Sistemi multi-agente: quando servono (e quando no)

Nel 2025 due gruppi di ingegneri fra i più competenti al mondo su questi sistemi sono arrivati a conclusioni quasi opposte, e nessuno dei due aveva torto. Anthropic ha pubblicato il resoconto di una funzione di ricerca in cui un agente «capo» coordina diversi agenti secondari che lavorano in parallelo, ottenendo risposte molto migliori del modello singolo. Cognition — la squadra dietro l’assistente di programmazione Devin — ha scritto un articolo il cui titolo era già una tesi: non costruite sistemi multi-agente. Non è una contraddizione da risolvere: stavano affrontando problemi con forme diverse. E capire quella differenza di forma è tutto il mestiere.

Cos’è un sistema multi-agente

Un agente AI è un modello linguistico chiuso in un ciclo: riceve un obiettivo, decide un’azione, usa uno strumento, osserva il risultato, decide l’azione successiva. Un sistema multi-agente prende questo schema e lo moltiplica: invece di un solo agente che fa tutto, ce ne sono diversi, ciascuno con un compito, più qualcuno che li coordina.

La configurazione più diffusa è orchestratore più worker. L’orchestratore non svolge il lavoro concreto: legge la richiesta, la spezza in sotto-compiti, li affida agli agenti worker, poi raccoglie i risultati e li ricuce in una risposta sola. Pensa alla brigata di una cucina. Lo chef di cucina non impiatta ogni portata: legge gli ordini, li smista alle partite — chi sta ai primi, chi alla griglia, chi ai dolci — e alla fine controlla che ogni piatto esca coerente col resto del menù. Nessun cuoco tiene in testa l’intera sala; lo chef ha la mappa degli ordini, non le mani in ogni pentola.

L’orchestratore (terracotta) non fa il lavoro: lo spezza fra worker specializzati (teal), poi ricuce i loro risultati (frecce ocra tratteggiate) in una risposta sola.

Quando più agenti vincono davvero

Esiste un caso in cui l’orchestrazione batte nettamente l’agente solo: quando il compito si divide in parti indipendenti e parallelizzabili. «Confronta questi cinque fornitori su prezzo, affidabilità e assistenza» si spezza bene: cinque worker indagano un fornitore ciascuno, senza intralciarsi, e alla fine l’orchestratore mette in tabella. Il tempo complessivo non è la somma delle cinque ricerche, ma la più lunga fra esse, perché avvengono insieme. È l’unico caso in cui aggiungere agenti compra effettivamente velocità.

Il secondo caso è la gestione del contesto. Un modello ha una finestra di attenzione limitata: oltre un certo volume di testo la qualità cala e i dettagli si perdono. Assegnare a ciascun worker un pezzo circoscritto — un solo documento, una sola fonte — significa dargli una finestra pulita in cui concentrarsi. L’orchestratore riceve indietro non i materiali grezzi ma sintesi già digerite. È lo stesso motivo per cui una grande inchiesta la fanno più cronisti: non perché uno solo non sia capace, ma perché nessuno tiene in testa duecento fonti insieme senza confondere le carte.

Il terzo è la specializzazione degli strumenti. Un worker che sa soltanto interrogare il database, e uno che sa soltanto leggere PDF, sono più facili da istruire e sbagliano meno di un unico agente a cui hai consegnato dodici strumenti e la speranza che scelga quello giusto al momento giusto.

Il conto nascosto

Il problema è che la voglia di costruire sistemi multi-agente arriva spesso prima del problema che li giustificherebbe. Ed è una voglia costosa. Anthropic ha riferito che il suo sistema di ricerca multi-agente consuma dell’ordine di quindici volte i token di una normale chat: ogni agente porta con sé il proprio contesto, ripete le istruzioni, e il dialogo stesso fra orchestratore e worker è testo da generare e da pagare. Quindici volte non è una nota a piè di pagina contabile: è una decisione di prodotto.

Un agente in più non è solo più potenza di calcolo: è un altro punto in cui il sistema può fraintendere, perdere il filo o sbagliare con perfetta sicurezza.

Poi c’è il coordinamento, che è il vero tallone d’Achille. Se i sotto-compiti non sono indipendenti — se il worker B ha bisogno di quello che ha capito il worker A — il parallelismo evapora e resta solo l’overhead. Peggio ancora: agenti che lavorano in parallelo prendono decisioni implicite che confliggono. Uno assume che il progetto sia in Python, l’altro scrive in JavaScript, e l’orchestratore si ritrova con due metà che non combaciano. È la ragione della tesi di Cognition: nella scrittura di codice, dove ogni riga dipende dal contesto di tutte le altre, dividere il lavoro fra agenti che non condividono lo stesso stato produce più danni che vantaggi.

Infine, gli errori si propagano. È il gioco del telefono senza fili: la frase parte pulita e arriva stravolta in fondo alla catena. L’allucinazione di un worker diventa il dato di partenza dell’orchestratore, che ci costruisce sopra in buona fede. Un solo agente che sbaglia lo cogli in flagrante; una piramide di agenti che si passano l’errore lo lucidano finché non sembra una conclusione.

La regola pratica: parti da uno

Chi questi sistemi li ha costruiti sul serio arriva a una regola controintuitiva: si parte sempre dal singolo agente, lo si spinge fino al punto di rottura, e solo lì — quando il collo di bottiglia è chiaramente il parallelismo o la finestra di contesto — si introduce un secondo agente. Non prima. Prima di disegnare orchestratori conviene rispondere onestamente a tre domande.

• Il compito si divide in parti che non si parlano fra loro? Se sì, il multi-agente ha senso; se le parti dipendono l’una dall’altra, quasi certamente no.
• Un solo agente con più passaggi in sequenza basterebbe? Spesso un agente unico che lavora in più giri, tenendo il suo contesto, è più semplice, più economico e più affidabile.
• Il guadagno di qualità ripaga quindici volte il costo e il rischio in più? Per una ricerca approfondita che un umano leggerà una volta, forse sì. Per un compito ripetuto mille volte al giorno, quasi mai.

Perché ti riguarda

Se stai valutando uno strumento AI per il tuo lavoro, o ne stai costruendo uno, la parola «multi-agente» ti verrà offerta come garanzia di serietà tecnica. Non lo è. È una scelta architetturale con un prezzo esatto: più capacità di attaccare problemi vasti e parallelizzabili, in cambio di più costi, più latenza e più modi di rompersi. Un buon sistema a singolo agente batte un sistema multi-agente costruito per moda in quasi tutti i compiti quotidiani. La domanda giusta non è «quanti agenti», ma «questo compito si lascia dividere senza spezzarsi?». Se la risposta è no, il numero corretto di agenti è uno.