KM4BI KM4BI

20 agenti IA hanno ricostruito il sito di mia moglie per 8 dollari senza che digitassi una parola

Un esperimento multi-agente mostra come orchestrazione, modelli economici e controlli indipendenti possano consegnare un sito accessibile a basso costo.

Nate B. Jones presenta il video come una dimostrazione concreta di orchestrazione multi-agente: non un singolo agente infallibile, ma una piccola organizzazione software in cui ogni ruolo è definito. Il caso pratico è il sito di Elsa Hunison, autrice sordocieca e professionista dell’accessibilità, in vista del lancio di un libro.

Il confronto è netto. Una ricostruzione precedente con un solo agente aveva richiesto sei giorni e lasciato ancora una lista di correzioni. Questa volta circa venti agenti hanno portato il progetto da un repository vuoto alla produzione, con un modello premium nel ruolo di pianificatore, revisore e arbitro, e modelli più economici incaricati dell’esecuzione.

L’idea centrale: non fidarsi dei report degli agenti

La tesi di Jones è che le allucinazioni non sono scomparse. Vengono gestite dalla struttura. Ogni attività include un controllo indipendente. Un agente può dire di aver finito, ma il sistema non lo accetta finché un altro agente non ha compilato, testato, confrontato o misurato il risultato.

Questo ciclo ha individuato diversi problemi concreti: citazioni parafrasate che dovevano essere letterali, testo nascosto dannoso per gli utenti di screen reader, un bug in modalità scura che rendeva invisibile il pulsante di preordine e persino un verificatore che applicava una regola di lunghezza sbagliata a brevi annunci.

Un organigramma, non un super-agente

Anche l’economia del sistema è parte della lezione. Jones stima che far passare lo stesso volume di token dal solo modello premium sarebbe costato circa 85-105 dollari. Con il routing, il costo misurato scende a pochi dollari, arrotondati a 8 includendo i costi collegati.

Il modello costoso svolge il ruolo di capo: scrive specifiche, definisce standard, rivede i risultati e risolve i conflitti. I modelli economici svolgono il lavoro ripetitivo, purché il ciclo di verifica sia sufficientemente rigoroso.

Perché conta nei progetti reali

Il risultato più importante non è solo il prezzo. È la possibilità di delegare lavori più grandi senza trasformare l’umano in revisore permanente di ogni errore intermedio. In questo caso, la qualità nasce da una costituzione di accessibilità in 14 punti e da controlli ripetuti in un browser reale, in tema chiaro e scuro.

Per Jones, il prompt giusto per un lavoro complesso non è una lunghissima lista di micro-istruzioni. È uno standard verificabile: definire una volta che cosa significa “fatto bene” e poi fare in modo che il sistema lo applichi a ogni ciclo.

Da ricordare

I sistemi multi-agente stanno diventando più semplici ed economici. La loro promessa non è eliminare ogni errore dei modelli, ma rendere gli errori individuabili, discutibili e riparabili prima della pubblicazione. È un cambiamento importante per chi vuole affidare all’IA progetti più grandi di singole attività isolate.

Source