Acrescente agentes a uma tarefa e a precisão coletiva sobe — até cerca de dezasseis. A partir daí cai, e o grupo deixa de convergir para uma resposta e começa a dividir-se em campos que se confirmam mutuamente (NTT Research, 2026). Não é um limite de capacidade. Não é um limite de custo. É um limite de coordenação — o mesmo que governa equipas humanas, a chegar a um roteiro que assumia que mais agentes significavam mais resultado.
O número em si é específico da tarefa e não se transfere para os seus fluxos de trabalho. O que se transfere é a forma da curva, e essa forma transforma o tamanho da frota de agentes de variável de compras em variável de desenho: em qualquer implementação agêntica existe um ponto a partir do qual o agente marginal subtrai.
O que o Flag Game realmente mediu
A experiência vem de Elizabeth Pavlova, senior data scientist no Center for Brain Science de Harvard, e de Hidenori Tanaka, que dirige o Physics of Artificial Intelligence Lab da NTT Research e o Physics of Intelligence Program no Harvard CBS. O artigo — Flag Game: Interpreting Decision Mechanisms of Bounded Social Agents — foi apresentado no workshop AI4Good da ICML 2026 (Pavlova & Tanaka, 2026).
O desenho é deliberadamente sóbrio. Cada agente vê apenas um pequeno fragmento, atribuído aleatoriamente, de uma bandeira nacional oculta. Nenhum agente consegue identificá-la sozinho. Para responder, a população tem de comunicar — os agentes passam os seus palpites a um ouvinte, difundem-nos ao grupo, ou consultam um sistema gestor que devolve uma opinião. O jogo termina quando 85 % ou mais dos agentes concordam na mesma bandeira ao longo de três rondas consecutivas, ou quando se esgota o orçamento de passos (The Register, 2026).
É essa estrutura que torna o resultado relevante para quem lidera operações. Isola exatamente a tensão contida em qualquer fluxo agêntico: a evidência privada de um agente contra o input social que chega de todo o resto do pipeline. Reconciliar as duas coisas não é um problema de capacidade do modelo. É um problema de estrutura de comunicação.
Abaixo de cerca de dezasseis agentes, a população não consegue reunir fragmentos suficientes para justificar uma resposta coletiva confiante. Acima, o modo de falha inverte-se: formam-se subgrupos, e cada um valida a sua posição internamente em vez de a confrontar com a evidência. A precisão coletiva desce mesmo com a informação total do sistema a continuar a crescer.
Porque é que a curva se inverte
A intuição que a maioria dos roteiros carrega é que um sistema multiagente se degrada suavemente — mais agentes, mais ruído, retornos decrescentes, por fim um patamar. O resultado do Flag Game é pior do que um patamar. É um declínio, e o mecanismo por trás dele é social, não técnico.
«Acrescentar simplesmente mais agentes de IA não melhora necessariamente o desempenho — tal como contratar mais pessoas não torna automaticamente uma empresa mais eficaz», declarou Tanaka na publicação. «A comunicação torna-se mais difícil, e os grupos podem dividir-se em campos concorrentes» (NTT Research, 2026).
Lido como afirmação operacional, é incómodo, porque populações de agentes polarizadas não parecem avariadas vistas de fora. Produzem resultados confiantes e internamente coerentes. O consenso continua a formar-se — dentro de cada campo. O que desaparece é a propriedade que estava a comprar: evidência independente, agregada. Uma frota de vinte agentes que devolve uma resposta nítida e errada é muito mais cara do que uma frota de seis que devolve uma incerta, e apenas um desses dois estados aparece na sua monitorização.
O incentivo do fornecedor aponta ao contrário
Ambos os grandes laboratórios promoveram arquiteturas multiagente como a via para escalar o valor da IA — a OpenAI através do enquadramento «swarm» e agora do Agents SDK, a Anthropic através da orquestração multiagente (The Register, 2026). A implicação desse posicionamento é que a produtividade sobe com o número de agentes. Repare em quem paga quando isso acontece.
Não é uma acusação de má-fé; a orquestração é genuinamente útil. É uma nota sobre a direção para onde aponta o conselho por defeito quando a investigação diz que o intervalo útil é limitado e ninguém na cadeia de fornecimento tem incentivo para encontrar esse limite por si.
As duas descobertas que importam mais do que o 16
O número de manchete será citado durante um ano. As duas conclusões secundárias são as que mudam o que uma equipa de operações do mercado médio faz na segunda-feira.
A estrutura vence a escala. O enquadramento dos investigadores é que o desempenho da IA empresarial depende não só de quantos agentes se implantam, mas de como esses agentes comunicam, como estão organizados e como os humanos orientam a sua colaboração (NTT Research, 2026). O desafio, nas suas palavras, não é construir organizações de IA maiores — é desenhar organizações mais eficazes.
A diversidade de modelos é nomeada como variável de desenho. A investigação posiciona o sucesso organizacional como um equilíbrio entre escala, comunicação, estrutura e diversidade de modelos, com agentes que se complementam em vez de se duplicarem. A comunicação pública não publica uma comparação quantificada entre equipas multimodelo e de modelo único, pelo que a direção deve ser tratada como orientação de desenho dos autores e não como efeito medido — mas note que aponta frontalmente contra o instinto de padronizar num único fornecedor, o default da maioria das funções de compras.
