Un nuovo studio sostiene di dimostrare matematicamente che gli agenti di intelligenza artificiale non potranno mai svolgere in modo affidabile compiti complessi e autonomi. La ricerca, firmata da Vishal e Varin Sikka, riaccende il dibattito sui limiti strutturali dei grandi modelli linguistici (LLM) e sulle promesse eccessive dell’industria.
Secondo un articolo pubblicato su Wired il 26 gennaio 2026, un paper non sottoposto a peer review afferma che gli LLM sono “computazionalmente incapaci” di superare una soglia critica di complessità nei compiti agentivi. Gli autori, Vishal Sikka — ex CTO di SAP e allievo di John McCarthy — e suo figlio Varin, sostengono che oltre tale soglia i sistemi entrano in uno stato di instabilità funzionale.
“Non c’è modo che possano essere affidabili”, ha dichiarato Sikka a Wired, escludendo la possibilità che agenti autonomi possano in futuro gestire infrastrutture critiche come centrali nucleari.
La tesi si inserisce in un contesto già critico. A settembre 2025, OpenAI ha ammesso in un report tecnico che le allucinazioni restano un problema strutturale e che l’accuratezza non raggiungerà mai il 100%.
Fonte: https://openai.com/research
Questo dato mina alla base il modello di business che, nel 2025, ha portato molte aziende a introdurre agenti IA per automatizzare ruoli umani. Diversi casi documentati da MIT Technology Review mostrano come questi sistemi falliscano nel completare flussi di lavoro complessi senza supervisione.
Fonte: https://www.technologyreview.com
Secondo i sostenitori dell’IA, il problema potrebbe essere mitigato con strati di controllo esterni, come sistemi di verifica e filtri di sicurezza. Tuttavia, gli stessi ricercatori di OpenAI riconoscono che l’astensione in caso di incertezza, pur teoricamente possibile, riduce drasticamente l’efficacia percepita dei chatbot.
Sikka conclude che, pur esistendo soluzioni ibride, un LLM “puro” resterà sempre limitato nella sua capacità di agire in modo autonomo e sicuro.
Abstract – Pro e Rischi
Pro: aumento produttività, automazione, riduzione costi.
Rischi: delega decisionale, errori sistemici, dipendenza tecnologica, perdita di responsabilità umana.
Conseguenze future: crescente bisogno di governance, standard etici e supervisione umana obbligatoria.
Cronologia essenziale
- 2024: esplosione agenti IA nelle imprese
- Set 2025: OpenAI ammette limiti strutturali
- Gen 2026: pubblicazione studio Sikka (Wired)
https://www.wired.com
Consigli di approfondimento
- Stanford HAI – AI Governance
https://hai.stanford.edu - OECD AI Policy Observatory
https://oecd.ai
