In breve
Gli agenti di IA svolgono i compiti in molti passaggi, chiamando modelli e strumenti più e più volte, quindi una singola richiesta può consumare molte volte i token di una chat. I sistemi multi-agente moltiplicano questo effetto e, quando gli agenti entrano in un loop o non si capiscono tra loro, i token vanno sprecati. Budget, limiti di passaggi, rilevamento dei loop e modelli di dimensione adeguata mantengono utili gli agenti senza bruciare energia per nulla.
Punti chiave
- Un agente fa molte chiamate al modello per ogni compito, quindi il suo consumo di token, e di energia, può essere molte volte quello di una singola chat.
- I sistemi multi-agente moltiplicano ancora il consumo di token, e questo ripaga solo per compiti abbastanza preziosi e complessi da richiederlo.
- Gli agenti possono bloccarsi in loop o ripetere il lavoro, consumando token senza fare progressi.
- Limiti rigidi su passaggi, token, tempo e spesa, più un monitoraggio in grado di fermare un'esecuzione bloccata, sono protezioni di base.
- Dimensionare correttamente significa usare un solo agente, un modello piccolo o nessun agente quando il compito lo consente.
Gli agenti di IA sono sistemi che lavorano verso un obiettivo in più passaggi, scegliendo quali strumenti chiamare e cosa fare dopo. Possono prenotare, cercare, scrivere codice, testarlo e riprovare. Questa autonomia è utile, ma ogni passaggio è un'altra chiamata a un modello, e i costi si sommano in un modo che una singola chat non conosce.
Che cosa rende costosi gli agenti?
Un agente chiama un modello molte volte per ogni compito, e ogni chiamata di solito include la cronologia crescente del compito fino a quel momento. Il consumo di token, e quindi di energia, cresce a ogni passaggio, chiamata a uno strumento e nuovo tentativo.
Un token è un frammento di testo, più o meno una parte di parola, che un modello legge o scrive. Ogni token elaborato costa calcolo. In una chat, una domanda produce una risposta. In un agente, una richiesta può innescare decine di chiamate al modello: pianificare, cercare, leggere i risultati, scrivere, verificare e rivedere.
Anthropic lo ha descritto nel 2025, raccontando come ha costruito il suo sistema di ricerca multi-agente. Ha riferito che gli agenti usavano in genere circa quattro volte più token delle interazioni in chat, e i sistemi multi-agente circa quindici volte di più. Ha anche rilevato che, nel suo benchmark di navigazione, il solo consumo di token spiegava l'80% della varianza nelle prestazioni: i sistemi andavano meglio soprattutto perché spendevano di più.
È uno scambio equo per un compito difficile e prezioso. Per un compito semplice è uno spreco.
Ci sono dati sul consumo di energia degli agenti?
Le prime ricerche vanno nella stessa direzione. Kim, Shin, Chung e Rhu (2025) hanno confrontato flussi di lavoro agentici a più turni con l'inferenza a turno singolo dal punto di vista dell'infrastruttura dei data centre. Hanno riscontrato che gli agenti consumavano molta più energia, che i guadagni di accuratezza mostravano rendimenti decrescenti man mano che si spendeva più calcolo, e che i costi infrastrutturali di una crescita degli agenti di questo tipo potevano diventare insostenibili.
I dati misurati sugli impieghi reali sono ancora scarsi, perché i fornitori li pubblicano di rado. Veda la misurazione è il collo di bottiglia.
Come sprecano token gli agenti?
Facendo un lavoro che non fa avanzare il compito. Gli schemi più comuni sono:
- Loop. Un agente ripete la stessa azione, oppure due agenti continuano a rimandarsi un problema.
- Controlli eccessivi. Ogni passaggio viene rivisto da un'altra chiamata al modello, anche dove basterebbe un semplice test.
- Contesto gonfiato. Documenti interi, log o output degli strumenti vengono trascinati in tutti i passaggi successivi.
- Tempeste di tentativi. Un errore innesca tentativi ripetuti, a volte su modelli sempre più grandi.
- Delega eccessiva. Un compito viene suddiviso tra molti agenti quando ne sarebbe bastato uno.
Cemri e colleghi (2025) hanno analizzato più di 1.600 tracce annotate di sette framework multi-agente e hanno individuato 14 modi distinti in cui questi sistemi falliscono, raggruppati in tre categorie: problemi nel modo in cui sono specificati il sistema e il compito, disallineamento tra agenti e mancata verifica del compito. Ogni modalità di fallimento è anche un modo di spendere token senza ottenere un risultato.
Un sandpit (laboratorio di ricerca collaborativo) britannico sulla green AI del 2026, che riuniva matematici, informatici e industria, ha discusso lo stesso problema: sciami di agenti possono intrappolarsi da soli, inviandosi output privi di senso e bruciando centinaia di migliaia di token. La questione di ricerca aperta che ne è emersa è come rilevare, matematicamente e presto, che un gruppo di agenti è bloccato, così che qualcuno o qualcosa possa fermarlo.
Conta anche dal punto di vista commerciale, oltre che ambientale?
Sì: costi ed energia crescono insieme. Nel giugno 2025 Gartner ha previsto che oltre il 40% dei progetti di IA agentica sarà annullato entro la fine del 2027, a causa di costi crescenti, valore commerciale poco chiaro o controlli dei rischi inadeguati. Lo spreco di token contribuisce direttamente al primo di questi motivi.
