Comparar un agente de presupuestos con cuatro agentes frente a uno solo

A quién le sirve. Equipos que quieren automatizar presupuestos o pedidos y no saben si compensa un agente sencillo o uno complejo.

Qué hicieron

Un desarrollador quiso comprobar una idea publicada por Anthropic: que un solo agente que carga sus propias instrucciones suele rendir mejor que un coordinador con varios agentes especialistas. Con Claude Code montó una oficina de presupuestos inventada (una empresa de mobiliario de oficina) con 4 productos, 6 clientes y 12 correos con trampa, como pedir una cantidad escrita con letras o un descuento por encima de lo permitido. Probó los dos diseños tres veces con cada correo y corrigió las respuestas con un programa que conocía la solución exacta, no con otra IA.

Cómo salió

Con ocho comprobaciones por presupuesto, el agente solo acertó 36 de 36 y los cuatro agentes 29 de 36. El agente solo tardó 7,3 segundos por presupuesto frente a 13,9 y costó unos 2 céntimos de dólar frente a 4,1. En un caso, el coordinador repitió un precio mal y el presupuesto salió con 288.000 coronas en lugar de 259.200.

Conviene saber

Es una prueba pequeña con datos inventados y un solo modelo, así que no vale como regla general. Sirve sobre todo como método: una prueba con respuestas conocidas te dice qué diseño funciona mejor en tu caso.

Qué necesitas

• Claude Code instalado
• Una clave de API de Claude con saldo
• Tus reglas reales de precios, descuentos, plazos y pago
• Una docena de correos de ejemplo (puedes inventarlos)
• Algo de soltura para ejecutar un programa en el terminal

Cómo hacerlo tú, paso a paso

1. Escribe tus reglas de precios, descuentos, plazos y cobro en lenguaje llano.
2. Prepara unos datos de prueba: productos, clientes, stock y 10 o 12 correos, cada uno con una trampa.
3. Pide a Claude Code que programe un corrector que calcule la solución exacta de cada correo a partir de tus reglas.
4. Pide dos versiones del agente con las mismas herramientas y las mismas reglas: una con varios especialistas y otra con uno solo.
5. Ejecuta primero una versión de ensayo sin gastar saldo para comprobar que todo se enchufa bien.
6. Lanza cada correo tres veces por diseño y compara aciertos, tiempo y coste.
7. Revisa los correos donde fallan y ajusta tus reglas escritas antes de pasar a usarlo con clientes.

Quiero comparar dos formas de montar un agente que redacta presupuestos para [tu tipo de negocio]. Crea un archivo con datos inventados: [3 o 4] productos con precio, [5 o 6] clientes, el stock y las reglas de descuento, plazos y pago. Añade 12 correos de clientes, cada uno con una trampa distinta, por ejemplo una cantidad justo en el límite de un descuento. Escribe un programa que calcule la respuesta correcta a cada correo a partir de las reglas, para corregir sin usar otra IA. Monta el diseño A: un coordinador con especialistas. Monta el diseño B: un solo agente que lee las reglas cuando las necesita. Ejecuta cada correo tres veces en cada diseño y dime aciertos, tiempo y coste. Has terminado cuando tengas una tabla comparativa y la lista de correos donde los diseños discreparon.

Consejos

• No cambies el texto de las reglas entre un diseño y otro, o estarás comparando dos cosas a la vez.
• Corrige con un programa y una solución fija, no con otra IA, que puede dar por buena una cifra equivocada si suena segura.
• Repite cada prueba varias veces: un solo intento puede engañar.

Preguntas frecuentes

Fuentes

• @kimolsen en DEV ↗

En el directorio desde el 25 de octubre de 2026.