Cross-pollination: quando un agente insegna all’altro

Il futuro delle organizzazioni agentiche non dipenderà soltanto da ciò che ogni agente saprà fare, ma dalla capacità dell’intero sistema di ricordare, condividere e trasformare ciò che ha imparato.

Me ne accorgo ogni giorno. L’intelligenza artificiale sembra sapere troppo rispetto a ciò che una singola persona può conoscere, trattenere e collegare nell’arco della propria vita professionale. Ogni conversazione apre una porta, ogni ricerca conduce verso un territorio nuovo, ogni problema risolto porta con sé altre domande.

“L’apprendimento diventa continuo. A volte persino eccessivo.”

Non perché una macchina possieda necessariamente la profondità, la sensibilità o l’esperienza di un essere umano, ma perché può attraversare in pochi istanti discipline che nelle organizzazioni tradizionali rimangono separate: tecnologia, strategia, psicologia, design, marketing, diritto, produzione, ricerca, economia.

Quando lavoro con i sistemi agentici che ho sviluppato, ho spesso la sensazione di confrontarmi con trenta o quaranta persone differenti, ognuna iperspecializzata nel proprio ambito. Un agente osserva il problema dal punto di vista tecnico. Un altro ne individua le implicazioni commerciali. Un altro ancora mette in discussione il brief, cerca precedenti, confronta modelli, evidenzia rischi o propone una strada che nessuno aveva ancora considerato.

Ma il vero potenziale non si manifesta quando questi agenti rispondono.

Si manifesta quando ciò che uno di loro ha scoperto smette di appartenere a un singolo progetto e diventa conoscenza disponibile per tutto il sistema.

Il limite non è più trovare una risposta

Per molto tempo abbiamo organizzato il lavoro attorno alla scarsità della conoscenza. Le competenze erano distribuite tra persone, reparti, consulenti e fornitori. Per risolvere un problema era necessario individuare l’esperto giusto, verificare la sua disponibilità, trasferirgli il contesto e attendere che producesse una risposta.

L’intelligenza artificiale sta riducendo drasticamente questa scarsità. Il nuovo limite non è più soltanto trovare una risposta. È evitare che quella risposta venga dimenticata, isolata oppure riscoperta da zero nel progetto successivo.

Le aziende accumulano ogni giorno decisioni, revisioni, eccezioni, errori, intuizioni e feedback. Eppure gran parte di questa conoscenza rimane dispersa in presentazioni, documenti, conversazioni, ticket, cartelle e memorie individuali.

Superside ha descritto questo problema in modo molto diretto: i team creativi non avrebbero soltanto un problema di processo, ma soprattutto un problema di memoria. La sua piattaforma Superspace e il sistema Brand Brain sono stati progettati per trasformare brief, feedback, lavori precedenti e dati di performance in una memoria applicabile ai progetti futuri. L’obiettivo non è semplicemente conservare informazioni, ma fare in modo che il progetto successivo inizi con una comprensione maggiore rispetto al precedente.

È un passaggio fondamentale. Un’organizzazione intelligente non è quella che produce più risposte. È quella che perde meno conoscenza.

Dall’orchestrazione all’apprendimento collettivo

La prima generazione di sistemi agentici si è concentrata sull’orchestrazione. Un agente principale riceve un obiettivo, lo scompone e assegna attività specifiche ad agenti specializzati.

Anthropic utilizza, per esempio, un agente coordinatore che pianifica la ricerca e genera agenti paralleli incaricati di esplorare contemporaneamente parti differenti del problema. OpenAI ha formalizzato nei propri strumenti concetti come handoff, guardrail e tracciamento dell’esecuzione, permettendo agli agenti di trasferirsi il controllo e rendendo osservabili le loro azioni.

Questo modello assomiglia a un gruppo di lavoro ben organizzato. Esiste un obiettivo, esistono delle competenze e qualcuno decide come distribuirle.

Ma delegare non significa ancora imparare.

