Due agenti LLM con obiettivi strutturalmente opposti, lasciati dialogare per più turni, non danno vita a una competizione produttiva: collassano. Il visitatore si arrende, l'agente del sito smette di variare approccio e la conversazione termina senza che nessuno dei due raggiunga l'obiettivo dichiarato. È questa la premessa da cui parte Experience Orchestrator (EO), un livello di governance basato sulla teoria del controllo, messo alla prova in un ambiente simulato di servizi finanziari.

EO non aggiunge un modello più grande né un prompt più convincente. Inserisce un controllo esplicito sulla traiettoria congiunta: un Contextual Bandit seleziona le varianti di contenuto calibrate su dati reali di web analytics; un controllore PID impone coerenza comportamentale attraverso vincoli dinamici di schema; un belief tracker POMDP mantiene un modello probabilistico dell'intento del visitatore.

Su 60.000 simulazioni, il tasso di contatto ad alto intento con un consulente passa dal 46,1% del controllo LLM naive al 78,1% con EO: un incremento di 32 punti percentuali. Il dato più rilevante non è però il risultato assoluto. L'analisi della varianza mostra che la selezione delle varianti del Contextual Bandit spiega il 97% della varianza tra i fattori. In altre parole, è la policy di governance, non lo stato iniziale dell'ambiente, a decidere dove finiscono le traiettorie.

Qui sta il punto strutturale. Nell'attuale ondata di agenti LLM, la cooperazione è spesso data per scontata: si assume che modelli sufficientemente capaci trovino un equilibrio comunicativo. L'esperimento mostra il contrario quando gli obiettivi sono opposti. Senza una funzione obiettivo condivisa, il comportamento emergente non è competizione, ma resa. La governance non è un ornamento: è il sostituto funzionale di quella funzione mancante.

L'analisi per persona rivela due regimi distinti. Per i visitatori senza inclinazione naturale alla conversione, il livello di governance fa la differenza tra sistema funzionante e non funzionante. Per chi è già vicino all'allineamento, i default empatici di un LLM naive sono in gran parte sufficienti. Questo ha implicazioni di secondo ordine: non tutti i flussi conversazionali richiedono la stessa intensità di controllo. Le aziende che progettano assistenti per servizi finanziari potrebbero dover riservare il controllo attivo ai segmenti ad alto attrito e lasciare i casi semplici a un'interazione più leggera.

Il lavoro è condizionato alla simulazione LLM-to-LLM. Il controllore PID non è stato calibrato sull'imprevedibilità umana reale; validare EO su traffico live è indicato come il prossimo passo critico. Questo vincolo pesa doppiamente in contesti finanziari: il comportamento degli utenti reali cambia nel tempo e i dati di calibrazione devono restare aggiornati. Chi gestisce questi sistemi in self-hosted può mantenere il loop di governance e i dati comportamentali all'interno dei propri confini, ma deve accettare che il vantaggio osservato nelle simulazioni non si trasferisce automaticamente alla produzione.

Dal punto di vista del deployment, EO non introduce requisiti hardware specifici: il suo valore è nel controllo dell'interazione, non nell'espansione della capacità di inference. Per un'organizzazione che già esegue LLM on-premise, un layer di questo tipo si colloca a monte o a fianco dell'orchestrazione, aggiungendo superficie di governance piuttosto che carico computazionale. La questione diventa allora di auditabilità: un belief tracker POMDP produce stati probabilistici che possono essere registrati e verificati, un aspetto rilevante nelle conversazioni che spingono un utente verso un consulente.

Resta da vedere se il controllo basato su PID e POMDP regga di fronte alla variabilità umana. Il paper lo indica come il prossimo passo critico, e non a caso: 60.000 simulazioni possono dire molto sulla dinamica tra agenti, ma quasi nulla sul momento in cui un utente reale decide di non rispondere più.