Quali protezioni tengono sotto controllo gli agenti?
Limiti rigidi, monitoraggio e un modo per fermarli. Sono controlli di ingegneria di base, e la maggior parte dei framework per agenti ne supporta alcuni.
| Protezione | Che cosa fa |
|---|---|
| Limite di passaggi | Fissa un tetto al numero di chiamate al modello in un'esecuzione. L'OpenAI Agents SDK, per esempio, ha un'impostazione max_turns che ferma l'esecuzione quando viene superata. |
| Budget di token o di spesa | Ferma un'esecuzione, o la segnala a un livello superiore, quando supera un costo stabilito. |
| Limite di tempo | Chiude le esecuzioni che durano molto più del previsto. |
| Rilevamento dei loop | Segnala azioni ripetute o messaggi quasi identici tra agenti. |
| Osservatore esterno | Un processo separato ed economico, o una persona, che controlla i progressi e può fermare l'esecuzione: il "pulsante rosso". |
| Riduzione del contesto | Riassume o elimina la cronologia vecchia, così ogni chiamata legge meno token. |
I limiti devono fallire in modo sicuro: quando un budget si esaurisce, l'agente deve fermarsi e riferire ciò che ha, non riprovare in silenzio.
Che cosa significa dimensionare correttamente un agente?
Usare il sistema meno elaborato che fa il lavoro. Prima di costruire un sistema multi-agente, scorra questo elenco dall'alto verso il basso:
- Nessun agente. Basta uno script fisso, una ricerca o una singola chiamata al modello?
- Una chiamata con strumenti. Spesso è sufficiente una singola chiamata al modello, con un buon prompt, che possa usare uno strumento.
- Un agente. Un singolo agente con un limite di passaggi.
- Più agenti, solo per compiti ampi, preziosi e davvero parallelizzabili.
In ognuno di questi casi, usi modelli piccoli per i sotto-compiti semplici come classificazione, estrazione e formattazione, e riservi i modelli grandi al ragionamento difficile. C'è un'insidia: un modello troppo piccolo può fallire e costringere a ripetere l'esecuzione su uno più grande, e in una catena lunga un solo errore può far deragliare i passaggi successivi. Stabilire la soglia è una scelta di progettazione che vale la pena testare. Veda scegliere il modello giusto e orchestrare invece di generare.
Che cosa fare adesso
- Registri i token per ogni compito completato, inclusi i nuovi tentativi e le esecuzioni fallite, per ogni agente che usa.
- Fissi limiti di passaggi, token, tempo e spesa per ogni agente prima che entri in produzione.
- Aggiunga il rilevamento dei loop e un modo perché una persona possa fermare un'esecuzione.
- Parta dal progetto più semplice che funziona e aggiunga agenti solo quando il compito lo richiede.
- Indirizzi i sotto-compiti semplici a modelli piccoli. Veda usare l'IA in modo efficiente.
- Se acquista strumenti agentici, chieda ai fornitori come limitano e rendicontano il consumo di token: veda acquisti sostenibili di IA.
Domande frequenti
Che cos'è l'IA agentica?
Sistemi di IA che perseguono un obiettivo in più passaggi, decidendo da soli quali strumenti chiamare e cosa fare dopo, invece di rispondere a un singolo prompt. Spesso chiamano un modello linguistico molte volte per ogni compito.
Perché gli agenti di IA consumano così tanti token?
A ogni passaggio la cronologia crescente del compito viene rinviata al modello, e gli agenti possono chiamare strumenti, verificare il proprio lavoro e riprovare. Nei sistemi multi-agente gli agenti si scambiano anche messaggi, e ognuno costa token.
Come posso evitare che un agente di IA sprechi token?
Fissi limiti al numero di passaggi, ai token, al tempo e alla spesa; rilevi i loop e le azioni ripetute; usi modelli piccoli per i sotto-compiti semplici; e faccia in modo che una persona possa sempre fermare un'esecuzione.
Fonti
- How we built our multi-agent research system, Anthropic (2025)
- Why do multi-agent LLM systems fail?, Cemri et al. (2025)
- The cost of dynamic reasoning: demystifying AI agents and test-time scaling from an AI infrastructure perspective, Kim, Shin, Chung and Rhu, HPCA 2026 (2025)
- Gartner predicts over 40% of agentic AI projects will be canceled by end of 2027, Gartner (2025)
- Running agents (max_turns), OpenAI Agents SDK documentation (2025)
Correlati
Orchestrare invece di generare
Perché riusare componenti verificati e instradare le richieste al modello più piccolo adatto può ridurre l'energia dell'IA, e che cosa dicono i dati.
Usare l'IA in modo efficiente: abitudini quotidiane
Abitudini quotidiane che riducono l'energia dell'IA: prompt chiari, meno rigenerazioni, cautela con immagini e video, caching e funzioni predefinite spente.
Scegliere il modello giusto per il compito
Come dimensionare bene l'IA: quando usare modelli piccoli o specializzati, quando un modello di frontiera vale il suo costo, come funziona il routing e quando non usare l'IA.
La misurazione è il collo di bottiglia dell'IA verde
Perché i dati sull'energia dell'IA sono difficili da verificare e confrontare: dichiarazioni proprie, stime invece di misure, confini diversi.