¿Importa la personalidad de los agentes LLM en equipo?

Dar a un agente LLM una personalidad poco amable cambia de forma notable cómo se comunica, pero apenas mueve los resultados cuando la tarea es escribir código. En una negociación competitiva, esa misma personalidad hunde el rendimiento. Esa es la conclusión, más matizada de lo que suele admitirse, de un nuevo estudio publicado en arXiv.

El trabajo When Does Personality Composition Matter for Multi-Agent LLM Teams? ataca una pregunta que muchos equipos dan por respondida sin pruebas: si asignar rasgos de personalidad a los agentes mejora o empeora el trabajo conjunto. Es habitual instruir a un modelo para que actúe como experto crítico y exigente, o como colaborador empático, con la esperanza de que ese tono afine el resultado. Lo que faltaba era medir si ese cambio de estilo se traduce en algo objetivo.

Qué midieron

Los autores manipularon rasgos de personalidad en varios modelos de frontera y los pusieron a trabajar en tres dominios distintos: programación estructurada, colaboración abierta en investigación y regateo competitivo. La variable clave fue la amabilidad (agreeableness). Trabajos previos ya habían mostrado que una amabilidad baja genera lenguaje más adversarial y una alta produce respuestas cooperativas, pero nadie había cruzado de forma sistemática ese estilo de comunicación con el rendimiento real en la tarea. La elección de dominios no es casual: cada uno representa un tipo distinto de coordinación, desde la tarea técnica con respuesta correcta hasta el conflicto de intereses puro.

Qué encontraron

El hallazgo central es que el efecto de la personalidad depende de la estructura de la tarea, y no es uniforme. En programación estructurada, una amabilidad baja provocó grandes cambios en la comunicación entre agentes, pero un efecto mínimo en la finalización de los hitos: el equipo se comunicaba peor, pero entregaba igual. En colaboración abierta y en regateo, en cambio, la misma manipulación degradó el rendimiento de forma sustancial.

La lectura es que cuando la tarea está bien definida y tiene criterios claros de éxito, como pasa en el código, el tono importa poco: el objetivo disciplina al equipo. Cuando la tarea es ambigua o depende de llegar a acuerdos, el tono se vuelve determinante y un agente arisco arruina el resultado. Dicho de otro modo, el tono solo paga cuando el camino hacia el objetivo no está trazado de antemano.

Por qué importa para quien diseña agentes

La moda de repartir personalidades entre subagentes (uno escéptico, otro creativo, otro mediador) parte de la intuición de que la diversidad de carácter mejora la inteligencia colectiva. Este estudio sugiere que esa intuición solo se sostiene según el tipo de trabajo. Para pipelines de código con objetivos medibles, gastar prompt en moldear la personalidad aporta poco. Para tareas abiertas o negociaciones, conviene ir con cuidado: una personalidad mal elegida no es neutral, resta. Conviene recordar también que el estudio mide modelos de frontera actuales, y que un modelo más capaz puede absorber un tono hostil mejor que uno pequeño.

Hay una segunda lectura más sobria. El paper se titula como pregunta y la responde con un «depende», lo que es un recordatorio útil de que muchas prácticas extendidas en el diseño de sistemas multiagente descansan sobre folclore más que sobre evidencia. Medir antes de asumir sigue siendo el consejo poco glamuroso y correcto.

Quien trabaje con subagentes en Claude Code puede sacar algo práctico de aquí: si vuestro flujo es sobre todo código con criterios de aceptación claros, centrad el esfuerzo en las instrucciones de la tarea y no en el carácter del agente. Reservad la afinación de personalidad para los flujos donde de verdad hay que persuadir o consensuar.

En ElephantPink usamos subagentes a diario y reconocemos la tentación de antropomorfizarlos. Este tipo de estudios ayuda a separar lo que funciona de lo que solo suena bien, y agradecemos que alguien se moleste en medirlo en vez de repetir la receta.