งานวิจัยชิ้นนี้ชี้ให้เห็นว่าการวัดพลังงาน AI แบบเดิมที่นับต่อครั้งการเรียกใช้ (inference) ไม่เพียงพอสำหรับระบบ Agentic AI ที่ต้องทำงานหลายขั้นตอนและมีการลองใหม่เมื่อล้มเหลว จึงได้นำเสนอ A-LEMS (Agentic LLM Energy Measurement System) ซึ่งเป็นเฟรมเวิร์กการวัดพลังงานข้ามเลเยอร์ที่เปลี่ยนหน่วยการวัดเป็น 'พลังงานต่อความสำเร็จของเป้าหมาย' (Energy per Successful Goal หรือ EpG)
ระบบนี้ประกอบด้วยโครงสร้างการสังเกตการณ์ 5 ชั้นที่จับสัญญาณจากฮาร์ดแวร์ (RAPL) มาเชื่อมโยงกับเวิร์กโฟลว์ และยังมีการเสนอตัวชี้วัด OOI (Orchestration Overhead Index) เพื่อแยกแยะต้นทุนพลังงานที่เกิดจากการจัดการ (orchestration) ออกจากการคำนวณพื้นฐาน ผลการทดสอบพบว่าเวิร์กโฟลว์แบบเอเจนต์ใช้พลังงานเฉลี่ยสูงกว่าการทำงานแบบเส้นตรงถึง 4.33 เท่า ซึ่งชี้ให้เห็นว่าโครงสร้างการจัดการเป็นปัจจัยหลักของต้นทุนพลังงาน
