Microsoft: azzerare la chat aiuta gli agenti AI a trovare soluzioni migliori

Se affidate a un assistente AI un progetto lungo, potreste pensare che ricordare ogni tentativo lo aiuti a migliorare. Una nuova ricerca suggerisce un paradosso: per trovare una strada diversa, a volte l'agente deve dimenticare la conversazione precedente, ma conservare il lavoro svolto.

È l'idea alla base di Fork-and-Flush, un metodo descritto in uno studio pubblicato il 5 ottobre 2026 da ricercatori legati a Microsoft Research. Nei loro esperimenti, agenti AI impegnati per ore o giorni nella ricerca di soluzioni tendevano a perfezionare l'approccio iniziale anche quando altre strade avrebbero dato risultati migliori.

Il punto non è cancellare indiscriminatamente la memoria di ChatGPT o di un altro chatbot. Lo studio riguarda agenti autonomi, cioè sistemi che usano un modello linguistico per proporre modifiche, eseguire strumenti, misurare i risultati e ripetere il ciclo. La distinzione tra la chat che orienta le scelte e i file che documentano il lavoro è ciò che rende interessante il risultato anche fuori dal laboratorio.

Un agente di ricerca automatizzata non si limita a rispondere a una domanda. Può scrivere un programma, provarlo, leggere un punteggio e modificarlo decine o centinaia di volte. A ogni passaggio cresce il suo contesto: l'insieme di istruzioni, messaggi e risultati precedenti che il modello riceve per decidere cosa fare dopo.

Quella storia è utile per non ripetere errori. Può però trasformarsi in un binario: se i tentativi precedenti ruotano tutti attorno alla stessa idea, anche il tentativo successivo rischia di essere una sua piccola variante. È come chiedere a un gruppo di progettisti di ripensare un edificio, ma iniziare ogni riunione rileggendo soltanto gli appunti del primo progetto.

Gli autori chiamano idea basins, o «bacini di idee», queste regioni di soluzioni simili in cui una ricerca tende a rimanere. In un esempio, otto esecuzioni indipendenti dello stesso agente sullo stesso problema hanno raggiunto punteggi finali compresi tra 68,3 e 100,0. Le differenze sono rimaste ampie anche dopo ulteriore lavoro: dedicare più risorse alla stessa traiettoria non bastava necessariamente a farle scoprire l'approccio migliore.

Il metodo separa ciò che spesso consideriamo un'unica «memoria». Da una parte c'è la cronologia della conversazione, che contiene ragionamenti, tentativi e risultati letti dall'agente. Dall'altra c'è lo spazio di lavoro, cioè i file prodotti: programmi, dati e altri materiali su cui l'agente può continuare a intervenire. Fork-and-Flush svuota la prima parte e mantiene la seconda.

«Fork» significa creare più diramazioni dello stesso progetto. «Flush» significa far partire ciascuna diramazione con una chat vuota. Dopo un periodo di prova, il sistema misura i risultati, prosegue dal ramo con il punteggio migliore e scarta gli altri. Somiglia a consegnare a quattro gruppi lo stesso laboratorio già attrezzato, ma senza obbligarli a leggere tutta la discussione che ha portato alla configurazione attuale.

Nella configurazione principale dello studio, i ricercatori avviano inizialmente quattro rami e scelgono il migliore. Ripetono poi la biforcazione con azzeramento della chat quando è stato consumato circa un terzo e due terzi del budget complessivo. Il budget di calcolo è la quantità di risorse concessa all'agente: il confronto con gli altri metodi è stato effettuato mantenendola equivalente.

I ricercatori hanno valutato il metodo su 13 compiti di ricerca e ingegneria, tra cui problemi di organizzazione dei lavori, crittanalisi, progettazione di un classificatore di immagini compatto e ottimizzazione di un programma per un processore simulato. Le singole esecuzioni sono durate da alcune ore fino a 107 ore. Sono prove specialistiche con criteri di valutazione misurabili, non una verifica della qualità di ogni possibile conversazione quotidiana.

Per confrontare problemi che assegnano punteggi su scale differenti, gli autori hanno normalizzato i risultati: li hanno cioè riportati a una scala comune prima di calcolare la media. A parità di budget, Fork-and-Flush ha raggiunto 0,78, contro 0,47 di un'unica esecuzione continua e 0,54 di quattro esecuzioni indipendenti tra cui scegliere la migliore. Il «66%» è l'aumento relativo di 0,78 rispetto a 0,47: non significa che l'agente abbia risolto il 66% di problemi in più.

