Drop the Hierarchy and Roles: How Self-Organizing LLM Agents Outperform Designed Structures

Uit een uitgebreide experimentele studie blijkt dat zelforganiserende LLM-agenten, die zonder vooraf toegewezen rollen of hiërarchieën werken, vaak beter presteren dan centraal gestuurde systemen, waarbij hun vermogen tot autonome coördinatie toeneemt met de modelcapaciteit en schaalbaarheid tot honderden agenten mogelijk is zonder kwaliteitsverlies.

De kern

Het Grote Experiment: Wie werkt het beste samen?

Stel je voor dat je een enorm groot project moet oplossen, zoals het bouwen van een brug of het oplossen van een wereldwijde crisis. Je hebt een team van slimme computers (AI-agenten) nodig om dit te doen. De vraag die deze auteurs zich stelden, was simpel: Hoe organiseer je dit team het beste?

Moet je een strenge baas aanstellen die iedereen vertelt wat ze moeten doen? Of moet je iedereen vrij laten om te doen wat ze willen? Of misschien iets daartussenin?

Om dit uit te zoeken, hebben de onderzoekers een gigantisch experiment gedaan met 25.000 taken. Ze gebruikten 8 verschillende soorten AI-modellen en lieten teams variëren van 4 tot 256 computers werken. Ze testten 8 verschillende manieren van samenwerken.

De Grote Verassing: De "Hybride" Winst

Het resultaat was verrassend. De beste manier om samen te werken was geen van de twee uitersten.

1. De Strenge Baas (Centraal): Hier vertelt één AI aan de rest wat ze moeten doen. Dit werkt okay, maar is niet optimaal. Het is alsof je een orkest hebt waar de dirigent elke noot voorschrijft. Het klinkt netjes, maar mist spontaniteit.
2. De Vrije Markt (Volledig Autonoom): Hier doet iedereen wat hij wil, zonder regels. Dit werkt juist heel slecht. Het is alsof je een kamer vol mensen laat praten zonder onderwerp; er ontstaat chaos en niemand luistert naar elkaar.
3. De Winnaar: De "Sequentiële" Methode (De Hybrid): Dit was de grote verrassing. Hierbij is er een vaste volgorde (Agent A gaat eerst, dan B, dan C), maar elke agent mag zelf beslissen wat zijn rol is. Ze kijken naar wat de vorige heeft gedaan en kiezen dan hun eigen specialisatie.

De Analogie:
Stel je een sportwedstrijd voor (zoals een draft in het Amerikaanse football).

• Bij de Strenge Baas kiest de trainer alle spelers en posities.
• Bij de Vrije Markt rennen spelers wild het veld op.
• Bij de Winnaar is er een vaste volgorde van keuzes. Team A kiest eerst, Team B ziet wat Team A heeft gekozen en kiest dan slim een positie die niet al bezet is. Zo vullen ze elkaar perfect aan zonder dat er een centrale planner nodig is.

De "Endogene Paradox"

De auteurs noemen dit de "Endogene Paradox". Het klinkt ingewikkeld, maar het betekent simpelweg:

• Als je alles controleert, faalt je.
• Als je alles loslaat, faalt je.
• De oplossing: Geef een heel klein beetje structuur (de volgorde), maar laat de rest volledig vrij. Dit leidt tot de beste resultaten.

Belangrijke Lessen voor de Toekomst

Hier zijn de belangrijkste lessen die uit dit onderzoek komen, vertaald naar simpele taal:

1. De "Regels" zijn belangrijker dan de "Spelers"
Het maakt niet uit hoe slim je AI-modellen zijn als je ze de verkeerde manier van werken geeft. De manier van samenwerken (het protocol) was verantwoordelijk voor 44% van het verschil in kwaliteit. Het kiezen van het juiste model was maar 14% verantwoordelijk.

• Vergelijking: Een geweldig orkest (slimme AI) speelt slecht zonder partituur (protocol). Een simpel orkest met een goede partituur speelt beter dan een geweldig orkest zonder.

2. AI's moeten niet vastzitten in een rol
In menselijke bedrijven hebben mensen vaste banen: "Ik ben de boekhouder, jij bent de ontwerper." AI's hebben dat niet nodig. Ze kunnen in één seconde van "ontwerper" naar "analist" springen.

• Het resultaat: In dit experiment bedachten de AI's zelf 5.000 unieke rollen voor slechts 8 agents. Ze pasten zich per taak aan. Het is alsof een acteur die in één scène een dokter speelt en in de volgende een ruimtevaarder, zonder dat iemand hem dat vertelt.

3. Soms is "niet meedoen" slim
Een van de coolste dingen die ze zagen, was dat AI's soms vrijwillig afstonden van een taak als ze dachten: "Ik ben hier niet goed genoeg voor."

