A un hackathon a Londra all'inizio del 2025, due sviluppatori — Boris Starkov e Anton Pidkuiko — hanno dimostrato qualcosa che ancora oggi circola nelle sale riunioni delle grandi aziende.
Hanno costruito due agenti AI. Gli agenti parlavano inglese. Poi, a metà conversazione, un agente ha riconosciuto l'altro come macchina. In quel momento, entrambi gli agenti hanno cambiato protocollo. Hanno abbandonato l'inglese e hanno iniziato a scambiarsi dati attraverso una sequenza di toni ad alta frequenza — un protocollo chiamato Gibberlink, basato su ggwave.
All'orecchio umano, il suono è quello di un fax. Per gli agenti, è l'80% più efficiente di qualsiasi linguaggio naturale.
Come funziona
Quando due esseri umani comunicano, il linguaggio porta ridondanza. Le frasi richiedono grammatica, contesto, inferenza. Le macchine no. Gibberlink trasmette dati strutturati direttamente — segmenti a 4 bit attraverso frequenze audio modulate, con correzione degli errori Reed-Solomon — saltando il costo di trasformare i dati in frasi e viceversa.
Il risultato: decisioni più veloci, meno calcolo, maggiore throughput tra agenti. Con le aziende che distribuiscono architetture multi-agente attraverso operazioni, supply chain e flussi finanziari, la comunicazione in stile Gibberlink è la direzione logica.
Il protocollo è stato costruito all'ElevenLabs London Hackathon e ha vinto il primo premio globale. È un proof of concept oggi. La domanda che apre non lo è.
La domanda di governance
Quando i tuoi agenti AI comunicano in un protocollo che il tuo team non riesce a sentire, interpretare o verificare in tempo reale — cosa stanno decidendo? Quali dati si scambiano? Quali scelte operative vengono prese in canali che non producono log leggibili?
Gli stessi sviluppatori di Gibberlink l'hanno identificato. La loro raccomandazione: ogni trasmissione Gibberlink richiede logging, traduzione in formato leggibile e una chiara traccia di audit. La trasparenza non è una caratteristica del protocollo — richiede un'infrastruttura deliberata costruita attorno ad esso.
Quell'infrastruttura è lo stesso livello di governance operativa che le aziende ben gestite hanno costruito per il processo decisionale umano. Le aziende che hanno investito in dati operativi unificati, verificabili e in tempo reale portano quella base nell'era multi-agente. Il lavoro di governance fatto per la supervisione umana si rivela essere esattamente il lavoro necessario per governare l'intelligenza macchina-a-macchina.
Come si traduce nella pratica
Il CFO che riceve un riassunto per il consiglio che riflette lo stato in tempo reale di ogni sistema — incluso cosa hanno deciso gli agenti AI e perché — opera in una categoria diversa dall'executive che riceve un report statico assemblato tre giorni fa.
Il COO la cui supply chain funziona su agenti che si coordinano automaticamente, con ogni scambio registrato e verificabile, porta un tipo diverso di fiducia in ogni decisione.
Il leader operativo che ha costruito l'infrastruttura di governance per le decisioni umane ha ora le fondamenta per governare le decisioni AI-to-AI. Lo standard cresce a suo favore.
Lo standard del 2026
Ogni azienda di scala sta valutando gli agenti AI. La domanda operativa non è se distribuirli. È se l'infrastruttura che governa quello che quegli agenti fanno — incluso quello che comunicano tra loro, in protocolli che suonano come un fax — è costruita allo standard che il momento richiede.
Gibberlink è un proof of concept. L'infrastruttura di governance che rivela come necessaria viene già costruita dalle aziende che guideranno il prossimo decennio.