Studio su agenti LLM: il 77% dei sistemi fallisce

Tre ambienti, sette modelli, un tasso di fallimento del 77%

Tre ambienti finanziari dinamici, sette modelli linguistici di punta, zero istruzioni di sabotaggio: il 77% degli episodi di corsa agli sportelli termina in fallimento.

Il secondo numero sta accanto al primo e lo rafforza. Nel rinnovo del debito la quota di episodi falliti arriva all'83%. I due valori descrivono la condizione di base, quella privata di meccanismi di coordinamento.

La fonte è il paper Financial Fragility in Societies of LLM Agents, depositato il 25 settembre 2026 da Zhenhao Fu, Ruipeng Xu e Qibing Ren (arXiv:2609.30940^[1]). Il documento conta 25 pagine, 6 figure e 12 tabelle, e il codice resta pubblico.

L'evidenza riguarda il comportamento aggregato. Gli autori contano quanti episodi collassano, con quale sequenza di decisioni e sotto quali regole di interazione.

Come è costruito FRAIL

FRAIL colloca gli agenti in tre strutture finanziarie dove la decisione di uno cambia le condizioni di tutti gli altri. Corsa agli sportelli, rinnovo del debito, crowdfunding a ricompensa.

La distanza da un benchmark statico sta qui. Un benchmark chiede a un modello di risolvere un compito fisso; FRAIL muove il terreno sotto i piedi di chi decide.

Ogni agente riceve un incentivo legittimo: difendere il proprio capitale. Il ritiro anticipato di un deposito risulta razionale per chi lo compie e tossico per la banca. L'esperimento tiene fermo questo punto nei tre ambienti.

La replica resta possibile, perché il codice accompagna il paper e una copia del testo circola su alphaXiv^[2]. Il deposito precede la revisione fra pari, e questo pesa sulla lettura dei numeri.

La capacità individuale resta una proprietà locale

Il risultato centrale ribalta un'assunzione diffusa negli investimenti in agenti. La qualità del singolo modello viene usata come indicatore della qualità del sistema.

L'evidenza mostra che l'indicatore si rompe. Sette modelli di livello alto, ciascuno capace di ragionare sul proprio bilancio, portano al collasso in tre casi su quattro quando interagiscono.

Il rischio cambia sede. Esce dal modello ed entra nello strato di interazione, dove le decisioni si sommano e si rinforzano a vicenda. Questo sposta anche la sede della misura.

Un test su un agente alla volta descrive una proprietà locale. La fragilità osservata appartiene invece alla rete di agenti, e vive nelle relazioni fra le loro scelte.

Tre meccanismi, un vincitore assente

Gli autori confrontano tre modi di organizzare l'interazione fra gli agenti.

• Impegni compensati: chi resta riceve un premio.
• Accordi di impegno centralizzati: un punto unico raccoglie e vincola.
• Coalizioni guidate dai partecipanti.

Tutti e tre migliorano gli esiti aggregati. La classifica cambia con la struttura finanziaria: il meccanismo migliore in un ambiente perde il primo posto in un altro.

Questa è la parte meno comoda del paper. Chi cerca una regola di governance valida per ogni mercato resta a mani vuote, perché l'efficacia dipende dalla forma del contratto sottostante.

Per un comitato investimenti il messaggio diventa contabile. Il design dell'interazione vale come voce di spesa separata, con una taratura per ciascuna classe di prodotto e per ciascun orizzonte di liquidità.

La lettura prudente tiene conto del numero di ambienti. Tre strutture finanziarie coprono una parte del campo, e la generalizzazione ad altri contratti resta da misurare.

Il tempo conta prima della regola

Il secondo risultato riguarda la sequenza temporale.

Nelle prove stabilizzate l'impegno largo si forma presto, prima che il comportamento difensivo diventi auto-rinforzante. Oltre quella soglia i meccanismi perdono presa.

Il ritiro di pochi agenti rende razionale il ritiro degli altri. La spirale procede con la logica che la teoria bancaria descrive dal 1983, e il paper la ritrova dentro un sistema software.

Gli autori riportano questo schema come tratto comune ai tre meccanismi. Lo stesso intervento, applicato tardi, vale meno dello stesso intervento applicato con qualche turno di anticipo.

La conseguenza riguarda la telemetria. Un sistema che rileva la fragilità a valle del collasso produce una diagnosi postuma, utile per il verbale e inerte per l'esito.

Un equilibrio del 1983 dentro un sistema software

Il modello di Diamond e Dybvig del 1983 descrive la corsa agli sportelli come equilibrio che si auto-avvera (Journal of Political Economy^[3]). La liquidità promessa a tutti vale per pochi, e la fretta diventa la scelta migliore per ciascuno.

Gli agenti LLM cadono in quell'equilibrio per conto proprio.

Il prompt chiede loro di difendere il capitale, e la dinamica aggregata emerge come effetto collaterale. Il punto interessante sta nella traduzione: un risultato di teoria economica riappare come proprietà empirica di sistemi software, misurata su episodi contati.

Questo rende il paper utile oltre il suo campo. La fragilità documentata appartiene alla classe dei problemi di coordinamento, e quella classe ha una letteratura lunga e numeri già consolidati.

I limiti del perimetro sperimentale

L'esperimento è controllato.

Gli ambienti sono simulazioni, i parametri arrivano dai ricercatori, e il conteggio degli episodi resta quello riportato nelle 12 tabelle del documento. Il salto verso un mercato reale rimane fuori dall'evidenza raccolta.

Un sistema di pagamenti o un book di trading introduce vincoli, latenze e autorità che la simulazione lascia da parte. Gli autori restano dentro il perimetro dichiarato, e la lettura corretta fa lo stesso.

Vale anche la cautela sullo stato editoriale, perché il testo è un deposito di settembre 2026. Questa cautela lascia intatto il nucleo del risultato: il tasso di fallimento riguarda sette modelli diversi, e la convergenza fra fornitori rende difficile attribuire l'effetto a una singola architettura.

Dove si sposta l'allocazione del capitale

Per un comitato investimenti la tesi da rivedere riguarda il singolo agente migliore. L'evidenza sposta il valore marginale dal modello al protocollo che governa più modelli insieme.

Per un capo dell'analitica il requisito diventa la telemetria di sistema. Servono registri degli stati collettivi, con marca temporale per turno, perché il segnale utile vive nei primi passaggi dell'episodio.

Per un consiglio di amministrazione resta una domanda contabile: quanta parte del budget AI finanzia la capacità del modello, e quanta finanzia il coordinamento fra modelli?

La diagnosi si ferma qui. Il paper misura la fragilità collettiva su tre strutture, sette modelli e una condizione di base documentata, e lascia aperto il ponte verso i mercati veri.