• Vergelijking: In een menselijk team zou je je collega misschien dwingen om mee te werken. Deze AI's zeiden: "Ik trek me terug, want iemand anders kan dit beter." Dit zorgde voor betere resultaten en minder fouten.

4. Meer is niet altijd beter
Als je het team vergroot van 64 naar 256 agents, wordt het resultaat niet beter. Het wordt alleen duurder.

• Lessons learned: Het is beter om een paar zeer slimme AI's te hebben die goed samenwerken, dan een enorm leger van gemiddelde AI's.

5. Open Source vs. Gesloten Systemen
Ze ontdekten dat goedkope, open-source AI-modellen (zoals DeepSeek) bijna net zo goed presteerden als de dure, gesloten modellen (zoals Claude), maar dan 24 keer goedkoper. Als je de juiste regels (protocol) gebruikt, kun je met goedkope tools hetzelfde bereiken.

Conclusie: Wat moeten we doen?

De boodschap van dit paper is heel simpel voor iedereen die met AI werkt:

Stop met het uitdelen van vaste rollen ("Jij bent de manager, jij de secretaresse").
Geef je AI-team in plaats daarvan:

1. Een duidelijk doel (wat moeten we bereiken?).
2. Een goed systeem om samen te werken (de volgorde).
3. Een slim model om het werk te doen.

Laat de AI's dan zelf bedenken wie wat doet. Ze zullen vanzelf een perfect team vormen, net als een zwerm vogels die zonder leider perfect in formatie vliegt.

Technische samenvatting

Titel: Verlaag de Hiërarchie en Rollen: Hoe Zelforganiserende LLM-agenten Beter Presteren dan Ontworpen Structuren

Auteur: Victoria Dochkina (Moscow Institute of Physics and Technology, MIPT)

---

1. Het Probleem

Huidige systemen voor multi-agenten op basis van Large Language Models (LLM's) vertrouwen vaak op exogene coördinatie: menselijke ontwerpers wijzen vaste rollen toe, creëren rigide hiërarchieën en definiëren vooraf vastgestelde communicatieprotocollen (zoals in frameworks als ChatDev of MetaGPT).

De kernvraag die dit onderzoek adresseert, is welke coördinatiestructuur de beste balans biedt tussen oplossingskwaliteit, kosten, schaalbaarheid en veerkracht. Bestaande benaderingen negeerden vaak dat LLM-agenten fundamenteel verschillen van menselijke werknemers: ze kunnen specialisaties direct veranderen, de volledige context direct verwerken en hebben geen marginale kosten wanneer ze inactief zijn. Het onderzoek onderzoekt of endogene coördinatie (waarbij structuur uit het systeem zelf ontstaat) superieur is aan externe controle, en onder welke voorwaarden dit geldt.

2. Methodologie

Het onderzoek omvat een van de grootste computationele experimenten tot nu toe, bestaande uit 25.000 taakuitvoeringen over 20.810 unieke configuraties.

• Systeemarchitectuur: Een discrete-tijdsysteem waarbij een groep van $N$ LLM-agenten een taak $\tau_t$ uitvoert. De staat $x_t$ omvat rollen, interactietopologie en organisatiegeheugen.
• Gebruikte Modellen: 8 verschillende LLM's (zowel gesloten-bron zoals Claude Sonnet 4.6, GPT-5.4, als open-source zoals DeepSeek v3.2, GLM-5).
• Schaal: Systemen variëren van 4 tot 256 agenten.
• Protocollen: Er werden 8 coördinatieprotocollen getest, variërend van volledig extern (gecentraliseerd) tot volledig autonoom (endogeen):
  1. Coordinator: Gecentraliseerd; Agent 0 wijst rollen en fasen toe.
  2. Sequential (Hybride): Agenten werken in een vaste volgorde, maar kiezen hun eigen rol en beslissen zelf of ze deelnemen of zich onthouden.
  3. Broadcast: Agenten zenden rolintenties uit, maken dan definitieve beslissingen.
  4. Shared: Volledig autonoom; agenten hebben toegang tot gedeeld geheugen en beslissen gelijktijdig.
  5. Plus 4 bio-geïnspireerde protocollen (Morphogenetic, Clonal, etc.).
• Taakcomplexiteit: Vier niveaus (L1–L4), variërend van enkelvoudige domeinen tot adversariele scenario's met conflicterende belangen.
• Evaluatie: Kwaliteit ($Q$) werd gemeten via een "LLM-as-a-judge" methode (onafhankelijk model) op basis van nauwkeurigheid, volledigheid, coherentie, actiebaarheid en missierelevantie.