Se ogni orchestratore rimane confinato all’interno del proprio progetto, l’intelligenza prodotta resta locale. Un agente può trovare una soluzione eccellente per una piattaforma, mentre un altro progetto continua a commettere lo stesso errore. Un nuovo guardrail può evitare un problema in una pipeline, senza che gli altri sistemi sappiano della sua esistenza. Una tecnica di valutazione può migliorare radicalmente la qualità di un prodotto e restare invisibile a tutti gli altri.

È la stessa debolezza che affligge molte aziende umane: reparti competenti che non comunicano, team che replicano il lavoro, filiali che risolvono separatamente lo stesso problema.

La tecnologia cambia, ma il silos rimane.

Per superarlo non basta un orchestratore più potente. Serve un livello superiore, incaricato non di eseguire il lavoro, ma di osservare ciò che l’intera organizzazione sta imparando.

La Cross-Pollination Layer

In agent1 sto sperimentando una struttura che chiamo Cross-Pollination Layer.

Al di sopra degli orchestratori dei singoli progetti esistono dei consigli agentici che si riuniscono periodicamente. Non hanno il compito di produrre direttamente immagini, applicazioni, strategie o campagne. Il loro compito è leggere ciò che è accaduto.

Analizzano le ultime soluzioni emerse nei diversi progetti, gli errori incontrati, i nuovi guardrail, le valutazioni umane, le decisioni approvate, le ipotesi rifiutate e i cambiamenti introdotti nei processi. Confrontano questi elementi, cercano ricorrenze e stabiliscono quali apprendimenti possano essere utili anche altrove.

Un progetto dedicato alla moda può scoprire un sistema più efficace per preservare l’identità visiva di un soggetto. Quella soluzione potrebbe essere applicabile anche a un configuratore di prodotto, a una campagna automotive o a un assistente digitale.

Un agente commerciale può trovare un modo migliore per sintetizzare le intenzioni espresse in una nota vocale. La stessa logica potrebbe migliorare il briefing di una piattaforma creativa o la raccolta dei requisiti di un’applicazione.

Una pipeline video può introdurre un controllo capace di prevenire incoerenze temporali. Quel controllo può trasformarsi in un principio generale di validazione utile a molti altri processi.

È in questo passaggio che i progetti smettono di essere prodotti isolati e iniziano a comportarsi come parti di un organismo.

Le api non trasportano il fiore

La metafora dell’impollinazione è utile anche per comprendere ciò che non dovrebbe accadere.

“Un’ape non sposta un intero fiore da un campo all’altro. Trasporta una piccola quantità di polline: la parte capace di generare nuova vita altrove.”

Allo stesso modo, la cross-pollination non consiste nel riversare indiscriminatamente tutti i dati di un progetto dentro ogni altro agente. Un sistema del genere diventerebbe rapidamente confuso, costoso e pericoloso. Informazioni riservate potrebbero oltrepassare confini che devono rimanere separati. Contesti incompatibili potrebbero contaminarsi. Un errore interpretato come buona pratica potrebbe propagarsi in tutta l’organizzazione.

Le architetture multi-agente richiedono infatti controlli di accesso precisi, una gestione intenzionale del contesto, comunicazioni affidabili, valutazioni continue e maggiori attenzioni in termini di sicurezza e costi. La documentazione di Google Cloud sottolinea che la specializzazione degli agenti può aumentare modularità e resilienza, ma introduce anche nuova complessità operativa e nuovi rischi.

Per questo motivo, ciò che attraversa la Cross-Pollination Layer non dovrebbe essere il contesto grezzo, ma una conoscenza distillata.

Ogni apprendimento deve conservare la propria provenienza, il problema che ha risolto, le condizioni nelle quali ha funzionato, il livello di affidabilità, i limiti conosciuti e gli eventuali vincoli di riservatezza. Prima di essere propagato, deve essere verificato e trasformato in un artefatto riutilizzabile: un pattern, un guardrail, un criterio di valutazione, una procedura oppure un’ipotesi da sperimentare.

Non tutto ciò che viene scoperto deve diventare universale.

La vera intelligenza consiste anche nel sapere dove una conoscenza non deve essere applicata.

