Agenti AI: perché per risparmiare token dobbiamo smettere di farli chiacchierare tra loro?

Il paradosso dell'AI agentica

Se avete seguito quello che è successo nell'ultimo anno nel mondo dell'intelligenza artificiale saprete certamente che ormai la parola AGENTE viene infilata praticamente dappertutto, l'AI non deve più soltanto rispondere ma pianificare, chiamare strumenti (i tools), controllare il risultato, delegare ad un'altra AI e magari ricevere da questa una relazione per decidere che cosa fare dopo. È un'idea potentissima ed in molti casi funziona davvero, però c'è una cosa che mi lascia sempre abbastanza perplesso: se l'obiettivo è automatizzare un lavoro, perché stiamo ricostruendo dentro al computer anche tutta quella parte del lavoro umano che consiste nel PARLARSI? Un Direttore virtuale spiega ad un collaboratore cosa vuole, il collaboratore risponde che ha capito, un altro agente propone una variante, il primo la valuta, il supervisore chiede un controllo ed alla fine qualcuno riassume la conversazione per passarla all'agente successivo. Per carità, affascinante da guardare in una demo (mi ricorda Little Computer People ndr), ma ogni frase è token in input, token in output, nuova cronologia da trascinarsi dietro ed altra inferenza da pagare; token a iosa e poi ci si lamenta che si spende troppo in AI e che distruggeremo il pianeta.

E badate che non è soltanto una mia impressione perchè Anthropic, descrivendo il proprio sistema multi-agente di ricerca, ha pubblicato un numero che mette la questione nella sua giusta misura: nei suoi dati un agente usa tipicamente circa QUATTRO VOLTE i token di una normale interazione chat ed un sistema multi-agente arriva a circa QUINDICI VOLTE. La stessa Anthropic spiega che nel benchmark analizzato l'uso dei token da solo spiegava gran parte della variazione delle prestazioni, quindi in certi problemi il sistema funziona meglio proprio perché gli stiamo permettendo di spendere molta più computazione. Non c'è niente di sbagliato in questo se stiamo cercando una risposta difficilissima in centinaia di fonti, ma significa anche che agentico ed economico NON sono sinonimi, anzi spesso il miglioramento viene comprato deliberatamente con più token.

Una redazione non ha bisogno di simulare una riunione di redazione

Prendiamo un caso molto concreto, ovvero una redazione automatizzata che ogni settimana deve produrre un tabloid specializzato in Google Ads. Io la costruirei con un Agente Direttore che decide l'edizione, assegna gli argomenti e controlla il risultato, con alcuni Writer che preparano i pezzi, con il sistema pubblicitario che assegna gli spazi, con un Impaginatore che riempie il menabò ed infine con il Direttore che fa la supervisione prima della pubblicazione. Detta così sembra esattamente il caso perfetto per una squadra di agenti. Ma se per realizzarla facciamo parlare questi soggetti virtuali come se fossero esseri umani abbiamo già preso una strada stranamente costosa.

Il Direttore non deve scrivere al Writer qualcosa del tipo "Buongiorno, per il prossimo numero vorrei un articolo sulle nuove Performance Max, cerca di mantenerlo sulle 900 parole e fammi sapere se trovi aggiornamenti particolarmente importanti", ricevere "Certamente, controllerò le fonti e ti proporrò anche un taglio alternativo" e poi rispondergli che va bene. Queste frasi servono agli uomini perché il linguaggio naturale è la nostra interfaccia universale, ad una macchina servono molto meno. Il Direttore dovrebbe emettere UNA VOLTA un oggetto strutturato con identificativo del numero, slot, argomento, lunghezza, fonti ammesse, deadline, stile, priorità e budget massimo; il Writer dovrebbe restituire l'identificativo dell'artefatto prodotto, lo stato, l'eventuale errore ed i pochi metadati che il Direttore deve conoscere. Tutto il resto è CHIACCHIERIO DA PORTINAIA fra AI (con tutto il rispetto per le Portinaie), simpatico da osservare e carissimo da ripetere migliaia di volte.

