Sei agenti non sono sei volte un agente
Sei agenti che si parlano non sono sei volte un agente. Sono quindici canali di comunicazione: N per N meno uno, diviso due. Con sette agenti i canali sono ventuno; con dieci, quarantacinque. La capacità cresce in linea retta. Il coordinamento cresce al quadrato. È la stessa curva che ha affondato i progetti software ogni volta che a un ritardo si è risposto aggiungendo persone.
Il secondo conto, quello che nessuno fa
Una catena di cinque agenti, ognuno affidabile al 90%, non è affidabile al 90%. È affidabile al 59%: 0,9 elevato alla quinta. Gli errori si moltiplicano a ogni passaggio, non si annullano.
| Affidabilità del singolo passo | Catena di 3 | Catena di 5 | Catena di 8 |
|---|---|---|---|
| 90% | 73% | 59% | 43% |
| 95% | 86% | 77% | 66% |
| 99% | 97% | 95% | 92% |
C'è un dettaglio che rende il conto ancora peggiore. Ogni passaggio di consegne tra agenti è un riassunto, e ogni riassunto perde informazione. Quattro passaggi in catena e l'output è la fotocopia di una fotocopia: l'accuratezza non crolla per un errore grande, si erode in una sequenza di perdite piccole che nessuna metrica di fine catena intercetta.
Cosa ho visto nella mia squadra
La squadra con cui lavoro è un caposquadra AI, tre specialisti AI e io. Cinque nodi: con messaggi punto a punto sarebbero dieci canali. La prima notte, con un coordinamento ancora immaturo, il sistema ha fallito esattamente lì: richieste perse tra un canale e l'altro, uno specialista fermo 75 minuti ad aspettare una risposta che era finita altrove.
La correzione non è stata «meno agenti». È stata cambiare topologia. Gli agenti hanno smesso di spedirsi riassunti e hanno cominciato a lavorare su bacheche condivise: uno spazio che ogni agente legge e scrive, dove la verità sta nell'artefatto e non nei messaggi che rimbalzano. Il coordinamento torna lineare — ogni agente ha un canale solo, la bacheca — e ogni fallimento diventa una regola meccanica. Nelle classi di errore che ho meccanizzato, le recidive sono zero. Il sistema è open-source: claude-code-dialogue.
Quando un agente in più si ripaga
Il criterio che uso: quel passaggio è controllabile da solo? Se la sua uscita ha un riscontro esterno al modello — compila, il test passa, il numero torna, il modello batte il riferimento su dati mai visti — l'agente in più tronca la propagazione dell'errore e si ripaga. È così che il modello costruito dalla squadra ha battuto lo scoring di riferimento in 18 finestre temporali su 18: ogni consegna aveva un riscontro oggettivo prima di diventare l'input della successiva.
Se invece è un altro modello che commenta il precedente senza riscontro esterno, stai comprando latenza e token, e a volte amplifichi un errore detto con sicurezza. Far rivedere la risposta di un modello da un altro modello abbassa gli errori solo se i due sbagliano in modo indipendente — e GPT, Claude e Gemini condividono buona parte dei dati di addestramento e dei bias. Su un caso ambiguo, spesso concordano sulla risposta sbagliata.
La regola
Il multi-agente conviene in due casi: sottotask indipendenti che girano in parallelo, o un controllo oggettivo tra un passo e l'altro. Fuori da lì, una catena di agenti è un solo modello che parla con sé stesso, più lentamente e più caro.
La metrica da mettere accanto ad accuratezza, latenza e costo non è il numero di agenti. È la profondità della catena di consegne, e quanta informazione sopravvive a ogni passaggio. Aggiungere un agente è banale. Aggiungerlo senza aprire un nuovo canale è il problema di design.