Il dato che circola con una certa disinvoltura, quasi fosse un dettaglio tecnico e non un cambio di paradigma, è che gli agenti autonomi oggi generano oltre il 19% dell’attività on-chain. Non è un numero qualsiasi. È il tipo di metrica che, letta superficialmente, suggerisce progresso; analizzata con freddezza, rivela invece una dinamica più sottile, quasi ironica. Le macchine stanno già partecipando all’economia decentralizzata, ma lo fanno come stagisti ossessivi: impeccabili nei compiti ripetitivi, sorprendentemente fragili quando il contesto si fa ambiguo.
La narrativa dominante sull’intelligenza artificiale agentica è, come spesso accade nella Silicon Valley, un misto di visione messianica e contabilità creativa. Si parla di “agentic economy” come se fosse un destino inevitabile, una linea retta che parte dai bot di arbitraggio e arriva a entità autonome capaci di gestire interi sistemi finanziari. La realtà è meno lineare e più interessante. Gli agenti oggi funzionano, ma solo quando il mondo è ridotto a una funzione matematica con vincoli stabili. Quando il mercato smette di essere una tabella e torna a essere una storia, l’umano vince ancora, e spesso con margini imbarazzanti.
Il fatto che in competizioni di trading aperto gli esseri umani superino gli agenti fino a cinque volte non è un’anomalia, è un promemoria. I mercati non sono solo numeri, sono narrazioni, aspettative, isterie collettive. Chi ha vissuto più di un ciclo economico lo sa bene. Le macchine, invece, tendono a confondere la correlazione con la causalità, soprattutto quando il contesto cambia più velocemente dei dati di training. È il vecchio problema dell’overfitting, solo che ora si gioca con capitali reali.
Nel microcosmo della finanza decentralizzata, tuttavia, gli agenti stanno trovando il loro habitat naturale. Ottimizzazione dei rendimenti, ribilanciamento di portafogli, gestione della liquidità tra protocolli. Compiti definiti, parametri relativamente stabili, incentivi chiari. Qui gli agenti brillano. Non perché siano intelligenti nel senso umano del termine, ma perché sono instancabili e immuni alle emozioni. In un mondo dove spostare stablecoin tra protocolli può generare punti percentuali di rendimento, la disciplina algoritmica batte l’intuizione.
Un esempio emblematico arriva dal protocollo Giza, con il suo agente ARMA capace di generare rendimenti annui intorno al 9,75%. Non è magia, è ottimizzazione continua. L’agente non “capisce” il mercato; esegue una strategia con una precisione che nessun umano potrebbe sostenere per 24 ore al giorno. È una vittoria dell’ingegneria, non della cognizione. E qui emerge una prima verità scomoda: gran parte dell’innovazione attribuita all’intelligenza artificiale è in realtà automazione ben orchestrata.
Il problema inizia quando si passa da sistemi chiusi a sistemi aperti. Nei contesti dove le variabili aumentano e le regole cambiano, gli agenti mostrano limiti evidenti. Non è solo una questione di modelli più avanzati. È una questione epistemologica. Gli agenti operano su dati strutturati, mentre il mondo reale è dominato da informazioni non strutturate. Notizie, sentiment, decisioni politiche, eventi imprevedibili. Elementi che non si prestano facilmente a una funzione di ottimizzazione.
Chi ha costruito sistemi di trading lo sa da decenni. Il problema non è prevedere il passato, è interpretare il presente. Ed è qui che l’umano, con tutte le sue inefficienze, mantiene un vantaggio competitivo. Non perché sia più veloce o più preciso, ma perché è capace di dare senso al rumore. Gli agenti, al contrario, tendono a trattare il rumore come segnale fino a prova contraria.
Nel frattempo, il mercato continua a premere sull’acceleratore. Le previsioni parlano di una crescita del mercato degli agenti AI superiore al 500% entro il 2030. Numeri che fanno sorridere chi ha vissuto la bolla dot-com. La differenza è che questa volta l’infrastruttura è reale, il capitale è liquido e la narrativa è supportata da risultati tangibili, almeno in ambiti specifici. La combinazione è esplosiva.
Il mondo crypto, in particolare, rappresenta un laboratorio perfetto. Infrastruttura permissionless, accesso globale, regolamentazione minima. È l’ambiente ideale per sperimentare sistemi autonomi che eseguono transazioni senza intervento umano. Non sorprende che qui l’adozione sia più rapida rispetto alla finanza tradizionale. Quando non serve chiedere permesso, l’innovazione accelera. A volte troppo.