La lingua degli agenti non deve per forza essere la nostra

Il punto interessante è che questa domanda sta cominciando ad essere posta anche nella ricerca. Un lavoro del 2025 dal titolo molto esplicito, "Why do AI agents communicate in human language?", mette in discussione proprio l'idea che il linguaggio naturale debba essere automaticamente il mezzo migliore per coordinare sistemi artificiali. Altri lavori stanno affrontando il problema in maniera ancora più pratica: AgentPrune prova ad eliminare comunicazioni ridondanti dalla rete multi-agente ed i suoi autori riportano riduzioni dei token comprese fra circa il 28 ed il 73 per cento nei benchmark provati, mentre CodeAgents trasforma task, piani, feedback ed invocazioni in una rappresentazione simile a pseudocodice tipizzato ed indica, nei propri esperimenti, riduzioni molto consistenti sia dei token di input sia di quelli di output. Sono risultati di ricerca e non una garanzia universale, naturalmente, ma la direzione è interessante perché suggerisce una cosa quasi banale: forse il modo più efficiente di far collaborare due AI è NON costringerle a scriversi lettere.

Io partirei da una lingua agentica molto più noiosa e proprio per questo molto più utile, ovvero uno schema JSON rigido nel quale ogni campo ha un significato conosciuto in anticipo. Il Direttore non "discute" il menabò, scrive lo stato del menabò; il Writer non "racconta" quello che ha fatto, restituisce un artefatto; l'agente pubblicitario non "contratta" la pagina, presenta una richiesta con dimensione, valore, vincoli, priorità e compatibilità, poi un algoritmo deterministico assegna lo spazio. Se due richieste competono non servono tre turni di trattativa fra modelli linguistici, serve una funzione. Questa per me è una distinzione fondamentale: USARE L'AI DOVE OCCORRE INTELLIGENZA, USARE CODICE DOVE OCCORRE SOLTANTO UNA REGOLA.

Il menabò deve essere uno stato, non una conversazione

Immaginiamo che il numero settimanale abbia ventiquattro slot. Il sistema non dovrebbe trascinarsi dietro venti messaggi nei quali il Direttore ricorda chi ha ricevuto cosa, perché quella è memoria espressa nel formato più costoso possibile. Il menabò può vivere in un unico stato strutturato condiviso, ogni slot possiede un ID ed indica semplicemente se è libero, assegnato, consegnato, revisionato oppure pubblicato; quando un Writer termina il proprio pezzo non rispedisce al Direttore tutto il giornale e non gli ripete il brief, aggiorna il riferimento del proprio slot. Se il Direttore vuole controllare l'articolo legge QUELL'ARTEFATTO, non l'intera vita precedente della redazione.

Qui introdurrei una regola ancora più radicale, ovvero PASSARE RIFERIMENTI E NON CONTENUTI ogni volta che è possibile. Una ricerca sulle variazioni di Google Ads viene salvata una volta, riceve un identificativo ed i Writer interessati ricevono quell'identificativo; se tre agenti hanno bisogno della stessa fonte non devono ricevere tre copie dello stesso blocco da migliaia di token. Lo stesso vale per stile, policy redazionale, profilo della testata e template grafico, che possono essere versionati e richiamati con un ID, caricando soltanto ciò che serve al momento dell'esecuzione. Ed ancora, se un documento cambia in due punti non rimanderei al supervisore trenta pagine, gli manderei il DELTA, cioè cosa è cambiato, dove e perché deve essere ricontrollato.

In un sistema del genere lo stato diventa una specie di lavagna comune, ossia un blackboard sul quale gli agenti non conversano ma depositano risultati ed eventi. Il Direttore vede che lo slot 07 è passato da WRITING a READY, apre l'artefatto se deve giudicarlo e restituisce APPROVED oppure REVISION_REQUIRED con una richiesta circoscritta. Non c'è bisogno che ogni agente conosca tutta la cronologia di tutti gli altri, anzi dargliela spesso peggiora anche il problema perché il contesto si riempie di materiale irrilevante che il modello deve comunque attraversare.

