A un’azienda che comincia serve 1 agente, e il secondo nasce quando il primo ha un compito che non può fare senza un permesso diverso. Il numero giusto non si sceglie in anticipo: esce dai confini di permesso, di contesto e di rischio che trovi lungo il lavoro. Io oggi gestisco 32 agenti specializzati, ma il 32 è un risultato, non il punto di partenza. Qui sotto trovi il criterio con cui taglio, le regole che Anthropic ha pubblicato e dove un sistema a più agenti smette di convenire.
Quanti agenti servono per cominciare?
Uno. Anthropic lo scrive senza giri di parole nella guida Building effective agents: «Start with simple prompts, optimize them with comprehensive evaluation, and add multi-step agentic systems only when simpler solutions fall short» (Anthropic Engineering — Building effective agents). La complessità si aggiunge solo quando migliora in modo dimostrabile il risultato.
Tradotto per una PMI: scegli il compito che ti ruba più tempo ogni giorno, isolalo in un agente, misura se funziona. Solo dopo ne aggiungi un secondo. Chi parte dall’organigramma completo di agenti paga il coordinamento prima di aver visto un solo risultato.
Il contesto di mercato dà ragione alla prudenza. Gartner prevede che oltre il 40% dei progetti di agentic AI sarà cancellato entro la fine del 2027, per costi crescenti, valore poco chiaro e controlli del rischio insufficienti. In un sondaggio di gennaio 2025 su oltre 3.400 partecipanti a un webinar, solo il 19% delle organizzazioni aveva fatto investimenti significativi in agentic AI, il 42% era prudente e il 31% incerto. Gartner stima inoltre che solo circa 130 fra le migliaia di fornitori che si dicono «agentici» offra vera autonomia (Outlook Business, sulla previsione Gartner).
Con quale criterio si taglia il lavoro fra due agenti?
Uso tre confini. Se un compito li supera, diventa un agente a parte.
- Permessi diversi. Un agente che legge dati e un agente che scrive verso l’esterno non devono essere lo stesso agente. Il taglio sul permesso limita il danno quando uno dei due sbaglia.
- Contesto diverso. Se per fare bene il lavoro A servono documenti e regole che il lavoro B non deve nemmeno vedere, tenerli insieme riempie il contesto di rumore e peggiora entrambi.
- Rischio diverso. Un compito reversibile (una bozza, un report) e uno irreversibile (un invio, un pagamento) hanno controlli diversi. Se condividono l’agente, condividono anche il controllo più debole.
Nessuno dei tre criteri dice «un agente per reparto». Il reparto è un’idea dell’organigramma, il confine di permesso è un fatto tecnico. Un reparto può avere tre agenti, e tre reparti possono usarne uno.
Workflow o agente: quando serve davvero l’autonomia?
Prima di contare gli agenti conviene chiedersi se ne serve uno. Anthropic distingue i workflow, dove modelli e strumenti seguono percorsi di codice decisi in anticipo, dagli agenti, dove il modello dirige da sé il proprio processo e l’uso degli strumenti (Building effective agents). Se i passi sono noti e sempre gli stessi, un workflow costa meno, si collauda meglio e si rompe in modo prevedibile. L’agente serve dove i passi dipendono dall’input.
Per la parte a passi fissi basta l’automazione classica, come nel confronto fra n8n, Make e Zapier. Gli agenti restano per ciò che non si lascia scrivere come diagramma.
Quanti agenti in parallelo conviene lanciare?
Anthropic ha pubblicato le regole con cui il suo sistema di ricerca dosa lo sforzo (Anthropic Engineering — How we built our multi-agent research system, giugno 2025):
- una domanda semplice: 1 agente, con 3-10 chiamate a strumenti;
- un confronto diretto: 2-4 subagent, con 10-15 chiamate ciascuno;
- una ricerca complessa: più di 10 subagent, con responsabilità ben divise.
Lo stesso resoconto riporta che il sistema multi-agente, con Claude Opus 4 come guida e subagent Claude Sonnet 4, ha superato un singolo Claude Opus 4 del 90,2% nelle valutazioni interne di ricerca. È un risultato su un compito molto adatto al parallelismo: ricerca ampia, fonti che superano una finestra di contesto, molti strumenti.
Quanto costa avere più agenti?
Il costo non cresce in modo lineare. Sempre secondo Anthropic, gli agenti consumano circa 4 volte più token di una normale chat, e i sistemi multi-agente circa 15 volte (fonte). Questo cambia la domanda: non «quanti agenti posso avere», ma «quale compito vale 15 volte il costo di una chat». Un lavoro che rende poco anche quando riesce non giustifica una squadra.
Quando più agenti sono una scelta sbagliata?
Quando tutti devono condividere lo stesso contesto, e quando il lavoro ha troppe dipendenze interne. Il resoconto di Anthropic lo dice per il codice: la maggior parte dei compiti di programmazione ha meno parti davvero parallelizzabili della ricerca, e gli agenti non sono ancora bravi a coordinarsi e a delegare in tempo reale. Se per fare il passo 3 devi aspettare il risultato del passo 2, il parallelismo non ti compra niente e ti aggiunge un punto di rottura.
Cosa succede quando gli agenti diventano 32?
Il numero di agenti smette di essere il problema, e il problema diventa tutto ciò che li circonda. Nel mio sistema, oltre ai 32 agenti specializzati, ci sono 95 procedure scritte, 126 organi automatici che girano a orario, 17 controlli automatici (hook) e 231 file di test. Le 2.786 lezioni in memoria sono gli errori che non voglio ripetere. Misurato il 6 ottobre 2026.
Il rapporto è il dato che conta: i 32 agenti sono una piccola parte di ciò che serve per farli lavorare in sicurezza. Sorveglianza, test e memoria dei guasti pesano più degli agenti stessi. Cosa si rompe in produzione l’ho raccontato in Agenti AI in produzione: cosa si rompe davvero, e perché un divieto scritto in un prompt non basta in questo pezzo sul modello che decide e non parla.
Checklist: prima di aggiungere un agente
- Il compito ha passi fissi? Allora è un workflow, non un agente.
- Richiede un permesso, un contesto o un livello di rischio diverso da quelli dell’agente che ho già? Se no, non nasce.
- So misurare se funziona? Senza una misura non lo aggiungo.
- Il risultato vale il costo extra in token, circa 15 volte una chat nel caso multi-agente?
- Chi controlla quello che fa, e chi si accorge se si ferma?
Domande frequenti
Quanti agenti AI servono a una PMI?
Da 1 a 3 all’inizio. Parti da un compito ripetitivo e misurabile, e ne aggiungi un altro solo quando serve un permesso o un contesto diverso.
Meglio un agente generalista o più agenti specializzati?
Dipende dal confine di permesso e di contesto. Un generalista basta finché il lavoro è uniforme. Gli specializzati servono quando un errore in un’area non deve poter toccare le altre.
Gli agenti in parallelo costano di più?
Sì. Anthropic stima circa 15 volte i token di una chat per un sistema multi-agente. Conviene dove il parallelismo porta valore, come nella ricerca ampia.
Serve un agente che coordina gli altri?
Quando i sotto-compiti non sono noti in anticipo, sì: è il pattern orchestrator-workers descritto da Anthropic, dove un modello centrale scompone, delega e sintetizza. Se i passi sono fissi, basta un workflow.
La lezione
Il numero di agenti è un effetto, non un obiettivo. Si parte da 1, si taglia dove cambia il permesso, il contesto o il rischio, e si spende più energia a sorvegliare che a moltiplicare.
