किसी काम में एजेंट जोड़िए और सामूहिक सटीकता बढ़ती है — लगभग सोलह तक। उसके बाद वह गिरती है, और समूह किसी एक उत्तर की ओर अभिसरण करना बंद करके ऐसे खेमों में बँटने लगता है जो एक-दूसरे की पुष्टि करते हैं (NTT Research, 2026)। यह क्षमता की सीमा नहीं है। लागत की सीमा भी नहीं। यह समन्वय की सीमा है — वही जो मानव टीमों को नियंत्रित करती है — और यह ऐसे रोडमैप पर आ पहुँची है जो मानकर चल रहा था कि ज़्यादा एजेंट का मतलब ज़्यादा उत्पादन है।
संख्या स्वयं कार्य-विशिष्ट है और आपके वर्कफ़्लो पर स्थानांतरित नहीं होगी। जो स्थानांतरित होता है वह वक्र का आकार है, और वह आकार एजेंट फ़्लीट के आकार को खरीद-चर से डिज़ाइन-चर में बदल देता है: हर एजेंटिक परिनियोजन में एक बिंदु ऐसा होता है जहाँ सीमांत एजेंट जोड़ता नहीं, घटाता है।
Flag Game ने वास्तव में क्या मापा
यह प्रयोग Harvard के Center for Brain Science की वरिष्ठ डेटा साइंटिस्ट Elizabeth Pavlova और Hidenori Tanaka का है, जो NTT Research की Physics of Artificial Intelligence Lab तथा Harvard CBS के Physics of Intelligence कार्यक्रम का नेतृत्व करते हैं। शोध-पत्र — Flag Game: Interpreting Decision Mechanisms of Bounded Social Agents — ICML 2026 की AI4Good कार्यशाला में प्रस्तुत किया गया (Pavlova & Tanaka, 2026)।
रचना जान-बूझकर सादी है। हर एजेंट किसी छिपे हुए राष्ट्रीय ध्वज का केवल एक छोटा, यादृच्छिक रूप से सौंपा गया टुकड़ा देखता है। कोई भी एजेंट अकेले उसे पहचान नहीं सकता। उत्तर देने के लिए समूह को संवाद करना पड़ता है — एजेंट अपने अनुमान किसी श्रोता को देते हैं, समूह में प्रसारित करते हैं, या एक प्रबंधक-प्रणाली से पूछते हैं जो एक राय लौटाती है। खेल तब समाप्त होता है जब 85 % या अधिक एजेंट लगातार तीन दौर तक एक ही ध्वज पर सहमत हों, या जब चरणों का बजट समाप्त हो जाए (The Register, 2026)।
यही संरचना इस परिणाम को संचालन-प्रमुख के ध्यान योग्य बनाती है। यह ठीक उस तनाव को अलग करके दिखाती है जो हर एजेंटिक वर्कफ़्लो में मौजूद है: एजेंट का निजी साक्ष्य बनाम शेष पाइपलाइन से आने वाला सामाजिक इनपुट। इन दोनों में मेल बिठाना मॉडल-क्षमता की समस्या नहीं है। यह संचार-संरचना की समस्या है।
लगभग सोलह एजेंट से नीचे, समूह इतने टुकड़े नहीं जुटा पाता कि आत्मविश्वासी सामूहिक उत्तर को उचित ठहराया जा सके। उससे ऊपर विफलता का ढंग उलट जाता है: उपसमूह बनते हैं, और हर उपसमूह अपनी स्थिति को साक्ष्य के बजाय भीतर ही मान्य कर लेता है। तंत्र में कुल सूचना बढ़ती रहने के बावजूद सामूहिक सटीकता गिरती है।
वक्र नीचे क्यों मुड़ता है
अधिकांश रोडमैप जो अंतर्ज्ञान लिए चलते हैं वह यह है कि बहु-एजेंट तंत्र शालीनता से क्षीण होता है — ज़्यादा एजेंट, ज़्यादा शोर, घटता प्रतिफल, अंततः एक पठार। Flag Game का परिणाम पठार से बुरा है। यह गिरावट है, और इसके पीछे का तंत्र तकनीकी नहीं, सामाजिक है।
