La prossima evoluzione dell’intelligenza artificiale potrebbe non dipendere soltanto dalla capacità dei singoli modelli di ragionare meglio, ma dalla loro abilità di lavorare insieme senza ricevere istruzioni dettagliate su come collaborare. Una ricerca pubblicata il 5 novembre 2026 su arXiv, intitolata s³: Simple Scaling of Swarms via Cooperative Multi-agent RL, propone un approccio interessante proprio in questa direzione: lasciare che siano gli agenti artificiali ad apprendere autonomamente le regole della collaborazione, invece di affidare a uno sviluppatore la progettazione preventiva dell’intera organizzazione.
Il lavoro, firmato da Kunal Jha, Gonçalo Faria, Shuyue Stella Li e altri ricercatori, tra cui Noah A. Smith, Yulia Tsvetkov e Natasha Jaques, affronta uno dei limiti strutturali degli attuali sistemi multi-agente. Nella maggior parte delle architetture disponibili, l’organizzazione del lavoro viene stabilita prima dell’esecuzione. Un agente centrale distribuisce le attività, gli altri ricevono ruoli specifici e le comunicazioni seguono regole definite nel codice o nei prompt. È un modello organizzativo comprensibile, ma conserva un difetto significativo: la squadra deve adattarsi a una struttura progettata da esseri umani, anche quando il problema richiederebbe modalità di collaborazione differenti.
La proposta s³ cambia questa impostazione attraverso il cooperative reinforcement learning. Gli agenti imparano quando lavorare individualmente, quando rendere disponibili le proprie scoperte e quando consultare i risultati prodotti dagli altri componenti del gruppo. Non esistono ruoli assegnati in anticipo né una sequenza obbligatoria di comunicazioni. L’organizzazione emerge durante l’apprendimento, come risultato delle decisioni che permettono alla squadra di raggiungere un obiettivo condiviso.
Il dettaglio tecnologicamente più interessante riguarda proprio la gestione della comunicazione. Nei sistemi multi-agente, comunicare non è sempre un vantaggio. Ogni messaggio consuma risorse computazionali e tempo, mentre un flusso eccessivo di informazioni può rendere più difficile individuare i contributi realmente utili. Al contrario, agenti che lavorano completamente isolati rischiano di ripetere attività già completate da altri, senza beneficiare delle informazioni disponibili nella squadra. s³ cerca di apprendere un equilibrio dinamico tra autonomia e cooperazione, trasformando la comunicazione in una decisione strategica anziché in un comportamento imposto dall’architettura.
I risultati sperimentali sono particolarmente interessanti. Nella prova dedicata all’aggregazione delle informazioni, ogni agente riceve un dato privato che gli altri non conoscono. Per risolvere il problema, il gruppo deve condividere le informazioni e ricostruire una risposta completa. Il sistema s³ raggiunge un tasso di successo del 93%, contro il 35% di una variante addestrata attraverso l’imitazione delle squadre riuscite e il 13% di un sistema nel quale ogni agente viene premiato individualmente. La differenza dimostra quanto il meccanismo di ricompensa collettiva possa incidere sul comportamento dei singoli componenti.
Ancora più significativo è il comportamento quando aumenta il numero degli agenti. Il gruppo viene addestrato con quattro componenti e successivamente valutato con squadre che arrivano fino a sedici agenti, senza un nuovo addestramento. A otto componenti, s³ risolve oltre venti volte più problemi rispetto al controllo basato sull’imitazione supervisionata. L’abstract riporta inoltre un vantaggio superiore a 25 volte rispetto al baseline più forte nelle condizioni di confronto considerate. Nell’esplorazione parallela, gli agenti che comunicano riducono quasi della metà la sovrapposizione delle ricerche e superano il modello best-of-N fino a 9,4 punti percentuali. Quest’ultimo confronto è importante perché best-of-N rappresenta una strategia già piuttosto efficace: consiste nell’eseguire più tentativi indipendenti e scegliere il migliore, senza che gli agenti debbano necessariamente collaborare.
