ทีมนักวิจัยจาก Princeton และ UC San Diego พบว่า AI agents มีประสิทธิภาพสูงขึ้นจากเวิร์กโฟลว์ที่มีโครงสร้างชัดเจน ไม่ใช่การเพิ่มพูนความรู้ แต่เตือนว่าหากคลังทักษะมีขนาดใหญ่เกินไปอาจทำให้ระบบสับสนในการเลือกคำสั่ง
ผลการทดสอบร่วมระหว่าง Princeton และสถาบันความปลอดภัย AI ของสหราชอาณาจักร พบว่าเอเจนต์ AI ที่ใช้โมเดลระดับท็อปยังไม่สามารถผลิตงานวิจัยที่ได้มาตรฐาน แม้จะรองรับขั้นตอนวิศวกรรมพื้นฐานได้ก็ตาม
