Cinquanta agenti AI in Minecraft creano una burocrazia: cosa mostra il test YC Labs

Cinquanta agenti di intelligenza artificiale, tre ore di Minecraft e un obiettivo: costruire una civiltà prospera. Il risultato raccontato da YC Labs e Olam Labs nell’ottobre 2026 è molto diverso da una colonia autonoma ed efficiente. Gli agenti hanno creato registri, autorizzazioni, ruoli e un sistema di razionamento del cibo, ma nel tempo disponibile non hanno raggiunto il traguardo. Hanno scambiato circa 5.900 messaggi. Non è la prova che gli agenti AI «non sanno collaborare»: è l’osservazione di una specifica simulazione progettata per studiarne i comportamenti collettivi.

Il resoconto originale Agents in Games di YC Labs descrive l’esperimento, denominato Civ50, e ne presenta log e sequenze. La domanda più interessante non è chi abbia vinto Minecraft, ma quali problemi emergono quando tanti agenti software devono coordinarsi usando messaggi, documenti e autorizzazioni condivise.

Che cosa hanno fatto i 50 agenti in Minecraft?

Secondo la descrizione degli organizzatori, cinquanta agenti basati sul modello GPT-6.1 Sol sono stati collocati in un mondo Minecraft in modalità sopravvivenza. Avevano tre ore per costruire una civiltà funzionante, con la possibilità di consultare una directory degli altri agenti, scriversi messaggi diretti e usare uno spazio di lavoro condiviso. Il problema prevedeva sia attività pratiche, come raccogliere risorse e mangiare, sia coordinamento di gruppo.

La colonia ha sviluppato un’organizzazione sorprendentemente formale: inventari, prenotazioni delle razioni, incarichi specifici e regole per autorizzare operazioni molto semplici. Eppure il lavoro amministrativo non si è tradotto automaticamente in una produzione sufficiente di risorse. L’immagine che emerge dai dati non è quella di una «società di robot» autonoma fuori controllo, ma di software che prova a coordinare molte azioni in un ambiente con regole precise e risorse scarse.

Perché erano così occupati a distribuire permessi?

Una parte dei messaggi era dedicata a stabilire chi avesse diritto alle razioni, chi dovesse consegnarle e come evitare che lo stesso cibo fosse promesso due volte. Il gruppo arrivò a creare una struttura con responsabili dei rifornimenti e documenti condivisi. YC Labs riporta anche un episodio molto concreto: quattro agenti impiegarono undici minuti per designare un operatore del fertilizzante, incaricato di usare un’unica unità di farina d’ossa su una coltura.

Questo episodio rende comprensibile un problema generale di progettazione dei sistemi multiagente: il costo del coordinamento può superare il vantaggio di avere più partecipanti. Ogni nuovo livello di approvazione richiede messaggi, attese e conferme; quando le necessità immediate sono raccogliere cibo o mettere in salvo qualcuno, un processo troppo formale può rallentare le azioni utili. È un’interpretazione del caso, non una dimostrazione sperimentale di una relazione causale unica tra burocrazia e fallimento.

Le scelte degli agenti erano influenzate anche dalle funzioni disponibili. Una directory comune e file condivisi incoraggiano la formazione di responsabili, registri e percorsi di approvazione. In un altro ambiente, con priorità e strumenti differenti, il risultato potrebbe cambiare.

Chi comandava? Ada, la prima nella directory

La leadership non nacque da una votazione documentata. YC Labs riferisce che 46 degli altri 49 agenti inviarono il primo messaggio ad Ada, che compariva per prima nell’elenco degli agenti. Nel resoconto Ada diventa il nodo centrale della comunicazione e riceve 616 messaggi diretti. È un dettaglio utile perché mostra quanto una scelta apparentemente secondaria dell’interfaccia, come l’ordine dei nomi, possa influenzare l’organizzazione di una simulazione.

Non significa che Ada avesse una superiorità intrinseca o che i modelli preferiscano gerarchie autoritarie. L’esito osservato è compatibile anche con una spiegazione più semplice: se tutti trovano per primo lo stesso contatto e gli chiedono istruzioni, quel contatto diventa un collo di bottiglia. Per analizzare questo comportamento servirebbero esecuzioni ripetute, per esempio cambiando l’ordine della directory e confrontando le decisioni degli agenti.

