ai-agentiva

L'infrastruttura invisibile dell'AI agentiva: consumi energetici nascosti, catene di delega zero-trust e la svolta deterministica

La ricerca svela i veri colli di bottiglia dell'AI agentiva: stime energetiche sottostimate di 25 volte, vulnerabilità nelle catene di delega multi-agente e agenti 'System 1' che eliminano le allucinazioni rinunciando alla generazione di testo libero.

Pubblicato il

La narrazione pubblica sull'AI agentiva continua a ruotare attorno a concetti astratti: autonomia, ragionamento, capacità di pianificazione. Ma chi lavora nelle trincee dell'ingegneria sa che il vero campo di battaglia si sta spostando su terreni molto più concreti e meno glamour. Gli ultimi dieci giorni di pubblicazioni su arXiv — tutti datati tra il 13 e il 16 novembre 2026 — disegnano un quadro coerente: l'industria sta silenziosamente risolvendo i problemi che i benchmark non misurano, dal bilancio energetico alla sicurezza delle catene di delega, fino all'affidabilità nell'uso degli strumenti.

Non si tratta più di dimostrare che un agente può completare un compito, ma di garantire che lo faccia in modo sostenibile, verificabile e controllabile quando le cose vanno storte. È il passaggio dalla demo alla produzione che separa i prototipi dai sistemi su cui un'azienda può costruire processi critici.

Il paradosso è che le innovazioni più significative non arrivano da modelli più grandi, ma da architetture che rinunciano alla flessibilità del linguaggio naturale a favore di determinismo, vincoli energetici espliciti e modelli di sicurezza che non presuppongono fiducia statica. Vediamo cosa sta emergendo dai laboratori.

Il buco nero energetico che nessuno sta misurando

La maggior parte delle stime sui consumi dell'AI agentiva si basa su un modello sbagliato: contano i token generati in output. La realtà operativa è radicalmente diversa. Un'analisi su quasi un miliardo di token raccolti in 42 sessioni e 752 episodi di sviluppo software reale per dieci settimane ha rivelato che il 94,8% dei token API riportati consistono in letture di contesto in cache, mentre l'input non in cache rappresenta solo lo 0,017% (Re-Reading Is Not Free: Token Traces and Cache-Aware Energy Estimation for LLM Agents in Software Engineering). Per ogni token generato, ne vengono letti circa 260 dalla cache.

Estendendo un modello analitico di inferenza per tener conto dell'elaborazione del contesto in cache, i ricercatori ottengono una stima di circa 250 kWh per il carico di lavoro osservato, contro i circa 10 kWh dell'estimatore basato solo sull'output (EcoLogits). Una differenza di 25 volte, guidata quasi interamente dalle letture di contesto in cache. Nessuna assunzione di modellazione testata chiude questo gap.

Le implicazioni operative sono immediate: iniziare ogni compito da un contesto fresco abbasserebbe la stima di circa il 60%. Inoltre, i log delle sessioni padre riportano solo la chiamata interna finale di un sotto-agente, sottostimando i token delegati di un fattore dieci — una correzione che da sola sposta la stima energetica di circa il 5%.

Per le aziende italiane che stanno pianificando budget ESG e pianificazione della capacità per carichi di lavoro agentici, questo significa che le proiezioni basate su pricing per token di output sono sistematicamente ottimistiche di un ordine di grandezza. La metrica corretta non è "token generati" ma "token-letto-equivalenti" con pesi differenziati per cached vs non cached.

System 1: quando l'agente smette di parlare e inizia a decidere

Mentre l'industria insegue LLM sempre più grandi per l'uso di tool, un approccio radicalmente diverso sta dimostrando che rinunciare alla generazione di testo elimina intere classi di fallimenti. Il framework System 1 Agents trasforma ogni schema di tool e richiesta in domande a scelta multipla le cui opzioni provengono esclusivamente dalla richiesta e dallo schema, poi usa un modello decisionale a singolo passaggio per rispondere — senza generare testo libero (System 1 agents: a method for local, reliable and fast agentic AI).

Su 1.952 richieste a 157 tool biomedici, il miglior agente System 1 ha scelto lo tool corretto (o ha correttamente rifiutato) nel 97,0% dei casi, superando significativamente tutte le 18 configurazioni di agenti LLM locali (massimo 95,2%). Ha riempito il 97,0% di 6.056 valori degli argomenti dichiarati. Zero chiamate System 1 contenevano contenuto inventato, contro il 5,5-19,7% delle chiamate LLM.

