Agenti di codice paralleli: più problemi che benefici?

Un recente studio di Stanford e SAP, pubblicato come preprint, mette in discussione l'assunto che l'utilizzo di agenti di codice paralleli migliori la produttività. La ricerca, denominata "CooperBench", rivela una "maledizione del coordinamento": l'aggiunta di un secondo agente di codice non solo non migliora la performance, ma la peggiora.

In media, due agenti che lavorano insieme hanno una percentuale di successo inferiore del 30%. Per modelli avanzati come GPT-5 e Claude 4.5 Sonnet, il tasso di successo è addirittura del 50% inferiore rispetto all'utilizzo di un singolo agente. I ricercatori attribuiscono questo calo di performance a problemi di collaborazione: gli agenti falliscono nel modellare il lavoro del partner (42% dei casi), non mantengono gli impegni presi (32%) e presentano problemi di comunicazione (26%). Inoltre, tendono a creare stati condivisi inesistenti e a sovrascrivere silenziosamente il lavoro altrui.

Questi risultati sollevano interrogativi sull'efficacia delle piattaforme che promuovono gli agenti paralleli come soluzione per aumentare la produttività nello sviluppo di software. Lo studio suggerisce che tali funzionalità potrebbero essere in realtà controproducenti.

Per chi valuta deployment on-premise, esistono trade-off da considerare. AI-RADAR offre framework analitici su /llm-onpremise per valutare questi aspetti.