La ricerca sugli agenti autonomi sta affrontando una questione che potrebbe rivelarsi più importante della capacità di risolvere un singolo compito: come fare in modo che un sistema impari dall’esperienza senza compromettere ciò che ha già appreso. Un lavoro segnalato da Google DeepMind e dai suoi collaboratori mette al centro proprio questo problema, mostrando perché l’evoluzione autonoma degli agenti di intelligenza artificiale sia più difficile di quanto suggeriscano le dimostrazioni costruite su benchmark statici. Un agente può migliorare progressivamente le proprie prestazioni, ma questo non significa necessariamente che stia diventando più competente in senso generale. Potrebbe semplicemente specializzarsi nelle attività incontrate più di recente, perdendo nel frattempo la capacità di affrontare quelle precedenti.

La distinzione è decisiva per lo sviluppo dei sistemi agentici. Un modello linguistico tradizionale produce risposte sulla base dei parametri acquisiti durante l’addestramento e del contesto fornito durante l’esecuzione. Un agente che si evolve autonomamente può invece modificare le istruzioni che lo governano, aggiornare una memoria persistente e costruire nuove procedure operative. In questo modo, l’apprendimento non richiede necessariamente un nuovo addestramento del modello: cambia lo strato che orienta il suo comportamento, mentre i pesi della rete neurale rimangono congelati. È un approccio interessante anche dal punto di vista industriale, perché riduce la necessità di intervenire sul modello di base ogni volta che emergono nuove esigenze. Ma introduce una difficoltà meno visibile: ogni aggiornamento può migliorare una parte del sistema e, contemporaneamente, peggiorarne un’altra.

Il paper Are Self-Evolving Agents Continual Learners?, pubblicato come preprint il 19 ottobre 2026, affronta il problema attraverso un esperimento che mette a confronto tre approcci: ReasoningBank, GEPA e Meta-Harness. I ricercatori hanno costruito quattro sequenze di attività nelle quali cambiano progressivamente l’argomento, il flusso operativo oppure il dominio applicativo. I test utilizzano BIRD, dedicato alle attività di interrogazione dei database attraverso il linguaggio naturale, BFCL, che valuta l’uso di strumenti e API, e ScienceWorld, un ambiente di simulazione interattiva per compiti scientifici. Il modello sottostante rimane invariato; a evolvere è il sistema che ne indirizza le decisioni. Il risultato è significativo perché gli agenti vengono valutati anche su compiti non ancora incontrati durante l’adattamento, oltre che su quelli già affrontati.

I tre metodi rappresentano strategie differenti. ReasoningBank archivia esperienze sotto forma di memorie di ragionamento e recupera quelle ritenute pertinenti al compito corrente. GEPA modifica le istruzioni condivise sulla base del feedback ricevuto, cercando di migliorare le strategie operative. Meta-Harness può intervenire su uno spazio di lavoro più ampio, che comprende prompt, memoria, competenze e codice di controllo. La differenza non è puramente architetturale: determina il modo in cui un aggiornamento si propaga nel sistema. Una modifica a un prompt condiviso può alterare il comportamento generale dell’agente, mentre una memoria esterna dovrebbe consentire di recuperare una procedura soltanto quando serve. Il condizionale è importante, perché la pertinenza semantica di un ricordo non garantisce che quel ricordo sia appropriato per l’azione richiesta.

I risultati mostrano un compromesso fra capacità di adattamento e conservazione delle prestazioni precedenti. Sulle quattro sequenze di test, GEPA registra un vantaggio finale medio di 3,7 punti percentuali rispetto alla configurazione iniziale, ma presenta anche una perdita di stabilità pari a 4,3 punti secondo la metrica utilizzata dagli autori. ReasoningBank ottiene un vantaggio finale medio di 2,5 punti e una perdita di stabilità più contenuta, pari a 1,9 punti. La relazione osservata fra plasticità e stabilità è negativa: nei dodici confronti fra metodo e sequenza, la correlazione è pari a −0,72. Si tratta di un’associazione significativa nell’esperimento, non della dimostrazione che ogni aumento dell’adattabilità provochi necessariamente un peggioramento della memoria. La distinzione conta per chi deve trasformare questi risultati in decisioni di architettura.

