Escrito por Marcello Ronchietto , Jefe de Datos y Analítica de Palexpo Ginebra y miembro del Grupo de Trabajo de Innovación Digital de la UFI .
Sí, otro concepto de IA, uno más, pero este no es solo otra palabra de moda. Intentaré presentar esta idea que sin duda merece su atención. No entraré en detalles sobre qué es un agente, ya que Stephan lo explicó (véase su artículo « Exhibiciones y el auge de los agentes | Blog de UFI» ), pero sí explicaré cómo varios agentes pueden automatizar partes de un proceso o incluso flujos de trabajo completos.
De hecho, la orquestación multiagente se refiere a la coordinación de múltiples agentes de IA, cada uno responsable de una tarea específica, que trabajan juntos para lograr un objetivo complejo. Las plataformas sin código o de bajo código facilitan la implementación de este concepto, incluso para pequeñas empresas. Por lo tanto, sí, la orquestación multiagente podría adoptarse con mayor facilidad.
¿Por qué la orquestación multiagente?
Es posible que ya lo haya experimentado: durante una conversación con un modelo de lenguaje grande (LLM), a veces la respuesta omite información clave al formular varias preguntas en una sola solicitud. Los LLM suelen funcionar mejor cuando se les hace una pregunta a la vez, y la misma lógica se aplica a los agentes: rinden mejor cuando se les asigna una tarea única y bien definida. Por lo tanto, si planea implementar un agente en un flujo de trabajo complejo y espera resultados fiables, considere la orquestación multiagente con «agentes especializados» que distribuyan las responsabilidades, en lugar de depender de un «agente de propósito general». Este enfoque es descrito por Pascal Bornet et al. (2025) como el principio de «Un agente, una herramienta».
¿Cómo funciona?
La orquestación multiagente se puede construir utilizando dos arquitecturas principales: centralizada o descentralizada (Bornet et al., 2025).
Arquitectura centralizada: Un «Agente Orquestador» coordina las acciones de otros agentes especializados. Veamos un ejemplo sencillo con un chatbot para asistentes:
El “Agente Orquestador” interactúa con el asistente, aclara dudas y luego solicita información a agentes especializados que tienen acceso a conjuntos de datos específicos.
¿Quieres saber más sobre los chatbots? Celia escribió un artículo sobre este tema (ver Chatbots: Una puerta de entrada a la IA en las exposiciones | Blog de UFI ).
Arquitectura descentralizada : sin agente orquestador. Los agentes se comunican en una secuencia definida, cada uno realizando una única tarea en el flujo de trabajo.
Por ejemplo, si está creando un programa para una conferencia: el agente 1 recopila información, el agente 2 la formatea, el agente 3 la verifica y el último la envía a una persona para su validación antes de su publicación.
Además, IBM (2025) introduce marcos de orquestación jerárquicos y federados, que ofrecen enfoques más matizados para coordinar agentes de IA en entornos complejos y distribuidos.
¿Cuál usar? Depende de muchos factores: tu caso de uso, datos, complejidad, seguridad, herramientas, procesos internos, etc., y a veces tu confianza en la propia tecnología.
Limitaciones de importación a tener en cuenta
En primer lugar, los LLM son cajas negras no deterministas. Los agentes pueden comportarse de forma inesperada. Es necesario realizar numerosas pruebas para mejorar las instrucciones estrictas y coordinar a los agentes de forma eficaz. Se deben introducir técnicas de «ingeniería de contexto» para obtener mejores resultados de los agentes. Algunas plataformas de bajo código y sin código suelen admitir estos ajustes, lo que ayuda a las organizaciones a mantener un mayor control sobre la orquestación multiagente.
Más allá de la coordinación técnica, la claridad organizativa es esencial: los flujos de trabajo internos deben estar claramente definidos y los roles humanos bien estructurados antes de implementar la orquestación multiagente. Un artículo esclarecedor de Forbes Francia (2025) destaca varias limitaciones críticas y nos recuerda que la IA agentiva no es una solución milagrosa. Sin una estrategia clara, una orquestación sólida y la preparación organizativa necesaria, los proyectos pueden fracasar.
Conclusión
Comenzar con flujos de trabajo sencillos puede ser una buena opción, pero antes de adentrarse en la orquestación multiagente, conviene preguntarse: «¿Realmente necesito agentes?». Muchos flujos de trabajo no requieren comprensión del lenguaje natural ni toma de decisiones complejas, por lo que una automatización tradicional puede ser suficiente.
La orquestación multiagente abre nuevas oportunidades, y será emocionante ver cómo este concepto se integrará en nuestra industria.