Il compromesso è esplicito: si perde la flessibilità del ragionamento in linguaggio naturale, ma si guadagna determinismo, assenza di allucinazioni nei parametri tool, ed eseguibilità locale su dati sensibili (il paper cita esplicitamente dati clinici). Il framework è open-source su GitHub.

Per contesti aziendali dove l'errore su un parametro API — un ID paziente, un importo bonifico, un codice articolo — ha costi legali o operativi inaccettabili, questa architettura "compilatore deterministico + classificatore leggero" rappresenta una via alternativa credibile al prompting chain-of-thought.

Edge multi-agente: orchestrazione, energia e QoS come vincoli di ottimizzazione

Portare l'AI agentiva sull'edge non è solo questione di latenza: è un problema di allocazione congiunta di risorse e pianificazione degli agenti sotto vincoli energetici e di qualità. Un'architettura edge multi-LLM propone un supervisore che scompone la richiesta in sottocompiti e li assegna ad agenti worker via workflow paralleli o seriali, con ritentativi a due livelli per l'affidabilità (Multi-LLM Agentic AI at the Edge: Joint Agent Scheduling and Resource Allocation).

Il problema di minimizzazione energetica viene formulato considerando selezione dell'agente e allocazione delle risorse (banda, tempo di servizio, retrieval) soggetti a latenza e QoS. La soluzione usa ottimizzazione alternata: per il workflow parallelo, il problema si disaccoppia in allocazione della banda, selezione del retrieval e selezione dell'agente, risolti iterativamente con Successive Convex Approximation (SCA), Lagrangian Relaxation (LR), e algoritmi Gale-Shapley (GS) o LLM-based. Per il workflow seriale, l'allocazione ottima del tempo di servizio deriva da condizioni KKT, mentre gli altri sottoproblemi estendono gli stessi algoritmi.

Simulazioni mostrano riduzione del consumo energetico rispetto a benchmark, ed esperimenti su sistema reale con Qwen e Llama dimostrano tassi di completamento dei task migliorati.

Il messaggio per chi progetta sistemi distribuiti: l'orchestrazione agentica non è logica applicativa — è teoria del controllo applicata a risorse eterogenee. La scelta tra workflow parallelo/seriale, la politica di ritentativo, l'algoritmo di matching agenti-task diventano parametri di un problema di ottimizzazione con vincoli rigidi, non dettagli implementativi.

ToolPulse: middleware per uso autonomo di tool che impara dai propri errori

Gli agenti basati su LLM mostrano pattern ricorrenti nell'uso di tool: ignorano feedback di esecuzione, ripetono chiamate inefficaci, persistono con strategie improduttive. ToolPulse affronta questo come problema di runtime assistance: un middleware online che traccia lo stato di esecuzione e pattern temporali, monitora chiamate proposte prima dell'invio e ispeziona feedback prima che l'agente riprenda il ragionamento (Beyond Clumsy Agentic Tool Calling: How Cueing and Spotting Make the Difference).

Combina regole basate su stato, analisi sequenziale semantica, e similarità di feature di interazione per identificare opportunità di intervento: reminder verbali, feedback strutturato, consigli contestuali da modelli ausiliari. La valutazione distingue validità dei trigger, cessazione comportamentale, correzione sostanziale — oltre a esito del task e costi delle risorse.

Su 1.350 traiettorie (SWE-agent, tre backbone, 90 task bug-fix Python/C++/Java), le risposte sostanziali seguono il 61,6-90,9% dei trigger validi per deviazioni tool-use. I reminder concisi ottengono il tasso aggregato più alto di risposta sostanziale; assistenze più elaborate offrono benefici dipendenti dal sintomo e possono essere meno efficaci. Gli esiti di riparazione aggregati rimangono vicini al baseline, con risparmio di token in scenari selezionati.

L'elemento chiave architetturale: la correzione dell'uso di tool non va delegata al ragionamento dell'agente principale, ma gestita da un livello di osservabilità e intervento separato, con stato, che opera su scale temporali più brevi del ciclo ragionamento-azione.

Zero Trust per catene di delega: Agent-ZTA e SECCARD

Due paper affrontano lo stesso problema da angolazioni complementari: la fiducia non è transitiva nelle catene multi-agente.