L’esempio più istruttivo riguarda un agente che deve decidere quando chiedere informazioni mancanti prima di invocare un’API. In alcune richieste, l’assenza di un parametro rende necessaria una domanda di chiarimento; in altre, tutti i parametri sono già presenti e chiedere ulteriori dettagli diventa un errore. Durante la prima fase dell’esperimento, GEPA migliora la propensione a chiedere chiarimenti. Dopo l’apprendimento di richieste complete, però, la frequenza delle domande sul precedente gruppo di attività scende dal 29,8% all’11,2%. L’agente ha modificato il proprio comportamento in risposta a un nuovo contesto operativo, ma l’aggiornamento ha indebolito una competenza che aveva appena acquisito. Non è una semplice dimenticanza di informazioni: è un’interferenza fra due regole entrambe valide, ma applicabili in circostanze diverse.

ReasoningBank incontra una difficoltà differente. La memoria esterna riduce il rischio che una nuova esperienza cancelli direttamente una precedente, ma il recupero basato sulla somiglianza delle richieste può confondere procedure incompatibili. Nelle sequenze che combinano diversi tipi di cambiamento, il 52% degli episodi relativi alle richieste con argomenti mancanti recupera una memoria associata alle richieste complete; nella direzione opposta, la percentuale raggiunge il 46%. Le formulazioni sono simili, ma le condizioni operative richiedono comportamenti diversi. Un sistema di retrieval che misura soprattutto la vicinanza semantica può quindi trovare un ricordo apparentemente pertinente e applicarlo nel momento sbagliato. È una debolezza particolarmente rilevante per gli agenti che operano su sistemi aziendali, nei quali due richieste quasi identiche possono avere conseguenze differenti a seconda dello stato del processo, dei permessi disponibili o dei parametri effettivamente forniti.

La conseguenza per l’industria è concreta. Un agente impiegato nella gestione degli ordini, nell’assistenza tecnica o nell’automazione di procedure amministrative non può essere valutato soltanto sulla percentuale di successo delle attività più recenti. Deve conservare comportamenti affidabili quando cambiano le condizioni di lavoro. Se un sistema migliora su una nuova procedura ma perde una capacità precedente, il vantaggio misurato durante la fase di sviluppo può trasformarsi in un costo operativo dopo il rilascio. Per questo l’apprendimento continuo richiede verifiche periodiche su compiti già risolti, test su situazioni mai incontrate e meccanismi capaci di distinguere le regole generali dalle istruzioni valide soltanto in uno specifico contesto.

Il limite dello studio va comunque mantenuto in prospettiva. Gli esperimenti riguardano tre metodi, un modello di base congelato e sequenze di attività costruite per simulare cambiamenti progressivi. Non dimostrano che tutti gli agenti autonomi dimentichino nello stesso modo, né stabiliscono quale architettura sarà migliore in ogni ambiente reale. Mostrano invece che i benchmark statici possono nascondere un problema essenziale: un agente apparentemente più competente può diventare meno affidabile quando il contesto cambia. La valutazione deve quindi misurare non soltanto quanto un sistema impara, ma anche quanto riesce a conservare e in quali condizioni le conoscenze precedenti tornano utili.

La direzione più promettente è un’evoluzione condizionata dal contesto. Le modifiche dovrebbero essere circoscritte alle attività pertinenti, le memorie dovrebbero contenere informazioni sul processo in cui sono state generate e il sistema dovrebbe verificare se una nuova strategia entra in conflitto con competenze già validate. In termini aziendali, significa trattare la memoria dell’agente come una componente governata del software, non come un archivio al quale aggiungere continuamente nuove esperienze. L’autonomia, infatti, non coincide con la capacità di modificarsi senza intervento umano. Un sistema realmente maturo deve saper migliorare senza compromettere le prestazioni sulle quali l’organizzazione ha già costruito i propri processi.

Il lavoro completo è disponibile su arXiv: Are Self-Evolving Agents Continual Learners?.