# SHIFT crea team di agenti IA su misura per ogni richiesta

> Un nuovo metodo, chiamato SHIFT, usa un modello locale per progettare al volo sistemi multi-agente, migliorando la precisione e riducendo i costi di calcolo.

Oossa · 2026-10-06 · https://oossa.com/it/shift-system-builds-custom-ai-agent-teams-per-query

Il 6 ottobre 2026 i ricercatori hanno pubblicato un articolo su SHIFT, un sistema che crea automaticamente la combinazione di agenti IA più adatta a ogni domanda. Invece di provare diverse configurazioni al momento dell’esecuzione, SHIFT addestra un piccolo modello linguistico a prevedere quale funzionerà meglio, poi usa la ricerca ad albero Monte Carlo per assemblare gli agenti. Il metodo è stato testato su 9.193 attività in sei benchmark, che spaziavano dai problemi di matematica alla gestione di documenti e alle attività tipiche degli assistenti generalisti.

## Come si comporta SHIFT?

Usando un modello Gemini 3.5 Flash come motore di esecuzione, SHIFT ha raggiunto una precisione media di circa l’80%, superando 17 metodi concorrenti, tra cui il semplice prompting, tecniche di ottimizzazione dei prompt e altri metodi di ricerca dei flussi di lavoro. Il concorrente più forte ha ottenuto un risultato inferiore di 7,2 punti percentuali. Una configurazione più economica di SHIFT ha comunque superato tutti i metodi di riferimento, usando il 32% di token in meno: ha quindi richiesto meno risorse di calcolo.

## Perché è importante progettare gli elementi insieme

Gli autori mostrano che scegliere insieme la struttura di comunicazione, le istruzioni e gli strumenti funziona meglio che selezionare soltanto uno di questi elementi. La scelta congiunta ha migliorato i risultati fino a 9,1 punti rispetto all’uso delle sole istruzioni o dei soli strumenti. Anche la funzione di valore appresa ha aiutato a selezionare configurazioni più precise ed economiche da un insieme di candidate.

## I fatti

- SHIFT è stato presentato in un articolo pubblicato su arXiv il 6 ottobre 2026.
- Il metodo è stato valutato su 9.193 attività in sei benchmark.
- Con Gemini 3.5 Flash, SHIFT ha raggiunto una precisione media di circa l’80%, 7,2 punti in più rispetto al miglior metodo di riferimento.
- Una modalità più economica di SHIFT ha usato il 32% di token di esecuzione in meno rispetto al metodo di riferimento più forte, superando comunque tutti i metodi di riferimento.
- La selezione congiunta di struttura, istruzioni e strumenti ha migliorato la precisione fino a 9,1 punti rispetto alla selezione di un solo elemento.

## Perché conta

Per chi sviluppa assistenti IA, SHIFT promette prestazioni migliori senza dover progettare manualmente configurazioni di agenti per ogni nuova richiesta. Riduce anche i costi di calcolo, con il potenziale di abbassare le spese per il cloud e rendere più accessibili agli utenti finali servizi multi-agente più articolati.

## Fonti e riferimenti

1. [Dynamic Harness Search: Building Multi-Agent Systems Per-Query via Prediction](https://arxiv.org/abs/2610.04137) – arXiv cs.LG, 2026-10-06

Ultimo aggiornamento: 2026-10-06