Un ciclo di apprendimento in cinque movimenti

La cross-pollination può essere descritta come un ciclo continuo.

Il primo movimento è la raccolta. Ogni progetto registra ciò che è accaduto: decisioni, errori, correzioni, risultati, feedback e deviazioni dal piano iniziale. Non soltanto l’output finale, ma il percorso che ha condotto a quel risultato.

Il secondo è la distillazione. Gli agenti eliminano il rumore e trasformano l’esperienza in una conoscenza comprensibile. La domanda non è soltanto “che cosa abbiamo fatto?”, ma “che cosa abbiamo imparato che potrebbe essere valido anche altrove?”.

Il terzo è il confronto. I consigli agentici mettono in relazione apprendimenti provenienti da progetti differenti. Possono scoprire che due errori apparentemente lontani condividono la stessa causa, oppure che soluzioni nate in domini diversi utilizzano lo stesso principio.

Il quarto è la propagazione selettiva. La conoscenza viene proposta soltanto agli agenti e ai progetti per i quali potrebbe essere pertinente. Google ha sviluppato il protocollo Agent2Agent proprio per creare un linguaggio comune attraverso il quale agenti costruiti con tecnologie differenti possano collaborare; la possibilità tecnica di comunicare, tuttavia, deve essere accompagnata dalla capacità organizzativa di decidere che cosa comunicare e perché.

Il quinto movimento è la validazione. Gli agenti possono proporre, confrontare e distribuire gli apprendimenti, ma le modifiche che incidono su responsabilità, sicurezza, strategia, identità di marca o relazione con le persone devono mantenere una chiara supervisione umana.

Il ciclo, quindi, non termina nella memoria. Torna nel lavoro reale, viene testato e produce nuova esperienza.

Oltre l’agenzia AI-powered

La definizione di azienda “full agentic” deve essere utilizzata con cautela.

I casi più credibili oggi non descrivono organizzazioni abbandonate all’autonomia delle macchine. Descrivono modelli operativi nei quali agenti specialisti lavorano dentro sistemi governati, osservabili e orientati da persone che continuano a possedere le decisioni più importanti.

DEPT, per esempio, presenta Deptify come un livello di orchestrazione agentica che collega strumenti, dati e processi dal briefing fino alla misurazione e all’apprendimento. Nello stesso modello, gli agenti specialisti supportano il lavoro, mentre ingegneri e responsabili umani dirigono, revisionano e mantengono la responsabilità delle decisioni.

Monks ha invece integrato agenti, basi di conoscenza e checkpoint di validazione in pipeline creative end-to-end. Nel progetto Agentic Accelerator per Google Pixel, il brief e le linee guida del brand alimentavano una knowledge base; agenti differenti intervenivano su script, storyboard e generazione visiva, mantenendo momenti espliciti di controllo e approvazione.

Questi esempi confermano una direzione già visibile nel panorama delle agenzie AI-first: le realtà più mature non si limitano a dichiarare l’uso dell’AI, ma costruiscono sistemi proprietari, memorie operative e livelli di orchestrazione riconoscibili. Superside lo fa attraverso Brand Brain e Superspace; Monks attraverso Monks.Flow; DEPT attraverso i propri modelli di trasformazione e orchestrazione.
La trasformazione non riguarda quindi l’aggiunta di un nuovo servizio a un’agenzia tradizionale. Riguarda la progettazione di un nuovo tipo di agenzia.

Un’agenzia che non vende soltanto ore, competenze o output, ma sviluppa un’intelligenza operativa capace di accumularsi.

Il vantaggio competitivo diventa cumulativo

Gli stessi modelli di intelligenza artificiale saranno accessibili a un numero crescente di aziende. Gli stessi strumenti potranno essere acquistati da concorrenti differenti. Anche le singole automazioni tenderanno progressivamente a diventare replicabili.

Ciò che sarà molto più difficile copiare è la storia di ciò che un’organizzazione ha imparato.

La combinazione dei suoi errori, delle sue decisioni, dei suoi standard qualitativi, dei suoi casi limite, delle sue intuizioni e del modo in cui questi elementi vengono trasformati in comportamento operativo costituisce una forma di capitale cognitivo.