Come funzionava il sistema dietro il gioco?

Gli agenti non si muovevano nel gioco come persone davanti alla tastiera. L’infrastruttura software consentiva loro di percepire lo stato del mondo, scegliere azioni e interagire attraverso strumenti. Il progetto pubblicato su GitHub come minecraft-agent-harness utilizza Mineflayer per interagire con Minecraft e un ciclo di esecuzione degli agenti basato su Pi. Prevede sessioni persistenti, messaggi fra agenti e uno spazio di lavoro per script o appunti.

Il repository rende l’architettura ispezionabile ed è utile a chi studia sistemi AI, ma non equivale automaticamente alla possibilità di replicare ogni risultato della prova. Per un confronto rigoroso occorrerebbe allineare modello, prompt, configurazione, risorse, tempo concesso, seed del mondo, strumenti disponibili e criteri per misurare il successo. Non abbiamo rieseguito Civ50 sui server della redazione.

Questo risultato dimostra che gli agenti AI sono incapaci di lavorare insieme?

No. La documentazione pubblicata riguarda una prova organizzata dagli stessi ricercatori e sviluppatori. Il materiale è ricco di osservazioni e log, ma non abbiamo verificato una revisione indipendente fra pari né una serie controllata sufficiente a estendere l’esito a tutti i modelli AI.

Tre limiti sono particolarmente importanti. Primo: l’obiettivo è aperto; costruire una «civiltà prospera» non è come risolvere un esercizio con una sola risposta. Secondo: gli agenti dovevano anche sopravvivere alle regole specifiche di Minecraft, con fame, rischi e disponibilità limitata di risorse. Terzo: l’esperimento ha dato agli agenti un certo tipo di canali di comunicazione e memoria. Modificando questi elementi, potrebbe cambiare il comportamento del gruppo.

La simulazione non misura direttamente la produttività di una squadra umana assistita dall’AI, né prova che affidare attività reali a più agenti sia sempre inefficiente. Offre però una domanda verificabile: quante decisioni vengono effettivamente completate, rispetto ai messaggi e alle approvazioni necessari per prenderle?

È lo stesso esperimento delle quattro AI che hanno finito Minecraft?

No, e confonderli produrrebbe una conclusione falsa. Nel precedente approfondimento Tech Quattro AI battono Minecraft: 2.783 programmi e 605 morti si racconta un altro progetto, incentrato sulla capacità di un gruppo di agenti Gemini di completare il gioco. Civ50 di YC Labs prova invece a osservare che cosa succede quando cinquanta agenti devono organizzare risorse e cooperazione per un obiettivo collettivo. Cambiano i partecipanti, l’ambiente sperimentale e il criterio di riuscita.

È una differenza importante anche nel più ampio tema dell’AI addestrata o valutata in mondi virtuali, già affrontato nel nostro articolo su General Intuition e l’uso dei videogiochi per sviluppare sistemi AI. Un videogioco può essere un laboratorio utile proprio perché molte azioni hanno conseguenze osservabili, ma non riproduce in modo completo il mondo reale.

Che cosa può imparare chi progetta agenti AI?

Il caso suggerisce alcune domande di progettazione, non una ricetta già dimostrata valida per qualunque azienda. Serve davvero un’approvazione centrale per ogni azione? I compiti urgenti possono avere una procedura breve? Come si distingue una risorsa prenotata da una consegnata? Un coordinatore dovrebbe ricevere tutti i messaggi o soltanto le eccezioni? Quali indicatori misurano risultati concreti, oltre al numero di interventi prodotti?

Un metodo pratico per chi costruisce workflow multiagente è misurare insieme comunicazione, decisioni completate, tempo impiegato e attività rimaste in sospeso. Molti messaggi possono dimostrare che gli agenti comunicano; non dimostrano da soli che stiano lavorando bene. La stessa cautela vale per documenti condivisi, piani elaborati e ruoli creati spontaneamente.

Il punto del test YC Labs non è che l’AI abbia inventato una società umana in Minecraft. È che, in una simulazione di tre ore, cinquanta agenti hanno mostrato capacità di organizzazione e limiti concreti di coordinamento nello stesso momento. I dati originali rendono interessante indagare questi limiti; per generalizzarli serviranno repliche e confronti controllati.