AI-agenter bruker en million ganger mer tid på enkel matematikk

Mange selskaper forsøker nå å automatisere driftsoppgaver med autonome AI-agenter — altså systemer der språkmodeller selv velger handlinger og verktøy. En ny studie fra forskningskonferansen AAAI advarer mot å bruke teknologien ukritisk. Forskerne testet sju ulike metoder på 1 000 matematiske regnestykker for å se om agentene lønner seg mot etablerte alternativer som vanlige kodefunksjoner eller REST-tjenester. Resultatene viser et enormt ressursgap. Deterministiske kodefunksjoner traff 100 prosent rett med umiddelbar responstid. Til sammenligning nådde rene språkmodeller maksimalt 92,9 prosent nøyaktighet, samtidig som de brukte over 22 000 ganger lengre tid enn et lokalt funksjonskall. Da agentene fikk koble seg til eksterne verktøy via protokollen Model Context Protocol (MCP), steg nøyaktigheten til 99,9 prosent. Ulempen var en ventetid nesten én million ganger høyere enn et ordinært funksjonskall. For norske virksomheter betyr dette at AI-agenter fort kan gi skyhøye driftskostnader og tregere systemer. Forskerne anbefaler å unngå språkmodeller som en universalløsning, og heller beholde tradisjonell kode der oppgavene krever eksakte svar.