Las métricas actuales de inteligencia artificial se basan en una filosofía diferente, lo que dificulta su comparación efectiva. No hay estandarización de lo que es la inteligencia artificial y qué se debe medir para cuantificarla. En este estudio, investigamos la medición de la inteligencia desde el punto de vista de las habilidades de resolución de problemas difíciles de la vida real, y destacamos la importancia de poder hacer comparaciones precisas y robustas entre múltiples sistemas multiagentes cooperativos (CMAS) utilizando una métrica novedosa. Una métrica reciente presentada en la literatura científica, llamada, es capaz de comparar la inteligencia de solo dos CMAS en una aplicación. En este documento, proponemos una generalización de esa métrica llamada. se basa en comparaciones de inteligencia de resolución de problemas por pares (para el mismo problema, la inteligencia de resolución de problemas de los CMAS estudiados se evalúa experimentalmente en pares). La comparación de inteligencia por pares se propone para disminuir el número necesario de mediciones experimentales de inteligencia. tiene las mismas propiedades que, con la ventaja principal de que se puede aplicar a cualquier número de CMAS conservando la precisión de la comparación, al mismo tiempo que presenta una mayor robustez. Una propiedad importante de la métrica propuesta es la universalidad, ya que se puede aplicar como un método de caja negra a sistemas basados en agentes inteligentes (IABS) en general, sin depender del aspecto de la arquitectura de IABS. Para demostrar la efectividad de la métrica, proporcionamos un estudio experimental representativo, comparando la inteligencia de varios CMAS compuestos por agentes especializados en resolver un problema NP-duro.