Le implicazioni, tuttavia, vanno oltre la tecnologia. Se gli agenti iniziano a gestire una quota crescente dell’attività economica, la natura stessa del mercato cambia. Si passa da un sistema dominato da decisioni umane a uno in cui algoritmi interagiscono tra loro. Una sorta di ecosistema sintetico, dove la velocità e la precisione contano più della comprensione. In questo contesto, il rischio sistemico assume nuove forme.
Non si tratta solo di errori di codice o bug nei protocolli. Si tratta di comportamenti emergenti. Interazioni tra agenti che generano dinamiche impreviste. Flash crash algoritmici, spirali di liquidità, strategie competitive che degenerano in guerre di latenza. Chi ha osservato i mercati ad alta frequenza negli ultimi vent’anni riconosce il pattern. La differenza è che ora questi fenomeni si spostano on-chain, con una trasparenza radicale ma anche con una velocità difficile da contenere.
Un altro tema, spesso sottovalutato, è quello della fiducia. In un sistema dove agenti autonomi eseguono operazioni finanziarie, diventa essenziale dimostrare che ciò che è stato eseguito corrisponde a ciò che era previsto. Non è un dettaglio tecnico, è un requisito fondamentale. Da qui l’interesse crescente per ambienti di esecuzione fidati e prove crittografiche. Senza questi elementi, l’intera architettura rischia di diventare opaca, anche se costruita su blockchain.
La storia della tecnologia offre un parallelo interessante. Negli anni ’80, i sistemi esperti promettevano di catturare la conoscenza umana in regole codificate. Funzionavano, ma solo in domini ristretti. Quando il contesto cambiava, crollavano. Oggi gli agenti AI rappresentano una versione più sofisticata dello stesso concetto. Più dati, più potenza computazionale, ma lo stesso limite fondamentale: la difficoltà di gestire l’incertezza radicale.
Il paradosso è evidente. Gli agenti sono già abbastanza bravi da essere utili, ma non abbastanza intelligenti da essere affidabili in tutti i contesti. Una combinazione che, dal punto di vista economico, è estremamente interessante e, dal punto di vista sistemico, potenzialmente pericolosa. Perché incentiva l’adozione prima che la comprensione sia completa.
Le grandi piattaforme lo hanno capito. Non a caso si stanno muovendo verso standard che permettano agli agenti di eseguire operazioni complesse in modo coordinato. L’obiettivo è aumentare l’efficienza, ma anche creare nuove forme di lock-in. Chi controlla l’infrastruttura, in ultima analisi, controlla il comportamento degli agenti. Una verità che non dovrebbe sorprendere, ma che spesso viene ignorata nella retorica decentralizzata.
Nel lungo periodo, la traiettoria è chiara ma non lineare. È plausibile che entro cinque o sette anni gli agenti possano competere seriamente con gli umani in alcuni segmenti finanziari. Soprattutto quelli più strutturati e meno influenzati da fattori esogeni. Ma l’idea che possano sostituire completamente il giudizio umano appare, per ora, più una proiezione ideologica che una previsione realistica.
La vera trasformazione non sarà la sostituzione, ma la simbiosi. Umani che definiscono strategie, agenti che le eseguono. Una divisione del lavoro che ricorda quella tra management e operations, trasposta nel mondo algoritmico. Non è una rivoluzione, è un’evoluzione. Ma come tutte le evoluzioni tecnologiche, redistribuirà potere e capitale.
Chi saprà progettare, controllare e auditare questi agenti avrà un vantaggio competitivo significativo. Non perché possiede l’algoritmo più intelligente, ma perché comprende il sistema nel suo insieme. Una distinzione sottile, ma cruciale. Nel mondo dell’AI, come nella finanza, la differenza tra chi gioca e chi disegna il gioco è spesso invisibile fino a quando non è troppo tardi.
Rimane una domanda aperta, quasi filosofica. Se gli agenti iniziano a generare una parte significativa dell’attività economica, cosa significa realmente “mercato”? Un luogo di incontro tra domanda e offerta, o un’arena dove algoritmi competono per micro-vantaggi? La risposta, probabilmente, è entrambe le cose. E come spesso accade, il linguaggio arriverà in ritardo rispetto alla realtà.
Nel frattempo, conviene mantenere una certa lucidità. L’economia agentica non è ancora intelligente, ma è già pericolosamente efficiente. Una combinazione che, nella storia della tecnologia, ha sempre prodotto risultati interessanti. E raramente prevedibili.