Tim peneliti dari Center for Brain Science (CBS) Harvard dan Physics of Artificial Intelligence (PAI) Lab NTT menemukan titik jenuh dalam pengerahan agen kecerdasan buatan di perusahaan. Alih-alih makin produktif, agen dalam jumlah besar justru menimbulkan polarisasi dan memperlambat pengambilan keputusan. Temuan ini akan dipresentasikan di konferensi ICML 2026 Workshop AI4GOOD.
Untuk menguji interaksi antar-agen, para peneliti menciptakan permainan tebak bendera. Setiap agen hanya mendapat potongan kecil gambar bendera nasional dan harus berkomunikasi dengan agen lain untuk mencapai kesimpulan bersama. Aturannya sederhana: permainan berakhir jika 85 persen agen sepakat pada bendera yang sama selama tiga putaran berturut-turut.
Hasilnya mencengangkan. Performa tim agen meningkat seiring bertambahnya jumlah anggota, tapi hanya sampai angka 16. Di bawah jumlah itu, agen kekurangan bukti untuk mencapai konsensus. Di atasnya, mereka justru terpolarisasi dan membentuk kubu-kubu yang saling menguatkan posisi masing-masing.
"Penelitian kami menunjukkan bahwa sekadar menambah jumlah AI agent tidak otomatis meningkatkan performa—sama seperti merekrut lebih banyak karyawan tidak otomatis membuat perusahaan lebih efektif," kata Hidenori Tanaka, kepala PAI Lab NTT yang juga menjabat associate professor di Harvard CBS, dalam pernyataan resmi. Elizabeth Pavlova, senior data scientist Harvard CBS yang ikut dalam riset, menambahkan bahwa komunikasi antar-agen justru makin sulit ketika populasinya membengkak.
Temuan ini secara langsung menantang strategi yang digaungkan oleh OpenAI dan Anthropic. Kedua raksasa AI itu sama-sama mempromosikan arsitektur multi-agen—OpenAI menyebutnya "swarm" sebelum mengganti istilahnya menjadi "OpenAI Agents SDK", sementara Anthropic fokus pada "multi-agent orchestration". Narasi dominan mereka selama ini: makin banyak agen yang dijalankan, makin tinggi produktivitas. Implikasinya, klien pun didorong untuk membeli lebih banyak kuota.
Bagi perusahaan Indonesia yang mulai bereksperimen dengan AI agent untuk otomatisasi layanan pelanggan, analisis data, atau proses bisnis internal, riset ini memberikan peringatan dini. Efisiensi tidak datang dari jumlah agen yang sebanyak mungkin, melainkan dari desain sistem yang memperhitungkan batas kemampuan komunikasi dan konsensus. "Fokus pada kualitas, bukan kuantitas," tulis Pavlova dan Tanaka dalam makalah mereka—sebuah pesan yang mungkin tidak ingin didengar oleh vendor yang menjual agen per unit.