>\n","protected":false},"excerpt":{"rendered":" Google afsl\u00f8rer at flere AI-agenter ikke altid er bedre. Ny forskning s\u00e6tter tal p\u00e5 multi-agent-skalering og dens gr\u00e6nser.<\/p>\n","protected":false},"author":1,"featured_media":745,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[24,8],"tags":[61,31],"class_list":["post-746","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-agentic-engineering","category-ai","tag-agentic-engineering","tag-language-models"],"acf":[],"_links":{"self":[{"href":"https:\/\/vittrup-graversen.dk\/index.php\/wp-json\/wp\/v2\/posts\/746","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/vittrup-graversen.dk\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/vittrup-graversen.dk\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/vittrup-graversen.dk\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/vittrup-graversen.dk\/index.php\/wp-json\/wp\/v2\/comments?post=746"}],"version-history":[{"count":3,"href":"https:\/\/vittrup-graversen.dk\/index.php\/wp-json\/wp\/v2\/posts\/746\/revisions"}],"predecessor-version":[{"id":1004,"href":"https:\/\/vittrup-graversen.dk\/index.php\/wp-json\/wp\/v2\/posts\/746\/revisions\/1004"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/vittrup-graversen.dk\/index.php\/wp-json\/wp\/v2\/media\/745"}],"wp:attachment":[{"href":"https:\/\/vittrup-graversen.dk\/index.php\/wp-json\/wp\/v2\/media?parent=746"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/vittrup-graversen.dk\/index.php\/wp-json\/wp\/v2\/categories?post=746"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/vittrup-graversen.dk\/index.php\/wp-json\/wp\/v2\/tags?post=746"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}Tre dominerende effekter<\/h2>\n\n\n\n
Parallelle opgaver vinder \u2014 sekventielle taber<\/h2>\n\n\n\n
Praktiske implikationer for udviklere<\/h2>\n\n\n\n
\n
Kilder<\/h2>\n\n\n\n
\n