Agent-ZTA definisce un modello Zero Trust chain-aware per propagazione bidirezionale dello stato di sicurezza e contenimento runtime in delega multi-agente (Agent-ZTA: A chain-Aware Zero Trust Model for Bidirectional Security-State Propagation and Runtime Containment in Multi-Agent Delegation). Distingue l'autorità delegata path-specific da permessi effettivamente esercitabili sotto policy trusted. Architettura: decisioni policy enforced indipendentemente, provenienza della delega autenticata, vista dinamica chain-state, gestione fail-safe segnali di autenticazione mancanti/obsoleti. Propagazione bidirezionale: eventi sicurezza downstream influenzano stati workflow upstream. Containment branch-scoped: permessi ristretti e modalità sandbox ("jail") dove boundary di isolamento disponibile. Procedura decisionale deterministica, cinque proprietà sicurezza enunciate, esempi di trace di autorizzazione svolti.

SECCARD affronta la superficie di attacco in fase di discovery del protocollo Agent2Agent (A2A): gli Agent Card contengono campi in linguaggio naturale controllabili da attaccanti che influenzano selezione agente prima dell'invocazione (We Have All the Cards: Securing Agent Cards at the Operational Trust Boundary of the Agent2Agent Protocol). Tassonomia di 10 attacchi di manipolazione degli Agent Card. Framework di validazione a strati: controlli protocollo, analisi deterministica, ragionamento semantico LLM-based. Misurazione ecosistema pubblico: 36,1 milioni domini analizzati, 310 Agent Card implementate. Benchmark: 660 card reali perturbate + 260 sintetiche avversarie su tutte 10 categorie. Miglior giudice semantico: 97,0% security recall all'1,7% false-positive su attacchi controllati. Su benchmark sintetico, 9 LLM judge: security recall 25,8%-92,3%, variazione dipendente dal modello sostanziale.

Insieme, questi lavori dicono che l'identità dell'agente e l'ambito delegato statico non bastano: serve monitoraggio continuo dello stato sicurezza lungo tutta la catena, validazione semantica dei metadati di discovery, e contenimento adattivo che isoli rami compromessi senza bloccare workflow non correlati.

Il tallone d'Achille simbolico: quando l'offuscamento vocabolario rompe il planning

Anche i modelli di reasoning più robusti crollano quando il vocabolario simbolico (nomi delle azioni, predicati, oggetti) viene avversarialmente offuscato. Symbolic Swapper genera automaticamente domini di planning con vocabolari non-standard che riducono le performance di oltre il 70% su modelli base e framework di planning robusti (Adversarially Attacking Symbolic Vocabulary Vulnerabilities In LLM Planners).

L'analisi rivela che l'offuscamento riuscito fa apparire i modelli come se degradassero significativamente nel ragionamento, nonostante mantengano qualche capacità intrinseca di comprendere il dominio. C'è un gap tra percezione del dominio del task e capacità di pianificare al suo interno.

Per sistemi agentici che operano su API, schemi database, o DSL proprietari — dove i nomi sono arbitrari e non portano senso comune — questa vulnerabilità è sistemica. La mitigazione non sta in modelli più grandi, ma in grounding esplicito del vocabolario simbolico prima del planning, o in architetture che separano interpretazione simbolica da esecuzione della pianificazione.

Cosa significa per le aziende italiane

Questi dieci paper, pubblicati in quattro giorni, convergono su una verità operativa: l'AI agentiva pronta per la produzione non assomiglia alle demo. Assomiglia a:

  • Contabilità energetica cache-aware nei contratti cloud e nei report ESG
  • Agenti System 1 deterministici per path critici su dati sensibili (sanità, finanza, PA)
  • Orchestrazione edge formulata come ottimizzazione vincolata con KKT, SCA, Gale-Shapley
  • Middleware di osservabilità tool-use (pattern ToolPulse) disaccoppiato dal ragionamento principale
  • Zero Trust chain-aware come default architetturale per qualsiasi delega multi-agente
  • Validazione semantica Agent Card come prerequisito per discovery A2A
  • Grounding vocabolario simbolico come fase obbligatoria pre-pianificazione su API/DSL proprietari

Le aziende italiane che stanno valutando pilotaggi agentici dovrebbero richiedere ai fornitori: stime energetiche cache-aware, tassi di allucinazione parametri tool su benchmark realistici, architettura di contenimento per catene delega, e strategia di grounding vocabolario simbolico. Chi non sa rispondere sta vendendo demo, non infrastruttura.

La prossima ondata non sarà "agenti più intelligenti". Sarà infrastruttura che rende l'intelligenza operativamente sicura, misurabile e gestibile.

Fonti