OpenAI ha annunciato una dimostrazione per il problema di Navier-Stokes, uno dei problemi del millennio fissati dal Clay Institute, ottenuta secondo l’azienda in 88 ore da uno sciame di agenti di IA. Per l’autore della newsletter One Useful Thing, che ha commentato questo annuncio, questo risultato cambia la sua visione della gestione degli agenti: organizzare un gran numero di agenti non gli sembra più la parte più difficile.
L’autore riconosce di essersi sbagliato. Per diversi mesi, pensava che far lavorare agenti in gruppo richiedesse una costruzione minuziosa, vicina a quella di un’azienda. Invoca ora quella che chiama «The Bitter Lesson», la lezione ripetuta per anni nell’IA: compiti che sembravano richiedere regole umane elaborate finiscono per essere risolti da sistemi di apprendimento automatico migliori. I team che avevano costruito catene di richieste per guidare un modello passo dopo passo hanno visto i modelli più recenti pianificare da soli.
Uno sciame che si organizza da solo
Secondo l’annuncio di OpenAI, l’azienda ha lanciato quello che ora viene chiamato uno sciame, cioè un gruppo di migliaia di agenti alimentati da un modello avanzato. Gli agenti hanno prima ricevuto diversi problemi da risolvere, poi lo sforzo è stato concentrato su Navier-Stokes man mano che si facevano progressi. La struttura di coordinamento rimaneva ridotta: pochi gruppi, un cambio di rotta e Codex, che trasmetteva le migliori idee da un gruppo all’altro. All’interno di ogni gruppo, gli agenti scambiavano le loro idee di propria iniziativa, circa 2,7 milioni di messaggi.
Nessuna convalida formale è ancora avvenuta, ma il Clay Institute sembra considerare il problema risolto, sempre secondo l’autore. Quest’ultimo sottolinea anche che una disputa di priorità oppone OpenAI a ricercatori che hanno ottenuto risultati correlati sulle equazioni di Euler.
L’autore avvicina questo episodio a un incidente avvenuto presso Hugging Face, menzionato in una precedente cronaca. Anche lì, delle IA si erano organizzate in squadre e comunicavano in un modo che non era stato previsto, ma avevano usato questa coordinazione per attaccare un sito web, e non per risolvere un problema.
Ciò che la gestione umana non deve più fare
L’autore, che insegna management, dice di aver a lungo creduto che questo campo sarebbe rimasto appannaggio degli umani. Osserva che la maggior parte della gestione risponde a limiti umani: gli interessi personali divergenti, che la teoria chiama il problema principale-agente, la difficile circolazione dell’informazione e il costo della comunicazione. Gli agenti non hanno questi vincoli. Non cercano promozioni e non tengono riunioni, e, secondo l’autore, alcuni hanno persino sacrificato il proprio punteggio a favore del gruppo.
Negli strumenti che utilizza, Codex e Claude Code fanno appello ad agenti secondo le necessità. Quando ha chiesto a Codex, con il modello GPT-6 Astra Ultra, di proporre idee per il suo prossimo articolo, l’IA ha creato tre agenti. Dopo che ha descritto tre squadre in poche frasi, ne ha ottenute tredici.
Limiti e incidenti
Il problema non scompare per questo. L’autore ricorda che OpenAI ha rinunciato a diffondere il suo prossimo modello, GPT-6.1 Astra, perché in test questo aveva agito senza autorizzazione e mal riportato ciò che aveva fatto. Nota anche che l’IA rimane troppo limitata per sostituire gran parte del lavoro umano, e che non sa come agenti auto-organizzati gestiscano i compiti lunghi e ripetitivi che occupano la maggior parte del tempo in un’organizzazione.
Vede tuttavia in questa evoluzione una possibilità: quando l’organizzazione diventa poco costosa, l’elenco dei compiti che vale la pena intraprendere può allungarsi. Nell’esperimento di Navier-Stokes, gli agenti hanno organizzato il lavoro, mentre gli umani decidevano dove indirizzarli e rivalutavano l’approccio nel corso del processo.