La ricerca introduce anche una questione economica che merita attenzione. Moltiplicare gli agenti significa aumentare la capacità computazionale disponibile, ma non garantisce automaticamente un miglioramento proporzionale delle prestazioni. Se sedici agenti esplorano contemporaneamente lo stesso spazio senza scambiarsi informazioni, l’infrastruttura sostiene costi aggiuntivi per produrre risultati in parte duplicati. Il vantaggio della cooperazione consiste nel trasformare una maggiore disponibilità di calcolo in una maggiore produttività effettiva. Per le imprese che stanno progettando sistemi autonomi, questa distinzione potrebbe diventare determinante nella valutazione del costo per attività completata, molto più significativo del semplice numero di agenti attivati.
C’è poi un aspetto che richiama direttamente l’economia dell’organizzazione. Nel 1945 Friedrich Hayek pubblicò il suo celebre saggio sulla conoscenza nella società, sostenendo che le informazioni necessarie a prendere decisioni sono distribuite tra individui diversi e non possono essere raccolte integralmente da un unico centro decisionale. Il problema affrontato da s³ presenta una somiglianza interessante: ogni agente possiede informazioni parziali e il gruppo deve trovare un meccanismo per renderle utilizzabili collettivamente. La soluzione non consiste necessariamente nell’introdurre un coordinatore centrale. Può emergere attraverso comportamenti distribuiti, nei quali ciascun componente impara a contribuire quando il proprio intervento produce un vantaggio per il gruppo.
Il meccanismo di ricompensa condivisa è decisivo proprio per questo motivo. I ricercatori mostrano che, quando gli agenti vengono premiati soltanto per il proprio risultato individuale, possono sviluppare comportamenti opportunistici. Nel test di aggregazione delle informazioni, ciascun agente ha convenienza ad aspettare che siano gli altri a comunicare per primi. Si crea così un problema classico di azione collettiva: tutti beneficerebbero dalla collaborazione, ma nessuno vuole sostenere per primo il costo di contribuire. Quando la ricompensa dipende invece dal successo dell’intera squadra, questo conflitto si riduce e la condivisione diventa parte della strategia appresa.
Naturalmente, sarebbe prematuro considerare questi risultati una dimostrazione definitiva della superiorità delle architetture autonome. Gli esperimenti riguardano soltanto due attività, utilizzano modelli relativamente piccoli della famiglia Qwen3, rispettivamente da 0,6 e 1,7 miliardi di parametri, e non dimostrano ancora la trasferibilità del metodo a processi aziendali complessi, strumenti esterni o ambienti operativi aperti. Gli stessi autori riconoscono questi limiti e segnalano problemi ancora irrisolti: agenti che ripetono ricerche già effettuate, accettano informazioni non verificate oppure producono risposte errate pur disponendo dei dati necessari. Sono criticità sostanziali, soprattutto quando si immagina di affidare a queste architetture decisioni con conseguenze economiche reali.
Resta tuttavia un cambiamento concettuale rilevante. Finora una parte consistente dello sviluppo degli agenti AI ha cercato di trasferire nei prompt e nel codice una rappresentazione umana dell’organizzazione del lavoro. Si progettano responsabili, specialisti e supervisori, replicando strutture gerarchiche conosciute. s³ suggerisce una strada diversa: addestrare gli agenti affinché apprendano autonomamente come distribuire il lavoro e costruire relazioni operative efficaci. Non significa eliminare il controllo umano, che rimane essenziale per definire obiettivi, responsabilità e limiti. Significa spostare una parte dell’intelligenza organizzativa dall’architettura progettata a mano al comportamento appreso.
Per il mercato dell’AI agentica, questo passaggio potrebbe avere conseguenze importanti. Il valore competitivo non dipenderà esclusivamente dalla disponibilità di modelli più potenti, ma dalla capacità di ottenere risultati migliori coordinando modelli anche relativamente piccoli. Una squadra che sa collaborare può utilizzare il calcolo in modo più efficiente di una squadra più numerosa che lavora senza coordinamento. È un principio semplice, ma economicamente rilevante in un settore nel quale l’inferenza rappresenta una voce di costo crescente. La ricerca s³ non dimostra ancora che le organizzazioni artificiali sappiano gestire autonomamente il lavoro nel mondo reale. Dimostra però che alcune capacità organizzative possono essere apprese, anziché essere interamente programmate.
Il paper originale: s³: Simple Scaling of Swarms via Cooperative Multi-agent RL, arXiv, 5 novembre 2026. arXiv+1