"केवल और AI एजेंट जोड़ देने से प्रदर्शन आवश्यक रूप से बेहतर नहीं होता — ठीक वैसे ही जैसे और लोग भर्ती कर लेने से कोई कंपनी स्वतः अधिक प्रभावी नहीं हो जाती," Tanaka ने प्रकाशन के समय कहा। "संचार कठिन हो जाता है, और समूह प्रतिस्पर्धी खेमों में बँट सकते हैं" (NTT Research, 2026)।
इसे संचालन-वक्तव्य की तरह पढ़ें तो यह असहज है, क्योंकि ध्रुवीकृत एजेंट-समूह बाहर से टूटे हुए नहीं दिखते। वे आत्मविश्वासी और आंतरिक रूप से संगत आउटपुट देते हैं। सहमति अब भी बनती है — हर खेमे के भीतर। जो गायब होता है वह वही गुण है जो आप खरीद रहे थे: स्वतंत्र साक्ष्य, समेकित रूप में। बीस एजेंट का फ़्लीट जो एक साफ़ पर ग़लत उत्तर देता है, छह एजेंट के उस फ़्लीट से कहीं महँगा है जो अनिश्चित उत्तर देता है — और इन दो स्थितियों में से केवल एक ही आपकी निगरानी में दिखती है।
विक्रेता का प्रोत्साहन उल्टी दिशा में है
दोनों बड़ी प्रयोगशालाओं ने बहु-एजेंट आर्किटेक्चर को AI मूल्य बढ़ाने का रास्ता बताकर बढ़ावा दिया है — OpenAI ने "swarm" ढाँचे और अब Agents SDK के ज़रिए, Anthropic ने बहु-एजेंट ऑर्केस्ट्रेशन के ज़रिए (The Register, 2026)। इस स्थिति-निर्धारण में निहित अर्थ यह है कि उत्पादकता एजेंट-संख्या के साथ बढ़ती है। ध्यान दीजिए कि जब वह बढ़ती है तो भुगतान कौन करता है।
यह बदनीयती का आरोप नहीं है; ऑर्केस्ट्रेशन वास्तव में उपयोगी है। यह इस बात पर टिप्पणी है कि जब शोध कहता है कि उपयोगी दायरा सीमित है और आपूर्ति-शृंखला में किसी को भी वह सीमा आपके लिए खोजने का प्रोत्साहन नहीं है, तब डिफ़ॉल्ट सलाह किस ओर इशारा करती है।
16 से ज़्यादा मायने रखने वाले दो निष्कर्ष
सुर्खी वाली संख्या साल भर उद्धृत होगी। पर मध्य-बाज़ार की संचालन टीम सोमवार को क्या करती है, यह दो गौण निष्कर्ष बदलते हैं।
संरचना पैमाने को हराती है। शोधकर्ताओं का ढाँचा यह है कि उद्यम AI का प्रदर्शन केवल इस पर निर्भर नहीं करता कि आपने कितने एजेंट तैनात किए, बल्कि इस पर भी कि वे एजेंट कैसे संवाद करते हैं, कैसे संगठित हैं, और मनुष्य उनके सहयोग का मार्गदर्शन कैसे करते हैं (NTT Research, 2026)। उनके शब्दों में चुनौती बड़े AI संगठन बनाना नहीं है — अधिक प्रभावी संगठन डिज़ाइन करना है।
मॉडल-विविधता को डिज़ाइन-चर के रूप में नामित किया गया है। शोध संगठनात्मक सफलता को पैमाने, संचार, संरचना और मॉडल-विविधता के संतुलन के रूप में रखता है, जहाँ एजेंट एक-दूसरे की नकल के बजाय पूरक बनें। सार्वजनिक विवरण मिश्रित-मॉडल बनाम एकल-मॉडल टीमों की कोई परिमाणित तुलना प्रकाशित नहीं करता, इसलिए इस दिशा को मापा गया प्रभाव नहीं, लेखकों का डिज़ाइन-मार्गदर्शन मानिए — पर ध्यान रहे कि यह "एक ही विक्रेता पर मानकीकरण" की उस प्रवृत्ति के सीधे विरुद्ध है जो अधिकांश खरीद-विभागों का डिफ़ॉल्ट है।