Porque é que o ponto da diversidade tem apoio independente
Existe uma base de evidência separada a apontar no mesmo sentido. Uma revisão sistemática com meta-análise sobre 19 estudos e 61 tamanhos de efeito concluiu que a cocriação com IA generativa produz uma homogeneização do resultado pequena mas robusta, d = 0,334, não explicada por viés de publicação (de Rooij & Biskjaer, 2026). O mecanismo é a ancoragem: o modelo fornece o ponto de partida, o humano elabora, e a elaboração preserva a qualidade enquanto destrói a independência.
Esses estudos compararam trabalho assistido por IA com trabalho não assistido, e não organizações de fornecedor único com multifornecedor. A extensão à concentração de fornecedores é uma inferência, não um achado — assinalo-o como tal. Mas duas linhas de investigação independentes convergem agora na mesma cautela operacional: uma população de agentes a beber de priores idênticos concordará mais depressa e significará menos. No Flag Game, o acordo é a condição de vitória. No seu negócio, o acordo é precisamente aquilo que estava a tentar testar.
O que 16 não é
Três limites, enunciados antes de alguém os transformar em política.
Não é uma constante transferível. Dezasseis é o pico para uma única tarefa sintética de consenso, com uma topologia de comunicação e uma regra de paragem específicas. Um pipeline de extração documental, uma frota de revisão de código e um sistema de triagem de clientes têm estruturas de evidência diferentes e vão atingir o pico noutro ponto — talvez em quatro, talvez em quarenta.
Não é uma afirmação sobre a qualidade dos agentes. O declínio é uma propriedade da comunicação da população, não do raciocínio de qualquer agente individual. Modelos melhores não o corrigem de forma óbvia; fontes de evidência mais independentes talvez sim.
É um artigo de workshop, não um estudo empresarial longitudinal. O AI4Good é um track de workshop da ICML com revisão por pares, ou seja, ciência credível em fase inicial — não um resultado de campo replicado em implementações em produção. Trate-o como um aviso bem construído sobre um mecanismo, não como uma tabela de calibração.
O que sobrevive aos três é a assimetria. Se o desempenho coletivo em função do número de agentes é um U invertido e não uma reta crescente, então todo o roteiro agêntico precisa de um número onde pára — e quase nenhum o tem.
A comparação humana que já está a gerir
A analogia de Tanaka com a contratação não é decorativa. Quem lidera operações já gere um teto de coordenação e já conhece o número, porque ele está no organograma.
Os dados Gallup 2026 sobre span of control colocam o gestor norte-americano médio em 12,1 reportes diretos, acima dos 10,9 do ano anterior — mas a mediana mantém-se em cinco a seis desde 2013, com a média puxada para cima por uma cauda fina de equipas acima de 25 (Gallup, 2026). Ninguém defende que um gestor com 40 reportes seja 3x mais eficaz do que um com 13. Assumimos, corretamente, que o custo de coordenação come o ganho.
As frotas de agentes ficaram isentas desse raciocínio por uma única razão: à margem, os agentes parecem gratuitos. Não são gratuitos à margem em termos de precisão, e o Flag Game é a primeira demonstração limpa de que o custo em precisão chega antes da linha de despesa.
Entretanto, a curva de adoção não espera. O Work Trend Index 2026 da Microsoft reporta agentes ativos no ecossistema Microsoft 365 a crescer 15x ano após ano, e 18x nas grandes empresas (Microsoft, 2026). Os tamanhos de frota estão a ser fixados agora, por quem quer que configure o fluxo, contra nenhum teto declarado.
Desenhe a frota, não se limite a dimensioná-la
Quatro movimentos, por ordem de quão baratos são.
Fixe um teto de tamanho de frota por tarefa e escreva-o. Não uma política global — um número por fluxo de trabalho, escolhido deliberadamente, registado ao lado do fluxo. Menos importa o valor do que a existência de um valor pelo qual alguém responde.
Gaste o próximo dólar marginal em instrução, não em efetivos. A afirmação central da investigação é que a forma como os humanos estruturam e orientam o sistema move o desempenho coletivo. Clarificar a especificação da tarefa para uma frota existente custa uma tarde; o décimo sétimo agente custa uma licença e pode custar precisão.
Misture modelos deliberadamente onde a tarefa é julgamento, não débito. Para trabalho paralelo mecânico, a homogeneidade serve e é mais simples de operar. Onde a frota existe para pesar evidência conflituante, priores idênticos são o modo de falha — e padronizar num só fornecedor é o caminho mais rápido para lá chegar.
Instrumente para a polarização, não só para a precisão. Registe a dinâmica de acordo: com que rapidez se forma o consenso, quantos clusters de resposta distintos aparecem antes disso, se a discordância desaparece mais cedo à medida que escala. Uma frota que converge mais depressa à medida que cresce está a mostrar-lhe o sinal de alarme, não a melhoria.
Uma decisão para este trimestre
Pegue no seu fluxo agêntico de maior risco — aquele cujo resultado vai para um cliente, um regulador ou a demonstração de resultados. Execute-o com o tamanho de frota atual e depois com metade. Se a precisão se mantiver, encontrou margem grátis e um teto funcional. Se cair, tem evidência a favor do tamanho que já escolheu, o que é mais do que a maioria dos roteiros consegue produzir.
A pergunta que financia a expansão de agentes é quantos conseguimos correr. A pergunta que determina se funciona é quantos deveriam estar a falar uns com os outros. Só uma delas tem resposta na investigação, e é mais pequena do que o slide do seu fornecedor sugere.
