slug: "2026-02-24-inside-study-architectures-benchmarks-shocking-results" title: "Inne i studien: Arkitekturer, benchmarks och chockerande resultat" date: "2026-02-24" description: "Inne i studien: Arkitekturer, benchmarks och chockerande resultat. De tre skalningslagarna: Förutsägbara mönster i agent svärmar." tags: ["orchestration", "safety", "agents", "MCP", "A2A"] image: "/insights/images/2026-02-24-inside-study-architectures-benchmarks-shocking-results.webp" imageAlt: "Professionella som strategiserar EU-kompatibla agentsystem i en nordisk lodge med utsikt över fjorden" imageHeading: 4

## Inne i studien: Arkitekturer, benchmarks och chockerande resultat

Forskningen testade **fem arkitekturer**—**Single-Agent System (SAS)**, **Independent**, **Centralized**, **Decentralized** och **Hybrid**—med frontier-modeller som **GPT-5**, **Gemini-2.5** och **Claude 4.5** på fyra benchmarks: **Finance-Agent** (finansiellt resonemang), **BrowseComp-Plus** (webbnavigering), **PlanCraft** (sekventiell planering) och **Workbench** (verktygsanvändning).[2]

Här är en ögonblicksbild av prestandaförändringar jämfört med SAS-baslinjen:

| Benchmark          | Best Multi-Agent Gain | Worst Degradation | Top Architecture    |
|--------------------|-----------------------|-------------------|---------------------|
| Finance-Agent     | **+80.9%**           | -17%             | Centralized        |
| BrowseComp-Plus   | **+9.2%**            | -12%             | Decentralized      |
| PlanCraft         | N/A                  | **-39% till -70%** | None (all worse)   |
| Workbench         | +15%                 | -25%             | Hybrid             |

*Tabell: Viktiga prestandaförändringar från Google/MIT-studien. Centralized utmärker sig på parallella uppgifter; alla varianter misslyckas på sekventiella.*[1]

**Centralized-uppställningar** (hub-and-spoke, med en orkestrerare som delegerar deluppgifter som intäktstrender eller kostnadsuppdelningar) dominerade parallella arbetsbelastningar. I Finance-Agent delade agenter upp analysen—marknadstrender till en, konkurrenter till en annan—vilket gav sammansatta insikter under tät koordination.[4] Däremot led **sekventiella uppgifter** som PlanCraft av **kommunikationsöverhead**, som fragmenterade resonemanget inom fasta tokenbudgetar och ökade antalet vändningar med **n^1.724** när antalet agenter skalades.[2]

Felprocenterna berättade en mörkare historia: **Oberoende agenter förstärkte misstag 17,2 gånger**, medan **centralized-topologier begränsade det till 4,4 gånger** via valideringsgrindar—som fungerar som en **inbyggd säkerhetsfunktion**.[3] "Multi-agentsystem är inte en universell lösning—de kan antingen avsevärt förbättra eller oväntat försämra prestandan," noterar Google Research-bloggen.[1]

## De tre skalningslagarna: Förutsägbara mönster i agent svärmar

Studien destillerade insikter till **tre skalningslagar**, underbyggda av prediktiva modeller (**R²=0.513**) som förutspår optimala arkitekturer för **87 % av osedda uppgifter** med indata som antal verktyg och dekomponibilitet.[2]

**Lag 1: Verktyg-koordinationsavvägning (β=-0.330, p<0.001).** Multi-agenter vacklar på verktygstunga uppgifter; overhead exploderar när verktygen multipliceras, vilket drabbar team hårdare än solo-agenter. I Workbench utspädde extra koordineringstokens fokus och straffade **decentralized**-uppställningar mest.[5]

**Lag 2: Kapacitetsmättnad (β=-0.408, p<0.001).** Om din single-agent-baslinje överstiger **45 % noggrannhet** ger tillägg av agenter **avtagande eller negativa avkastningar**. Varför? Starka solo-agenter mättar redan; team lägger bara till brus. "Kasta inte bra agenter efter dåliga," varnar Holistic AI.[6]

**Lag 3: Topologi-beroende fel förstärkning.** Fel kasaskaderar i peer-to-peer **decentralized**-system men innehålls i **centralized**-system. MIT-forskare kallar arkitektur en "säkerhetsfunktion" som begränsar spridning genom tillsynslager.[3]

**Slutsats: Använd den prediktiva modellen tidigt.** Mata in uppgiftens dekomponibilitet (parallell vs. sekventiell) och baslinje-prestanda för att simulera ROI—undvik **515 % token-svullnad** vid felmatchningar.

