Ricerca · Novembre 2026

Cosa decide il risultato di un agente AI: il modello o il decision layer?

Abbiamo fatto gestire un'azienda per un anno simulato a otto modelli linguistici, da soli e con WhAI. Sulla cassa finale, il decision layer spiega il 72% della varianza, mentre la scelta del modello ne spiega il 5%.

Schema: cinque modelli collegati al decision layer di WhAI. Varianza della cassa finale: decision layer 72%, scelta del modello 5%.Diagram: five models connected to the WhAI decision layer. Variance in final cash: decision layer 72%, model choice 5%.
Il test

Un'azienda, un anno, otto modelli

1

Il benchmark

YC-Bench: un agente gestisce una start-up per un anno simulato e viene valutato sulla cassa finale.

2

Due configurazioni

Ciascuno degli otto modelli linguistici da solo, e collegato a WhAI.

3

Cosa fa WhAI

Stima dalla storia della prova le grandezze che l'agente non vede, e ordina i piani candidati simulando la cassa con il metodo Monte Carlo.

4

La verifica

Un test appaiato su quattro mondi nuovi, senza prove pubblicate: cinque dei modelli, ciascuno da solo e con WhAI, sullo stesso mondo e con lo stesso seed.

I risultati

Ogni coppia, meglio con WhAI

48 su 48

coppie migliori con WhAI, per i cinque modelli del test appaiato su quattro mondi nuovi. Test dei segni p = 3,6×10⁻¹⁵.

1,72 M$

guadagno medio per coppia, intervallo di confidenza al 95% da 1,52 a 1,92.

72% contro 5%

della varianza della cassa finale spiegata dal decision layer e dalla scelta del modello.

Da 3,45 a 3,82 M$

per sette modelli di fascia media con WhAI sulla configurazione pubblicata, contro 2,87 M$ del miglior modello pubblicato da solo, con un costo di inferenza fino a un ventesimo del suo.

Cosa significa per te

Cosa significa, a seconda di chi sei

Se costruisci agenti

Guarda il passaggio che decide

In questo test il decision layer ha pesato sul risultato più del modello linguistico. È lì che si collega WhAIQ.

Integra WhAIQ

Se gestisci una piattaforma

Aggiungi un calcolo da chiamare

I tuoi agenti continuano a portare avanti il processo e chiamano WhAIQ quando un passaggio richiede un numero.

Per le piattaforme di agenti

Se guidi un'azienda

Parti da una decisione

Scegli una decisione che la tua azienda prende spesso. Calcoliamo il ritorno annuo sui tuoi numeri prima della firma.

Come si parte
Domande sul paper

Il benchmark e i risultati

Chi ha costruito il benchmark?

Collinear AI, non Vedrai. YC-Bench è pubblico e ha una sua classifica.

Quali modelli sono andati meglio con WhAI?

Tutti e cinque i modelli del test appaiato, in ogni coppia: 48 su 48. Sulla configurazione pubblicata, sette modelli di fascia media con WhAI hanno chiuso sopra il miglior modello da solo.

Dove lo leggo?

Grazioli, Fusai, Magliano, Murro, Cugliari, Decision Layers Matter More than Model Choice for Language-Model Agents: A Paired Evaluation in a Long-Horizon Business Simulation, Preprints.org, 13 novembre 2026. Apri il preprint
Leggi anche

Il decision layer a confronto

Con decision model, AI di pianificazione, world model

Leggi

Integra WhAIQ

Per gli integratori

Leggi

WhAIQ

Il motore di calcolo

Leggi

Costruisci agenti? Prova il decision layer su un caso vero

L'accesso di prova per i partner collega WhAIQ ai tuoi agenti via MCP.