विविधता वाले बिंदु को स्वतंत्र समर्थन क्यों प्राप्त है
एक अलग साक्ष्य-आधार भी उसी दिशा में इशारा करता है। 19 अध्ययनों और 61 प्रभाव-आकारों को समेटती एक व्यवस्थित समीक्षा और मेटा-विश्लेषण में पाया गया कि जनरेटिव AI के साथ सह-सृजन आउटपुट में छोटा किंतु सुदृढ़ समरूपीकरण उत्पन्न करता है, d = 0.334, जिसे प्रकाशन-पूर्वाग्रह से नहीं समझाया जा सकता (de Rooij & Biskjaer, 2026)। तंत्र है एंकरिंग: मॉडल आरंभ-बिंदु देता है, मनुष्य विस्तार करता है, और विस्तार गुणवत्ता बचाता है पर स्वतंत्रता नष्ट कर देता है।
उन अध्ययनों ने AI-सहायता प्राप्त कार्य की तुलना बिना-सहायता कार्य से की थी, न कि एकल-विक्रेता संगठनों की बहु-विक्रेता संगठनों से। विक्रेता-संकेंद्रण तक विस्तार एक अनुमान है, निष्कर्ष नहीं — मैं इसे स्पष्ट रूप से चिह्नित कर रही हूँ। पर अब दो स्वतंत्र शोध-धाराएँ एक ही संचालन-सावधानी पर मिलती हैं: समान पूर्वधारणाओं से खींचने वाला एजेंट-समूह तेज़ी से सहमत होगा और कम अर्थ रखेगा। Flag Game में सहमति जीत की शर्त है। आपके व्यवसाय में सहमति ठीक वही चीज़ है जिसे आप परखना चाह रहे थे।
16 क्या नहीं है
तीन सीमाएँ, इससे पहले कि कोई इसे नीति बना दे।
यह हस्तांतरणीय स्थिरांक नहीं है। सोलह एक विशिष्ट संचार-संरचना और विशिष्ट रुकने के नियम वाले एकल कृत्रिम सहमति-कार्य का शिखर है। दस्तावेज़-निष्कर्षण पाइपलाइन, कोड-समीक्षा फ़्लीट और ग्राहक-ट्राइएज प्रणाली की साक्ष्य-संरचनाएँ भिन्न हैं और उनका शिखर कहीं और होगा — शायद चार पर, शायद चालीस पर।
यह एजेंट की गुणवत्ता के बारे में दावा नहीं है। गिरावट समूह के संचार का गुण है, किसी एकल एजेंट के तर्क का नहीं। बेहतर मॉडल इसे स्पष्ट रूप से ठीक नहीं करते; अधिक स्वतंत्र साक्ष्य-स्रोत शायद करें।
यह कार्यशाला-पत्र है, दीर्घकालिक उद्यम-अध्ययन नहीं। AI4Good समकक्ष-समीक्षित ICML कार्यशाला-ट्रैक है, यानी विश्वसनीय आरंभिक-चरण विज्ञान — उत्पादन परिनियोजनों में दोहराया गया क्षेत्रीय परिणाम नहीं। इसे कैलिब्रेशन-तालिका नहीं, किसी तंत्र के बारे में सुगठित चेतावनी मानिए।
तीनों के बाद जो बचता है वह है असममिति। यदि एजेंट-संख्या के सापेक्ष सामूहिक प्रदर्शन उलटा U है, बढ़ती सीधी रेखा नहीं, तो हर एजेंटिक रोडमैप को एक ऐसी संख्या चाहिए जहाँ वह रुकता है — और लगभग किसी के पास वह नहीं है।
वह मानवीय तुलना जो आप पहले से चला रहे हैं
Tanaka की भर्ती वाली उपमा सजावट नहीं है। संचालन-प्रमुख पहले से एक समन्वय-सीमा संभालते हैं और उसकी संख्या भी जानते हैं, क्योंकि वह संगठन-चार्ट पर लिखी है।
Gallup के 2026 के स्पैन-ऑफ़-कंट्रोल आँकड़े औसत अमेरिकी प्रबंधक को 12.1 प्रत्यक्ष रिपोर्ट पर रखते हैं, पिछले वर्ष के 10.9 से ऊपर — पर माध्यिका 2013 से पाँच-छह पर टिकी है, और औसत को ऊपर खींचने वाली 25 से बड़ी टीमों की एक पतली पूँछ है (Gallup, 2026)। कोई यह तर्क नहीं देता कि 40 रिपोर्ट वाला प्रबंधक 13 रिपोर्ट वाले से 3 गुना प्रभावी है। हम सही ही मानते हैं कि समन्वय-लागत लाभ खा जाती है।
