Resumen: Los modelos de lenguajes grandes demuestran capacidades notables, pero siguen siendo fundamentalmente probabilísticos, lo que presenta desafíos críticos de confiabilidad para la implementación empresarial. Presentamos el Agente Six Sigma, una arquitectura novedosa que logra confiabilidad de nivel empresarial a través de tres componentes sinérgicos: (1) descomposición de tareas en un árbol de dependencia de acciones atómicas; (2) muestreo de microagentes donde cada tarea se ejecuta n veces en paralelo en diversos LLM para generar resultados independientes; y (3) votación por consenso con escalamiento dinámico, agrupación de resultados y selección de la respuesta del grupo ganador con el máximo de votos. Demostramos que el muestreo de n salidas independientes con una tasa de error p logra un error del sistema O(p^{ceil(n/2)}), lo que permite ganancias de confiabilidad exponenciales. Incluso utilizando modelos más baratos con un error por acción del 5%, la votación por consenso con cinco agentes reduce el error al 0,11%; El escalado dinámico a 13 agentes logra 3,4 DPMO (Defectos por millón de oportunidades), el estándar Six Sigma. La evaluación de tres casos de uso empresarial demuestra una mejora de la confiabilidad 14,700 veces superior a la ejecución con un solo agente y, al mismo tiempo, reduce los costos en un 80 %. Nuestro trabajo establece que la confiabilidad en los sistemas de IA surge de la redundancia y el consenso de principios y no solo del escalamiento del modelo.
Publicado originalmente en export.arxiv.org el 1 de febrero de 2026.
Ver fuente original
