Un modello AI generale applicato a un workflow complesso tende a perdere coerenza man mano che il numero di passaggi aumenta. Le istruzioni si contraddicono, il contesto si perde, i risultati intermedi non vengono trasferiti correttamente tra una fase e l'altra. I sistemi multi-agente nascono per risolvere questo problema: invece di usare un singolo modello per tutto, si divide il workflow in passi gestiti da agenti specializzati, ognuno ottimizzato per il compito specifico che deve svolgere. La coordinazione tra gli agenti diventa il problema da risolvere, ma il risultato è un'automazione più robusta e scalabile.
Un interesse cresciuto del 1.445% in poco più di un anno
Gartner ha rilevato una crescita del 1.445% nelle richieste di informazioni sui sistemi multi-agente tra il primo trimestre del 2024 e il secondo trimestre del 2025. L'interesse è così elevato che Gartner ha incluso i sistemi multi-agente tra i top trend tecnologici strategici per il 2026, definendoli come collezioni di agenti AI che interagiscono per raggiungere obiettivi individuali o condivisi complessi. Gartner prevede che entro il 2027 il 70% dei sistemi multi-agente utilizzerà agenti strettamente specializzati, aumentando l'accuratezza ma incrementando anche la complessità di coordinazione.
Il vantaggio principale rispetto a un agente unico è la modularità. Un agente specializzato nella lettura di documenti, affiancato da un agente che valida i dati estratti, da uno che interroga un sistema ERP, e da uno che produce il report finale, produce risultati più affidabili di qualsiasi modello generale che cerchi di fare tutto da solo. Gli agenti dimostratisi validi possono essere riutilizzati in workflow diversi, aumentando la scalabilità e riducendo gli errori che tipicamente affliggono i sistemi AI monolitici. I sistemi multi-agente consentono anche a organizzazioni diverse di connettere i propri agenti, aprendo la strada a quello che Gartner chiama "Internet of Agents".
I rischi che crescono con la complessità
La stessa caratteristica che rende potenti i sistemi multi-agente, ovvero la moltiplicazione delle interazioni tra componenti autonomi, è anche la fonte dei loro rischi principali. Gartner identifica quattro categorie di criticità. La prima è la superficie di attacco più ampia: ogni agente è un potenziale punto di vulnerabilità, e gli agenti possono essere manipolati tramite prompt injection, dati avvelenati o siti fraudolenti con cui interagiscono durante l'esecuzione dei task. La seconda è la propagazione degli errori: un errore prodotto da un agente si amplifica man mano che viene passato agli agenti successivi, producendo output complessivi molto più distorti dell'errore originale. La terza è la complessità di integrazione e monitoraggio: più agenti significano più connessioni, più log, più surface da osservare. La quarta è la gestione dei costi, che può diventare imprevedibile quando i sistemi operano in modo autonomo a volumi elevati.
A questi rischi si aggiungono le minacce specifiche segnalate da Gartner: credential hijacking, interazioni con fonti non affidabili, e comportamenti devianti degli agenti a causa di flaw interni o trigger esterni. Entro il 2028, secondo Gartner, il 40% dei CIO richiederà che siano disponibili "guardian agents", agenti specificamente progettati per monitorare, controllare e contenere le azioni degli altri agenti.
Come si progetta un sistema multi-agente che funziona
Gartner indica quattro principi di progettazione per i sistemi multi-agente enterprise. Il primo è l'architettura modulare event-driven con layer semantici: ogni agente deve essere indipendente, comunicare attraverso eventi invece che chiamate dirette, e accedere ai dati attraverso un layer semantico comune che garantisce coerenza e sicurezza. Il secondo è la governance e l'osservabilità dall'inizio: non aggiungere la governance come strato successivo, ma incorporarla nel design fin dalla prima versione. Audit trail in tempo reale, monitoraggio delle azioni, e controlli di conformità devono essere parte integrante dell'architettura. Il terzo è l'uso di workflow orchestrati con validazione degli output a ogni passo: il sistema non deve eseguire ciecamente una catena di azioni, ma validare i risultati intermedi prima di procedere. Il quarto è l'adozione di standard aperti e interoperabili per la comunicazione tra agenti, in modo da non restare vincolati a un singolo fornitore e poter integrare agenti di terze parti man mano che il mercato matura.
Gartner raccomanda esplicitamente di iniziare con pilot piccoli e dotati di strumenti di osservabilità, prima di scalare. Il problema dei sistemi multi-agente non è la fase di dimostrazione, ma il comportamento in produzione a volume elevato. I casi d'uso ad alto impatto ma bassa complessità, come la gestione di documenti strutturati o la risposta a richieste standard nel back office, sono il punto di partenza più indicato.
Gartner stima circa 130 fornitori reali su migliaia che si dichiarano agentici
Il mercato dei sistemi multi-agente e agentici soffre dello stesso problema che affligge l'agentic AI in generale: un numero molto elevato di fornitori che usano il termine senza capacità reali sottostanti. Gartner stima che dei migliaia di fornitori che si definiscono "agentici", circa 130 abbiano capacità realmente agentive. Per i sistemi multi-agente, la valutazione deve andare oltre le dichiarazioni del fornitore e verificare la gestione della memoria condivisa tra agenti, la capacità di rollback in caso di errori, i meccanismi di handoff tra agenti, e le garanzie di sicurezza sull'accesso ai dati e ai sistemi esterni.
Il punto di arrivo che Gartner delinea non è un sistema che gira da solo senza supervisione, ma un sistema che riduce drasticamente l'intervento umano nei casi standard, gestisce la propagazione delle eccezioni in modo trasparente, e consente agli operatori di capire cosa sta facendo e perché. La fiducia negli agenti si costruisce con l'osservabilità, non con l'autonomia cieca.
