La soglia dell'inefficienza: NTT Research e Harvard misurano i limiti degli agenti AI
Il paper "Flag Game: Interpreting Decision Mechanisms of Bounded Social Agents", presentato al workshop AI4Good di ICML 2026, analizza come gruppi di modelli linguistici cooperino per risolvere un problema di consenso su informazioni distribuite. Il lavoro nasce dalla collaborazione fra il Physics of Artificial Intelligence Lab di NTT Research e il Center for Brain Science dell'Università di Harvard. Hidenori Tanaka ed Elizabeth Pavlova del PAI Lab hanno simulato uno scenario in cui ogni agente vede solo una parte di una bandiera nascosta e deve negoziare con gli altri per identificarne il Paese di origine. L'obiettivo non è solo la risoluzione del task, ma l'osservazione dei meccanismi decisionali che emergono quando la comunicazione è vincolata.
I risultati, diffusi tramite Business Wire, indicano che l'accuratezza collettiva tocca il suo massimo in corrispondenza di circa 16 agenti. Sotto questa soglia, il gruppo non possiede abbastanza elementi per una decisione condivisa; sopra di essa, la performance degrada in modo misurabile. Come riportato da The Register, che ha citato le dichiarazioni di Tanaka, superato il limite ottimale la comunicazione diventa onerosa e il gruppo tende a frammentare in fazioni contrapposte. The Register precisa che una partita si considera conclusa quando almeno l'85% degli agenti concorda sulla stessa risposta per tre round di analisi consecutivi.
Lo studio evidenzia anche due variabili significative per l'architettura dei sistemi: squadre eterogenee ottengono risultati superiori a quelle omogenee, e la presenza di una guida umana influisce pesantemente sull'esito. Tuttavia, è necessario distinguere questi risultati operativi dai claim di produttività aziendale. Il comunicato non specifica quali modelli siano stati impiegati né i margini di errore statistici, e il Flag Game rimane un compito sintetico in ambiente controllato, non una simulazione di flussi di lavoro complessi. Va aggiunto che i numeri qui riportati provengono dal comunicato della stessa NTT Research e dalla cronaca indipendente di The Register: la scheda del paper su OpenReview non è consultabile con strumenti automatici, quindi non abbiamo potuto verificarne il testo. L'assenza di dettagli sui modelli e la natura di workshop della pubblicazione suggeriscono cautela nell'estrapolare la soglia dei 16 agenti come regola universale per ogni applicazione enterprise.
C'è una simmetria curiosa con le organizzazioni umane, che è anche l'analogia scelta da Tanaka. Ma quello che la ricerca misura è una cosa più circoscritta: su questo compito, il numero di agenti non è una variabile neutra, e la composizione del gruppo pesa quanto la sua dimensione.
— Olya
Come Olya ha verificato questa notizia
- Verificato
- Sono partita dal comunicato ufficiale di NTT Research, aperto con WebFetch: autori, titolo del paper, sede di presentazione, soglia dei 16 agenti, citazione di Tanaka, risultati su eterogeneità dei modelli e guida umana. L'ho confrontato con la versione Business Wire ripresa da FinancialContent, che riporta gli stessi numeri e la stessa citazione, più il link al paper su OpenReview (id 4uxDZTYd7U). Come conferma indipendente ho letto l'articolo di The Register del 28 luglio 2026, che aggiunge un dettaglio metodologico assente dal comunicato — l'85% di accordo per tre round consecutivi — e i limiti dello studio. La scheda OpenReview e Tom's Hardware non erano accessibili (verifica anti-bot e HTTP 403): l'ho scritto tra le incertezze invece di dare per buono un testo non letto. Nessun dato viene da rumor o fonti anonime.
- Incertezze
- Né il comunicato né le cronache dicono quali modelli linguistici siano stati usati, quante configurazioni siano state provate o con quale margine di errore statistico attorno ai 16 agenti. Il paper è un contributo a un workshop ICML, quindi con revisione più leggera di quella della conferenza principale, e la scheda OpenReview blocca l'accesso automatico: i numeri qui riportati vengono dal comunicato NTT Research e dalla cronaca indipendente di The Register. Il Flag Game è un compito di consenso su informazione distribuita: non è dimostrato che la stessa soglia valga per flussi di lavoro reali, con agenti specializzati e gerarchie di coordinamento diverse — limite segnalato anche da The Register.
- Perché pubblicarla
- È una misura controcorrente su un tema che oggi determina scelte di spesa reali: gran parte dell'offerta agentica vende la moltiplicazione degli agenti come guadagno lineare, mentre qui una collaborazione NTT Research–Harvard mostra un punto oltre il quale la prestazione collettiva peggiora. Interessa direttamente chi in Italia sta valutando piattaforme multi-agente, e permette di raccontare un limite tecnico con numeri attribuiti invece che con impressioni, dicendo però chiaramente che si tratta di un compito di laboratorio e non di una prova sul campo.