Эксперимент с Enron: agents без control plane не масштабируются

Рохит Кришнан (Strange Loop Canon) взял датасет писем Enron, измерил реалистичную нагрузку — ~50 параллельных тредов на инбокс — и прогнал четыре эксперимента с LLM-агентами. Это эссе-эксперимент, не peer-reviewed работа, но цифры неудобные для тех, кто строит multi-agent рои на координационных задачах.

📌 Что сделал Кришнан:

Использовал Enron не для симуляции CEO и трейдеров (как часто пересказывают), а как источник параметров реального корпоративного инбокса. Дальше — синтетический поток писем и тесты, как агенты держат 50 параллельных тредов при разных конфигурациях памяти и координации.

⚡️ Эксперимент 1 — явный thread state бьёт scratchpad:

Голый scratchpad-агент путал треды. Присвоили треду явный thread ID — качество резко выросло. Проблема не в «понимании» модели, а в отсутствии согласованного state management между шагами.

⚠️ Эксперимент 2 — архитектура не заменяет интеллект, но обнажает его:

GPT-5 mini с правильной структурой выдавал до 86% невалидных ответов. GPT-5.2 даже без структуры работал заметно лучше. Сильная модель компенсирует слабую архитектуру; слабая модель обнажает архитектурные проблемы. При попытке удешевить стек качеством модели — архитектура становится критичной.

✅ Эксперимент 3 — рой без shared state хуже одного агента:

Post-shock quality: один агент без общей доски — 0.50, с доской — 0.63. Несколько агентов без доски — 0.46 (хуже одиночного), несколько агентов с доской — 0.63. Причина — классические race conditions: конфликт решений, дублирование действий, отсутствие arbitration.

🔥 Эксперимент 4 — task state ≠ actor state:

Без общего состояния о ролях: owner match и reply-identity match — 0.67, доля несанкционированных ответов — 0.33. С shared actor state — 1.0 и 0. Агенты делали правильные действия от неправильного имени. Идентичность — отдельный слой состояния, рядом с задачей.

📉 Что это значит для рынка:

Вывод применим к координационным задачам с конфликтом контекста — корпоративные коммуникации, инцидент-менеджмент, продажи. На линейных пайплайнах (codegen, ETL) рой может работать и без общего состояния. Но там, где есть конкуренция за state, нужны три слоя:

• shared state — общая доска (как Kubernetes control plane или DB transaction log);
• actor identity — кто и от чьего имени действует;
• arbitration — механизм разрешения конфликтов (приоритеты, оркестратор, голосование).

Shared board решает хранение состояния, но не решает конфликтов. Без arbitration multi-agent система остаётся недетерминированной.

Тезис Кришнана в инженерной формулировке: агенты масштабируют действия, control plane масштабирует согласованность. Без второго первое разрушает систему.

Источники: Strange Loop Canon — LLM Enron: experiments on structure vs scale · Strange Loop Canon — Seeing like an agent