Il nuovo metodo ha ottenuto la media più alta in 12 compiti su 13. Anche la variabilità media dei risultati fra esecuzioni, misurata sulla stessa scala normalizzata, è scesa da 0,26 per l'esecuzione unica a 0,16. È un segnale interessante per chi vuole risultati più affidabili, ma non va confuso con una garanzia di successo su ogni singolo problema.

Il titolo più immediato della scoperta sarebbe «cancellare la cronologia aiuta l'AI», ma i dati raccontano una storia più precisa. In una prova su 11 dei 13 compiti, i ricercatori hanno isolato i due ingredienti: azzerare la chat senza creare più rami ha migliorato il punteggio da 0,45 a 0,55; creare rami senza azzerarla lo ha portato a 0,57. La combinazione ha raggiunto 0,71. Anche la ricerca parallela conta, quindi attribuire tutto il guadagno alla cancellazione della chat sarebbe fuorviante.

C'è un'altra differenza rispetto alla normale gestione delle chat lunghe. La compressione del contesto consiste nel riassumere la conversazione e continuare dal riassunto. È utile per conservare continuità quando la cronologia diventa troppo estesa, come spiega Anthropic nella sua guida tecnica. Nello studio Microsoft, però, i ricercatori osservano che la tendenza a restare in una regione di soluzioni persisteva anche con la compressione periodica: un riassunto può trasmettere non solo i fatti utili, ma anche la direzione che l'agente aveva già scelto.

Una conversazione contiene anche informazioni che non devono andare smarrite: obiettivi, requisiti dell'utente, verifiche già superate e limiti da rispettare. Ripartire con una chat vuota è promettente solo se queste informazioni restano recuperabili nel progetto o vengono fornite nuovamente. Altrimenti il rischio è sostituire un agente troppo legato alle proprie vecchie idee con uno che ignora condizioni essenziali.

Il problema è familiare a chi lavora in squadra: un collega appena arrivato può portare uno sguardo fresco, ma ha bisogno di un passaggio di consegne affidabile. In un resoconto tecnico sugli agenti di programmazione, Anthropic descrive proprio l'uso di file di avanzamento, requisiti e cronologia delle modifiche per aiutare una nuova sessione a capire lo stato del lavoro. È un approccio distinto da Fork-and-Flush, ma rende concreta la stessa separazione tra informazioni persistenti e conversazione temporanea.

In pratica, il reset più utile non è un'amnesia totale. È la possibilità di rivedere le ipotesi mantenendo accessibili prove, vincoli e risultati verificati. Lo studio misura un vantaggio in compiti con punteggi oggettivi; non dimostra invece che cancellare automaticamente la cronologia sia opportuno per attività delicate, richieste personali o progetti in cui alcune decisioni precedenti hanno valore vincolante.

Gli autori hanno studiato soprattutto problemi nei quali un valutatore può assegnare un punteggio ai programmi prodotti dall'agente. Questa condizione è decisiva: se non sappiamo confrontare bene due rami, scegliere il «migliore» diventa molto più difficile. Per una campagna pubblicitaria, una ricerca storica o una decisione aziendale, il risultato potrebbe dipendere da giudizi umani e criteri in conflitto, non da un solo numero.

C'è poi un limite di trasferibilità. Negli esperimenti principali sono stati impiegati specifici modelli attraverso GitHub Copilot CLI, un'interfaccia per usare un agente di programmazione dal terminale, con compiti e budget definiti dai ricercatori. I risultati non stabiliscono quale frequenza di azzeramento funzionerebbe meglio per ogni modello o applicazione. Lo stesso articolo è, al momento, un lavoro di ricerca disponibile su arXiv, non la prova che la tecnica sia già una funzione standard dei chatbot.

Resta però una lezione più ampia. Aumentare il tempo di lavoro di un agente non equivale automaticamente a farlo esplorare meglio: può significare dargli più occasioni di perfezionare la stessa intuizione. Il contributo di Fork-and-Flush è mostrare, con un confronto a parità di risorse, che progettare come un agente alterna continuità e ripartenza può contare quanto lasciarlo lavorare più a lungo.

La ricerca non invita gli agenti AI a dimenticare tutto. Propone qualcosa di più selettivo: conservare il progetto e i risultati verificabili, ma interrompere periodicamente la catena di ragionamenti che può riportare sempre alla stessa soluzione. Nei compiti esaminati, questa combinazione ha prodotto risultati migliori delle alternative confrontate con lo stesso budget.

Per chi usa o sviluppa assistenti AI, la domanda interessante diventa quindi: che cosa deve sopravvivere a una nuova sessione? Se la risposta distingue i fatti e i vincoli dalle ipotesi provvisorie, una chat vuota può essere un nuovo punto di vista anziché un passo indietro.