Gli agenti di ricerca IA non falliscono nella ricerca: falliscono perché non ti fanno domande

Se un assistente IA ha mai svolto con grande sicurezza una ricerca sulla cosa sbagliata per te, un nuovo studio spiega perché, e probabilmente il motivo non è quello che immagini. I ricercatori di Tencent Hunyuan e della Tsinghua University hanno creato DiscoBench, un benchmark che verifica come gli agenti di ricerca IA affrontano un problema molto umano: domande vaghe, incomplete o contenenti un errore. La conclusione è che raramente gli agenti falliscono perché non sanno cercare. Falliscono perché non si fermano a chiederti che cosa intendessi davvero.

Il benchmark comprende 211 attività di ricerca in più fasi, con 463 elementi deliberatamente ambigui: un nome che corrisponde a più persone, una versione o un periodo non specificati, un errore fattuale inserito nella domanda. A ogni passaggio, l’agente può continuare a cercare, fare all’utente una domanda di chiarimento oppure rispondere. Sono stati messi alla prova undici modelli recenti e nessuno ha raggiunto il 50 percento: il migliore, Doubao Seed 2.0 Pro di ByteDance, ha ottenuto il 43,1 percento di accuratezza end-to-end, seguito da Gemini 3.1 Pro con il 40,8 e Claude Opus 4.7 con il 39,8 percento. Eliminando l’ambiguità dalle stesse domande, l’accuratezza sale fino a 40 punti. Il problema non è la ricerca: è il fraintendimento.

Che cosa c’è dietro? L’aspetto più interessante è l’analisi del comportamento. Gli agenti che prima cercavano e poi facevano una domanda di approfondimento riuscivano a superare i passaggi ambigui nel 93,4 percento dei casi. Quelli che tiravano a indovinare senza chiedere chiarimenti: 56,5 percento. E gli agenti che continuavano a cercare senza mai fare domande hanno ottenuto il risultato peggiore di tutti, il 51,9 percento, peggio che limitarsi a indovinare. Secondo i ricercatori, le ricerche ripetute mostrano che il modello percepiva qualcosa di anomalo, ma non trasformava mai quel dubbio in una domanda. In una catena di ricerca composta da più passaggi, una sola ipotesi sbagliata all’inizio compromette silenziosamente tutto ciò che segue. Persino dire esplicitamente ai modelli di prestare attenzione all’ambiguità è servito solo in parte: sono migliorati nell’individuare le domande poco chiare, non nel risolverle. Una precisazione: le attività sono prevalentemente in cinese e rispecchiano quindi la ricerca sul web in lingua cinese; i numeri esatti potrebbero cambiare in altre lingue.

Cosa significa per te: La lezione pratica è piacevolmente semplice: il modo più efficace per ottenere risultati migliori nelle ricerche con l’IA è essere specifici. Quale persona, quale versione, quale periodo, valutato secondo quale criterio: chiarirlo fin dall’inizio può valere più di qualsiasi aggiornamento del modello. E quando un’IA presenta i risultati di una ricerca approfondita con assoluta sicurezza, ricorda che quasi mai si è chiesta se avesse capito l’incarico. Se un risultato ti sembra sbagliato, controlla il primo passaggio del ragionamento, non l’ultimo: è lì che si annidano le ipotesi errate. Fai caso agli assistenti che pongono domande di chiarimento; alla luce di questi dati, è una caratteristica da desiderare attivamente.

Fonti

• The Decoder: gli agenti di ricerca IA non falliscono nella ricerca, ma nel porre le domande giuste
• The Decoder: gli agenti di ricerca IA spesso confermano ciò che già sanno