3. Belangrijkste Bijdragen

1. Het Endogeniteitsparadox: De studie ontdekt dat noch maximale externe controle, noch maximale autonomie optimaal is. Een hybride protocol (Sequential) dat minimale structurele steun biedt (vaste volgorde) maar maximale rolautonomie toestaat, presteert significant beter dan zowel gecentraliseerde als volledig autonome systemen.
2. Het Capabiliteitsdrempel-effect: Zelforganisatie vereist een sterk model. Onder een bepaalde drempel van modelcapaciteit keert het effect om: rigide structuren presteren dan beter dan zelforganisatie.
3. Schaalbaarheid zonder kwaliteitsverlies: Het systeem schaalt sub-lineair tot 256 agenten zonder significante daling in kwaliteit, met een emergente mechanisme voor kostenoptimalisatie (vrijwillige zelfonthouding).
4. Dynamische Rolinventie: Agenten creëren geen vaste rollen, maar "vinden" voor elke taak nieuwe specialisaties (RSI $\to$ 0), wat leidt tot een enorme diversiteit aan rollen (5.006 unieke rollen bij 8 agenten).
5. Constitutioneel Raamwerk: Een voorstel voor een drie-ring governance-model voor autonome AI-organisaties, waarbij menselijke controle zich richt op de "waarom" (missie) en het systeem de "hoe" (protocollen) regelt.

4. Resultaten

• Superioriteit van het Sequential Protocol:

  • In een gecontroleerde pilot presteerde het Sequential-protocol 44% beter dan het volledig autonome Shared-protocol (Cohen's $d = 1.86$, $p < 0.0001$).
  • Op schaal (N=16, L3-taken) presteerde het 14% beter dan het gecentraliseerde Coordinator-protocol ($p < 0.001$).
  • Reden: Agenten in het Sequential-protocol ontvangen feitelijke, opgebouwde informatie van voorgangers (wat ze daadwerkelijk deden), in plaats van intenties (die kunnen veranderen) of historische patronen (die verouderd kunnen zijn).

• Model vs. Protocol:

  • Bij sterke modellen is de keuze van het protocol (44% variatie in kwaliteit) belangrijker dan de keuze van het model zelf (~14% variatie).
  • Drempelwaarde: Bij zwakkere modellen (bijv. GLM-5) leidt zelforganisatie tot kwaliteitsdaling (-9,6% ten opzichte van vaste rollen), terwijl sterke modellen (Claude Sonnet 4.6) er baat bij hebben (+3,5%).

• Schaalbaarheid en Kosten:

  • Kwaliteit blijft stabiel bij een toename van 4 naar 256 agenten ($p = 0.61$).
  • Open-source vs. Gesloten-bron: DeepSeek v3.2 (open-source) bereikte 95% van de kwaliteit van Claude Sonnet 4.6 (gesloten-bron) bij 24x lagere kosten.
  • Zelfonthouding: Bij 256 agenten onthielden ongeveer 45% van de agenten zich vrijwillig van taken waar ze niet competent voor waren, wat een endogeen kostenbesparend mechanisme is.

• Emergente Eigenschappen:

  • Vrijwillige Zelfonthouding: Agenten trekken zich terug als ze hun bijdrage als onvoldoende inschatten (38% vrijwillig in Sequential vs. 100% opgelegd in Coordinator).
  • Flauwe Hiërarchie: Het systeem vormt spontaan zeer ondiepe hiërarchieën (maximaal 2 lagen), zelfs bij grote groepen.
  • Veerkracht: Het systeem herstelt binnen 1 iteratie van verstoringen zoals het verwijderen van hub-agenten of modelsubstitutie.

5. Betekenis en Conclusie

Dit onderzoek verandert het paradigma voor het ontwerpen van multi-agent systemen. De conclusie is dat pre-assigned rollen een anti-pattern zijn voor LLM-agenten. In plaats van agenten vast te pinnen op een rol in een organigram, moeten ontwerpers:

1. Een duidelijke missie definiëren.
2. Een geschikt protocol kiezen (bij voorkeur een hybride zoals Sequential).
3. Investeren in de kwaliteit van het model.

De "Endogeniteitsparadox" leert dat minimale structuur (vaste volgorde) maximale emergentie mogelijk maakt. Dit stelt organisaties in staat om flexibele, schaalbare en kostenefficiënte AI-teams te bouwen die zich aanpassen aan complexe taken zonder menselijke tussenkomst in de operationele details. De studie bevestigt dat verticale intelligentie (slimmere modellen) en horizontale intelligentie (beter coördinatie) multiplicatief werken: sterke modellen hebben de juiste protocollen nodig om hun volledige potentieel te ontsluiten.