In un’organizzazione tradizionale, una parte importante di questo capitale abbandona l’azienda quando una persona cambia ruolo o quando un team viene sciolto. In un’organizzazione agentica ben progettata, la conoscenza può rimanere disponibile, evolvere ed essere ricombinata.

Ogni progetto non produce più soltanto un risultato per il cliente. Produce anche un miglioramento potenziale dell’intero sistema.

Il valore diventa cumulativo.

Il trentesimo progetto non parte dalle stesse condizioni del primo. Porta con sé ventinove esperienze precedenti, purché queste siano state osservate, selezionate e trasformate in conoscenza.

La creatività come ricombinazione

La cross-pollination non migliora soltanto l’efficienza. Può amplificare la capacità creativa.

Molte idee originali nascono infatti dall’incontro tra domini che normalmente non comunicano. Un principio biologico entra nel design. Una tecnica cinematografica modifica il modo di progettare un’interfaccia. Un modello logistico suggerisce una nuova organizzazione della produzione creativa. Una soluzione nata per il gaming viene applicata alla formazione aziendale.

Gli agenti specializzati possono esplorare profondamente un dominio. I consigli agentici possono osservare le connessioni tra domini.

La loro funzione più importante non è trovare la risposta statisticamente più frequente, ma riconoscere quando una conoscenza nata in un luogo può fiorire in un altro.

È una forma di serendipità progettata.

Non sostituisce l’intuizione umana. Le offre una superficie molto più ampia sulla quale muoversi.

Un nuovo metodo di lavoro

Per molte aziende, adottare l’AI significa ancora acquistare licenze, formare il personale all’uso dei prompt o automatizzare alcune attività ripetitive.

Sono passaggi utili, ma non rappresentano ancora un nuovo paradigma.

Il cambiamento reale avviene quando l’organizzazione smette di chiedersi soltanto quali attività possano essere affidate all’AI e inizia a domandarsi come dovrebbe circolare l’intelligenza all’interno dell’impresa.

• Chi deve conoscere una nuova soluzione?
• Come viene conservato un errore?
• Quando un guardrail locale deve diventare una regola generale?
• Quali apprendimenti possono attraversare i confini tra reparti e clienti?
• Chi verifica che una conoscenza sia ancora valida?
• Quali decisioni devono rimanere esclusivamente umane?
• Queste non sono domande tecnologiche. Sono domande di design organizzativo.

IDEO ha costruito la propria autorevolezza mostrando che l’innovazione non dipende semplicemente dagli strumenti, ma da un metodo riconoscibile capace di integrare tecnologia, persone e sistemi più ampi. Allo stesso modo, il valore di un’agenzia agentica non sarà determinato dal numero di modelli utilizzati, ma dal metodo con cui coordina, governa e fa evolvere l’intelligenza prodotta.

L’agenzia come organismo vivente

Sto iniziando a pensare ai progetti di agent1 non come a prodotti separati, ma come a specie differenti che abitano lo stesso ecosistema.

1. 01Ognuna sviluppa capacità specifiche.
2. 02Ognuna incontra problemi differenti.
3. 03 Ognuna impara qualcosa che le altre ancora non sanno.

Gli orchestratori organizzano il lavoro all’interno di ogni progetto. I consigli osservano ciò che accade tra i progetti. La memoria trattiene ciò che merita di rimanere. I guardrail impediscono che l’apprendimento diventi una propagazione incontrollata. Le persone continuano a definire la direzione, i valori e i confini.

A quel punto l’agenzia non è più soltanto una struttura che riceve un brief e consegna un risultato.

“Diventa un organismo che apprende.”

I progetti si comportano come api. Attraversano territori differenti, raccolgono conoscenza e ne trasportano una parte verso altri luoghi. Da ogni interazione possono nascere nuove soluzioni, nuovi prodotti e nuovi modi di lavorare.

La magia non è nell’avere molti agenti. È nel fare in modo che nessuno di loro impari soltanto per sé.