La contrattazione pubblicitaria è il posto perfetto per buttare token

La parte più divertente sarebbe probabilmente mettere due agenti a contrattare gli spazi pubblicitari, ed è anche quella che eliminerei per prima. Se un inserzionista chiede mezza pagina in posizione alta, un altro vuole la quarta di copertina ed un terzo possiede un accordo prioritario, non mi serve un'AI che dica "ritengo che questa campagna meriti maggiore visibilità" ed un'altra che risponda "propongo allora di spostarla a pagina sette". Se prezzo, formato, priorità commerciale, esclusioni merceologiche e disponibilità sono dati, la soluzione è un problema di vincoli e può essere risolta con codice, eventualmente lasciando al Direttore AI soltanto i casi nei quali esiste davvero un conflitto editoriale che richiede giudizio.

Questo principio si può estendere quasi ovunque. L'Impaginatore non dovrebbe essere un agente che parla con i Writer per capire dove mettere i pezzi, dovrebbe essere soprattutto software che riceve slot, misure ed artefatti validati e riempie un template; l'AI può entrare soltanto quando un testo non sta nello spazio, quando un'immagine è inadatta oppure quando occorre proporre una soluzione grafica non prevista. Anche la pubblicazione è un evento deterministico dopo l'approvazione, non una conversazione. Più il percorso è noto in anticipo, più ha senso un WORKFLOW e meno ha senso lasciare ad un agente la libertà di reinventare ogni volta il percorso.

Ed è interessante che persino Anthropic, che sugli agenti investe parecchio, consigli esplicitamente di partire dalla soluzione più semplice possibile e di aumentare la complessità soltanto quando serve; per compiti ben definiti i workflow danno prevedibilità, mentre gli agenti hanno senso quando è il modello a dover decidere dinamicamente che cosa fare. In altre parole, il problema non è scegliere fra "agenti sì" ed "agenti no", ma impedire che la parola agente diventi una scusa per sostituire con una costosa conversazione probabilistica ciò che dieci righe di codice farebbero meglio.

Il budget di token dovrebbe essere parte del protocollo

C'è poi una cosa che implementerei quasi subito e che ancora troppo spesso viene trattata come semplice contabilità a posteriori: il BUDGET DI TOKEN deve diventare un vincolo operativo dell'agente esattamente come il tempo massimo o la memoria disponibile. Il Direttore, quando assegna un lavoro, dovrebbe specificare quanto vale economicamente quella decisione e quanto può spendere per prenderla; un box laterale di 150 parole non merita dieci ricerche, tre critici ed un supervisore, mentre un'inchiesta tecnica importante può giustificare decine di chiamate, più fonti ed una verifica indipendente. Se il budget sta finendo l'agente non continua perché "forse può migliorare ancora", deve consegnare il miglior risultato disponibile oppure chiedere esplicitamente un'estensione.

Questo consente anche di usare modelli differenti senza trasformare l'architettura in una giungla. Un modello piccolo può classificare una notizia, riconoscere un duplicato, controllare lo schema ed instradare il lavoro; un modello grande viene chiamato quando serve ragionamento o scrittura di qualità. Le verifiche banali possono essere codice, le verifiche semantiche possono essere AI e soltanto gli errori o le ambiguità tornano al Direttore. Chiamerei questa logica EXCEPTION DRIVEN AGENTICS: gli agenti non si parlano continuamente per assicurarsi che tutto vada bene, il flusso procede in silenzio ed una conversazione nasce soltanto quando qualcosa esce dai binari.

