Gli agenti AI stanno diventando infrastruttura. Non sono più semplici chatbot, ma sistemi autonomi che interagiscono tra loro, prendono decisioni e orchestrano flussi di lavoro complessi. Ma chi stabilisce le regole con cui questi agenti comunicano e cooperano?
Un gruppo di ricercatori ha affrontato proprio questa domanda, applicando un approccio originale: usare gli stessi strumenti AI — modelli linguistici di grandi dimensioni, topic modeling e analisi di rete — per studiare la governance dei protocolli agentici.
L'analisi si concentra su due standard contrapposti per l'interoperabilità tra agenti. Il primo è ERC-8004, uno standard permissionless che vive su blockchain: chiunque può partecipare, nessuna entità centrale ha l'ultima parola. Il secondo è Google A2A, un protocollo guidato da un'azienda privata con una struttura decisionale molto più verticale.
Analizzando oltre 4.300 record di partecipazione alla governance, i ricercatori hanno scoperto alcune cose interessanti. La struttura istituzionale influenza concretamente i temi discussi: le due community si preoccupano di aspetti diversi, con priorità che riflettono la natura del sistema. Fin qui, niente di sorprendente.
Ciò che colpisce è altro: la disuguaglianza nella partecipazione è comparabile in entrambi i modelli. Che tu stia guardando un protocollo aperto o uno corporate, il potere tende comunque a concentrarsi in poche mani. La decentralizzazione formale non garantisce automaticamente una governance più equa.
C'è però un segnale positivo nel modello aperto: i partecipanti tendono ad allinearsi maggiormente sui temi trattati, suggerendo che la governance permissionless possa generare più coesione discorsiva, anche senza una regia centrale.
Per chi lavora con AI in contesti aziendali, questi risultati hanno implicazioni concrete. Scegliere un protocollo agentivo non significa solo valutare performance tecniche o costi di integrazione — significa anche scegliere una struttura di potere. Chi governa lo standard governa, di fatto, le regole del mercato.
Il metodo sviluppato dai ricercatori è esso stesso un contributo rilevante: dimostra che è possibile studiare la governance tecnologica su larga scala usando strumenti automatizzati, rendendo questo tipo di analisi accessibile anche a chi non ha risorse per ricerche qualitative estese. Dati e codice sono disponibili pubblicamente, il che apre la porta a studi simili su altri protocolli.
Punti chiave
- ERC-8004 (governance aperta e on-chain) e Google A2A (governance corporate) mostrano priorità tematiche diverse, ma livelli simili di concentrazione del potere decisionale
- Nei sistemi aperti e permissionless emerge una maggiore convergenza tematica tra i partecipanti, nonostante la struttura decentralizzata
- Un pipeline basato su LLM, topic modeling neurale e analisi di rete ha analizzato oltre 4.300 record di governance, aprendo la strada a studi empirici su larga scala
Perché è importante
Con la proliferazione degli agenti AI, capire chi controlla gli standard di interoperabilità è una questione strategica per chiunque costruisca o adotti sistemi AI in ambito aziendale o produttivo.
A chi serve
Sviluppatori di sistemi multi-agente, responsabili AI in azienda, imprenditori che valutano protocolli AI aperti vs. proprietari.
Leggi la fonte originale ↗