एजेंट फ़्लीट को इस तर्क से केवल एक कारण से छूट मिली: सीमांत पर एजेंट मुफ़्त दिखते हैं। सटीकता के हिसाब से वे सीमांत पर मुफ़्त नहीं हैं, और Flag Game पहला साफ़ प्रमाण है कि सटीकता की लागत खर्च-पंक्ति से पहले आ जाती है।
इस बीच परिनियोजन-वक्र प्रतीक्षा नहीं कर रहा। Microsoft का 2026 Work Trend Index बताता है कि Microsoft 365 पारिस्थितिकी में सक्रिय एजेंट साल-दर-साल 15 गुना और बड़े उद्यमों में 18 गुना बढ़े हैं (Microsoft, 2026)। फ़्लीट के आकार अभी तय हो रहे हैं — जो भी वर्कफ़्लो कॉन्फ़िगर कर रहा है उसके द्वारा, बिना किसी घोषित सीमा के।
फ़्लीट को डिज़ाइन कीजिए, केवल आकार मत दीजिए
चार कदम, सस्ते से महँगे के क्रम में।
प्रति कार्य फ़्लीट-आकार की सीमा तय कीजिए और उसे लिख लीजिए। वैश्विक नीति नहीं — प्रति वर्कफ़्लो एक संख्या, सोच-समझकर चुनी गई, वर्कफ़्लो के साथ दर्ज। मूल्य से अधिक महत्व इस बात का है कि कोई ऐसा मूल्य मौजूद हो जिसका कोई ज़िम्मेदार हो।
अगला सीमांत डॉलर निर्देश पर खर्च कीजिए, संख्या पर नहीं। शोध का केंद्रीय दावा यह है कि मनुष्य तंत्र को कैसे संरचित और निर्देशित करते हैं, यही सामूहिक प्रदर्शन को हिलाता है। मौजूदा फ़्लीट के लिए कार्य-विनिर्देश स्पष्ट करना एक दोपहर का काम है; सत्रहवाँ एजेंट एक लाइसेंस माँगता है और सटीकता भी माँग सकता है।
जहाँ कार्य निर्णय का है, थ्रूपुट का नहीं, वहाँ मॉडल जान-बूझकर मिलाइए। यांत्रिक समानांतर काम के लिए एकरूपता ठीक है और संचालन में सरल भी। पर जहाँ फ़्लीट परस्पर विरोधी साक्ष्य तौलने के लिए है, वहाँ समान पूर्वधारणाएँ ही विफलता का ढंग हैं — और एक ही विक्रेता पर मानकीकरण वहाँ पहुँचने का सबसे तेज़ रास्ता।
केवल सटीकता नहीं, ध्रुवीकरण को भी मापिए। सहमति की गतिकी दर्ज कीजिए: सहमति कितनी तेज़ी से बनती है, उससे पहले कितने अलग उत्तर-समूह उभरते हैं, पैमाना बढ़ने पर असहमति पहले तो नहीं मिट जाती। जो फ़्लीट बड़ा होते-होते तेज़ी से अभिसरण करने लगे, वह आपको सुधार नहीं, चेतावनी दिखा रहा है।
इस तिमाही का एक निर्णय
अपना सबसे अधिक दाँव वाला एजेंटिक वर्कफ़्लो लीजिए — वह जिसका आउटपुट किसी ग्राहक, नियामक या P&L तक जाता है। उसे मौजूदा फ़्लीट-आकार पर चलाइए, फिर आधे पर। यदि सटीकता टिकी रहे, तो आपको मुफ़्त मार्जिन और एक कार्यशील सीमा मिल गई। यदि गिरे, तो आपके पास पहले से चुने गए आकार के पक्ष में प्रमाण है — जो अधिकांश रोडमैप से अधिक है।
एजेंट-विस्तार को वित्त देने वाला प्रश्न है हम कितने चला सकते हैं। यह काम करेगा या नहीं, यह तय करने वाला प्रश्न है कितनों को आपस में बात करनी चाहिए। इनमें से केवल एक का उत्तर शोध में है, और वह आपके विक्रेता की स्लाइड के संकेत से छोटा है।