Dallo scambio di frasi allo scambio di differenze

Un'altra parte dello spreco nasce dal fatto che molti framework costruiscono naturalmente una history di messaggi, quindi ad ogni passaggio il modello riceve pezzi sempre più grandi della conversazione precedente. LangGraph, per esempio, permette sia di condividere stato strutturato sia di decidere se un supervisore debba ricevere l'intera history di un agente oppure soltanto il suo ultimo messaggio, e questo dettaglio apparentemente piccolo dice moltissimo del problema. Se l'informazione necessaria al passaggio successivo sono sei campi, non ha senso consegnare seimila token di dialogo per recuperarli.

Spingendo il ragionamento un po' più avanti arriverei ad un protocollo a differenze: ogni agente riceve una fotografia minima dello stato che gli compete e restituisce soltanto ciò che è cambiato. I contenuti grandi vivono fuori dalla chat in un archivio di artefatti, identificati magari da hash, versione e provenienza; i messaggi contengono puntatori, non copie. Le informazioni già validate non vengono rispiegate, quelle immutate non vengono ritrasmesse ed un agente non deve motivare ogni azione ad un altro agente se nessuno gli ha chiesto una motivazione. Il linguaggio naturale resta per ciò in cui è fortissimo, ovvero esprimere significato ambiguo, giudizi, sintesi ed istruzioni nuove, mentre lo stato operativo passa attraverso strutture più compatte.

La ricerca del 2026 sta già esplorando un passo ancora più estremo, ossia la comunicazione LATENTE fra agenti mediante embeddings, hidden states o KV-cache invece di trasformare ogni informazione in parole e poi farla reinterpretare dal modello successivo. È una strada ancora sperimentale, con problemi seri di interoperabilità, sicurezza ed allineamento fra architetture differenti, quindi non la userei domani mattina per pubblicare il nostro settimanale. Ma concettualmente è importante perché ribalta un'assunzione che fino a poco tempo fa sembrava ovvia: due AI non sono due persone davanti alla macchinetta del caffè e non esiste nessuna legge che le obblighi a comunicare nel nostro stesso modo.

Gli agenti servono, ma non dappertutto

Naturalmente ci sono lavori nei quali spendere quindici volte i token può essere un affare eccezionale. Se devo cercare una notizia nascosta in centinaia di documenti, seguire piste indipendenti, usare molti strumenti e controllare fonti che non conosco in anticipo, una squadra di agenti paralleli può riuscire dove un singolo prompt fallisce ed il costo aggiuntivo è perfettamente giustificato. Anthropic ha mostrato proprio questo nel proprio sistema Research, dove il multi-agente rende molto bene sulle ricerche breadth-first e sui problemi realmente parallelizzabili. Ma una redazione settimanale possiede anche moltissime fasi prevedibili, ripetitive e rigidamente strutturate, quindi lasciare che un LLM decida autonomamente ogni passaggio significa pagare intelligenza dove in realtà avevamo bisogno di un semaforo.

Per questo la mia redazione ideale sarebbe sì agentica, ma MOLTO MENO CHIACCHIERONA di quelle che si vedono nelle demo: il Direttore decide il numero ed emette il menabò strutturato, i Writer ricevono soltanto i propri brief e producono artefatti, l'assegnazione pubblicitaria avviene per regole finché non compare un'eccezione, l'Impaginatore usa codice e template ed il Direttore torna in gioco soltanto per supervisione e ritocchi. In mezzo, un protocollo comune conserva stato, ID, versioni, priorità, confidence e budget senza trasformare ogni cambiamento in un dialogo.

Forse il vero futuro degli agenti non sarà quindi costruire AI sempre più brave ad imitare un ufficio pieno di persone che discutono fra loro, ma fare l'esatto contrario: lasciare alle macchine soltanto quelle conversazioni nelle quali una conversazione serve davvero, comprimere tutto il resto in stato, regole, riferimenti e differenze ed usare i token per PENSARE QUANDO C'È QUALCOSA DA PENSARE, non per far dire ad un'AI "ricevuto, procedo" prima che un'altra AI le risponda "perfetto, resto in attesa"!