Claude introduce funzioni di suddivisione del lavoro tra fino a 1.000 agenti AI; al centro i costi

L’AI si occupa di tutto, dalla pianificazione alla suddivisione dei compiti

Anthropic ha aggiunto workflow dinamici alla piattaforma di esecuzione degli agenti AI «Claude Managed Agents», consentendo a più agenti di suddividersi il lavoro. Un agente coordinatore pianifica, assegna i compiti agli agenti subordinati e integra i risultati. In una singola esecuzione possono operare in parallelo fino a 1.000 agenti.

Un agente AI è un sistema di intelligenza artificiale che svolge attività per raggiungere un obiettivo assegnato. Con la nuova funzionalità, invece di affidare tutto a un solo agente, il lavoro viene suddiviso tra un coordinatore e agenti operativi. In pratica, alla piattaforma di esecuzione esistente si aggiunge un meccanismo che consente di far lavorare insieme più sistemi AI.

Il dato da osservare non è soltanto il limite di 1.000 agenti. A occuparsi della suddivisione del lavoro e dell’integrazione dei risultati è l’AI stessa. Tuttavia, il numero di agenti che possono operare in parallelo non si traduce automaticamente in una maggiore velocità di elaborazione o in risultati migliori nella stessa proporzione.

Individuati 66 bug su 70

Nei test presentati da Anthropic, 70 bug sono stati inseriti intenzionalmente in 116.000 righe di codice e i risultati del rilevamento sono stati confrontati. Un singolo agente ne ha individuati da 14 a 27 in una sola esecuzione, mentre il workflow dinamico ne ha rilevati 66 in modo costante, secondo quanto riferito.

In termini di percentuale di rilevamento, si tratta di circa il 20-39% per l’agente singolo e di circa il 94% per il workflow dinamico. In questo test, la suddivisione del lavoro tra più agenti ha portato a individuare più bug. Tuttavia, anche il risultato di 66 bug non significa che siano stati trovati tutti quelli inseriti.

Inoltre, il risultato è stato ottenuto su un compito specifico: individuare bug nel codice. Non è possibile stabilire se si otterrebbero differenze analoghe in altre attività, come la ricerca o la redazione di documenti. I materiali forniti non indicano neppure quanti agenti siano stati effettivamente usati nel test; sarebbe quindi prematuro attribuire il risultato all’impiego di 1.000 agenti.

Per decidere se adottarlo, conta più il costo per risultato che il numero di agenti

La suddivisione del lavoro comporta anche un aumento del volume di elaborazione dell’AI. Anthropic avverte che potrebbe consumare molti token e raccomanda di partire da configurazioni ridotte. I token sono unità di elaborazione del testo e del codice gestiti dall’AI e costituiscono un parametro utile per valutare i costi di utilizzo.

Per le aziende, la domanda è quanto costi ottenere risultati della qualità necessaria, più che quanti agenti AI si possano attivare. Anche se si individuano più bug, la decisione di adottare la soluzione dipenderà da quanto aumentano i costi e il lavoro di verifica. Un approccio pratico consiste nel confrontare, sullo stesso compito, un agente singolo e una configurazione con pochi agenti, misurando il numero di bug individuati, il tempo necessario e i costi.

I materiali forniti non riportano il costo totale, il tempo di elaborazione né il consumo di token del test comparativo. Il dato verificabile è la differenza nel numero di bug individuati: il rapporto costi-benefici non è stato dimostrato.