## Företagsavvägningar: Centralized-kraft vs. Decentralized-flexibilitet

I styrelserum kokar valet ner till **uppgiftstopologi**. Parallelliserbara arbetsflöden—som ett finansiellt dashboard som aggregerar intäktsprognoser, kostnadskontroller och marknadsscanningar—skriker efter **centralized-orkestrering**. Här skiner **MCP-protokoll**, som delar kontext via en hub för att förhindra silos, precis som Up North AIs designer för nordiska banker som analyserar ESG-rapporter över jurisdiktioner.[1]

Verklig exempel: Ett Fortune 500-företag piloterar agenter för kvartalsvisa resultatförhandsvisningar. Single-agent träffar 42 % noggrannhet; centralized-team hoppar till **72 % (+80,9 %)**, då orkestreraren validerar deluppgifter i realtid.[4] Men byt till sekventiell logistikplanering (PlanCraft-stil), och prestandan rasar **39–70 %**—"enormt mycket," enligt Fortune—på grund av ändlösa handövertaganden som urholkar tankekedjan.[4]

**Decentralized (A2A peer-kommunikation)** har övertag (+9,2 %) på dynamiska miljöer som webbnavigering, där agenter anpassar sig kollaborativt utan flaskhals.[2] Ändå förstärks fel **17 gånger** i oberoende system, en **ROI-dödare** för compliance-tunga operationer. Hybrid? Medelmåttig, men användbar för blandade belastningar.

**Vågat fallgropar: Overhead skalar superlineärt.** Företag ignorerar detta på egen risk—**vändningsantal ~n^1.724** innebär att 10 agenter kan kräva 50 gånger fler interaktioner, vilket spikar latens och kostnader.

## Praktisk guide: Bygga robusta multi-agentsystem

Rustning dina team med detta **beslutsramverk**:

1. **Bedöm dekomponibilitet:** Parallell (t.ex. analys)? Välj **centralized/MCP**. Sekventiell/dynamisk? Testa **decentralized/A2A** eller håll dig till SAS.
2. **Baslinje först:** Om single-agent >45 %, optimera den—**inga team behövs**.
3. **Pilota med mått:** Spåra **fel förstärkning (<5 gånger)**, **token-effektivitet (<200 % overhead)** och **uppgiftssuccess** på delmängder. Använd studiens modell för prognoser.
4. **Orkestrera smart:** Implementera valideringsloopar i centralized-hubs; begränsa verktyg till 3–5 per agent.

Exempel: En svensk tillverknings-VP deployar för triagering av försörjningskedjor. Baslinje SAS: 38 % på parallella disruptionsscanningar. Centralized MCP-svärm: **+65 %**, fångar förbisedda leverantörsrisiker via delegerade kontroller. Piloter bekräftade via A/B-tester, skalning till produktion under **EU AI Act**-skydd.

**Slutsats: Börja smått, mät ortogonalt.** Utvärdera på egna benchmarks som speglar dina arbetsflöden—finans för banker, planering för logistik—inte leksaksuppgifter.

## Nordisk fördel: EU-kompatibel agentorkestrering för hållbar skalning

Nordiska företag som Volvo eller Nokia leder AI-adoption, men **EU AI Act** kräver spårbarhet och riskmitigering. Centralized-topologier passar perfekt: **felinnehållning** via auditerbara loggar stödjer hög-risk-klassificeringar (t.ex. finans).[3]

Up North AI skräddarsyr detta för svenska/finska företag—**agentarbetskraftdesign** fusionerar Google/MIT-lagar med **MCP/A2A**, säkerställer **tillförlitlighetsgranskningar** som flaggar mättnadsrisker. Finska telekombolag använder t.ex. decentralized A2A för nätverksanomalijakt (+9 % vinster), centralized MCP för faktureringsgranskningar (81 % parallell boost)—allt **utfallsteknik** för 10x produktivitet utan regulatoriska böter.

"Fördelar med koordination är uppgiftsberoende," anger uppsatsen.[2] I nordbornas kollaborativa kultur innebär detta hybridpiloter: **kvalitets- & tillförlitlighetsgranskningar** före deployment, vilket ger compliant svärmar som överträffar amerikanska motsvarigheter tyngda av opacitet.

## Bedömning över hype: Teknik för utfall i agenteran

Multi-agent-AI är inte plug-and-play—det är **bedömningsintensivt**. Google/MIT-lagarna motbevisar "skalning blint"-myten, rustar ledare att deploya **81 % boostrar** där det räknas och undvika **70 % bomber**. Koppla detta till strategi: Granska baslinjer, välj topologier via prediktiva modeller och orkestrera med MCP/A2A för robusta arbetsflöden.

På Up North AI förkroppsligar vi taglinen: **"Code is free. Judgment isn't."** Nordiska företag som skalar agenter vinner genom design—levererar pålitliga, hög-ROI-system compliant med EU-regler och stridstestad på företagsinsatser. Framtiden tillhör de som skalar smart, inte bara stort.

## Källor
1. https://research.google/blog/towards-a-science-of-scaling-agent-systems-when-and-why-agent-systems-work  
2. https://arxiv.org/abs/2512.08296  
3. https://www.media.mit.edu/projects/towards-a-science-of-scaling-agent-systems-when-and-why-agent-systems-work/overview  
4. https://fortune.com/2025/12/16/google-researchers-ai-agents-multi-agent-getting-them-to-work  
5. https://evoailabs.medium.com/stop-blindly-scaling-agents-a-reality-check-from-google-mit-0cebc5127b1e  
6. https://www.holisticai.com/blog/dont-throw-good-agents-after-bad