Dagli assistenti agli agenti AI: cosa cambia davvero nel lavoro

Qualche giorno fa ho ospitato, per la puntata speciale del mio podcast “What’s Next”, Gian Segato, ricercatore di Anthropic ed ex membro del team di Replit che ha contribuito al lancio del primo coding agent dell’azienda.

Come spesso accade in questi casi, sono arrivato alla conversazione con una serie di domande su come si sta muovendo attualmente Anthropic, quali sono le sfide aperte sul fronte della sicurezza, cosa ci dobbiamo aspettare dai prossimi modelli e come si stanno evolvendo strumenti come Claude Code.

Alla fine della chiacchierata, la sensazione che mi sono portato a casa è che stiamo continuando a osservare il fenomeno dell’intelligenza artificiale dal punto di vista sbagliato.

Mentre continuiamo a discutere di modelli, la vera trasformazione, invece, sta avvenendo altrove.

La nostra ossessione per il modello migliore

Negli ultimi due anni abbiamo raccontato il settore dell’intelligenza artificiale come una lunga competizione. Ogni nuova release viene accolta con la stessa domanda: è migliore della precedente? GPT-5 è migliore di Claude? Claude è migliore di Gemini? Gemini è migliore di GPT?

Ogni settimana emerge un nuovo benchmark, una nuova classifica, una nuova metrica che promette di misurare il livello di intelligenza raggiunto dai modelli.

Questa, a mio avviso, è una dinamica comprensibile. Quando una tecnologia evolve così rapidamente abbiamo infatti bisogno di punti di riferimento semplici.

Il problema, però, è che questi confronti rischiano di farci perdere di vista il cambiamento più importante, perché il valore di un sistema di intelligenza artificiale dipende sempre di più dalla sua capacità di agire, non più soltanto dalla qualità delle sue risposte. Questa è una differenza che cambia tutto.

Stiamo ancora usando l’AI come una chat

Se guardiamo al modo in cui la maggior parte delle persone utilizza oggi l’intelligenza artificiale, il paradigma è rimasto sostanzialmente invariato: apriamo una finestra di chat, scriviamo una richiesta, riceviamo una risposta.

È un’interazione, questa, che assomiglia molto a quella che avevamo con ChatGPT alla fine del 2022. Naturalmente i modelli sono diventati più intelligenti, più veloci e più affidabili, ma il meccanismo di fondo è rimasto lo stesso.

Il punto è che la frontiera della ricerca si sta spostando altrove: non verso sistemi che rispondono meglio, ma verso sistemi che fanno.

Durante la conversazione con Segato è emerso chiaramente come strumenti come Claude Code rappresentino qualcosa di più di un semplice assistente per programmatori. Sono infatti il segnale di una trasformazione più ampia: l’idea non è più chiedere all’intelligenza artificiale di scrivere una funzione, ma affidarle un obiettivo e lasciarle gestire una parte del processo necessaria per raggiungerlo.

Tutto questo può sembrare una sfumatura, ma, in realtà è un cambio di paradigma.

Dagli chatbot agli agenti AI

Per anni abbiamo pensato all’AI come a una tecnologia conversazionale, che come funzione principale ha la generazione di contenuti: testi, immagini, codice, analisi.

Gli agenti introducono una logica diversa. Oltre a generare, infatti, sono in grado di pianificare, utilizzare strumenti, accedere a informazioni, eseguire operazioni, coordinare attività che richiedono più passaggi. In altre parole, iniziano a interagire con il mondo operativo delle organizzazioni.

È qui che il concetto di agente diventa interessante, in quanto modifica il ruolo stesso del software.

Storicamente, infatti, il software è sempre stato uno strumento che richiedeva istruzioni precise, ma oggi, grazie agli agenti, iniziamo invece a lavorare con sistemi che interpretano obiettivi.

La differenza è sottile ma profonda: non diciamo più alla macchina come fare qualcosa, ma cosa vogliamo ottenere.

Il collo di bottiglia si sta spostando

Questo cambiamento produce una conseguenza che spesso viene sottovalutata. Per anni abbiamo pensato che il valore professionale fosse legato principalmente alla capacità di eseguire determinate attività, come, ad esempio, scrivere codice, analizzare dati, produrre documenti, creare presentazioni, gestire processi.

Oggi molte di queste attività possono essere svolte, almeno in parte, da sistemi sempre più autonomi. Tutto questo non significa che il lavoro umano sparirà, ma che il collo di bottiglia si sta spostando. Mentre l’esecuzione diventa meno rilevante, infatti, ad assumere un’importanza crescente sono la definizione degli obiettivi, il controllo della qualità, la supervisione, il coordinamento e la capacità di prendere decisioni.

Durante la chiacchierata con Segato è emersa un’immagine che trovo particolarmente efficace, ovvero che molti professionisti potrebbero evolvere da esecutori a orchestratori. Professionisti che dedicheranno sempre meno tempo a “fare” e sempre più tempo a “dirigere”.

Questa trasformazione, che probabilmente è già iniziata, riguarda programmatori, marketer, consulenti, manager e professionisti della conoscenza in generale.

Perché i benchmark AI raccontano solo una parte della storia

Se questa lettura è corretta, allora diventa evidente anche un altro aspetto, ovvero che forse stiamo attribuendo troppa importanza ai benchmark. Attenzione, non sto dicendo che siano inutili: sono infatti strumenti fondamentali per misurare il progresso tecnologico, ma rappresentano soltanto una parte del quadro.

Nella pratica quotidiana esistono qualità che risultano molto più difficili da misurare. Ad esempio la capacità di mantenere il contesto, la qualità della collaborazione, l’affidabilità nel tempo. E ancora: la capacità di gestire situazioni impreviste e la comprensione delle dinamiche organizzative.

Sono tutti aspetti che raramente trovano spazio nelle classifiche pubbliche, ma che incidono profondamente sul valore reale di un sistema.

Non è un caso che sempre più aziende stiano costruendo framework di valutazione interni, per il fatto che il benchmark più importante rimane sempre lo stesso: il sistema riesce davvero a migliorare il modo in cui lavoriamo?

Quando la sicurezza degli agenti AI diventa un problema operativo

C’è poi un altro elemento che merita attenzione. Sto parlando del fatto che più i sistemi diventano autonomi, più il tema della sicurezza cambia natura. Per anni abbiamo affrontato la sicurezza dell’AI come una questione prevalentemente etica, tra bias, disinformazione e manipolazione.

Sono tutti temi fondamentali, naturalmente, ma quando un sistema inizia a operare direttamente sui processi, la sicurezza smette di essere soltanto una questione valoriale, diventa una questione operativa: possiamo fidarci del fatto che eseguirà correttamente un compito? Possiamo verificare le sue decisioni? Possiamo limitarne il raggio d’azione? Possiamo intervenire rapidamente in caso di errore? Non è un caso che aziende come Anthropic abbiano investito così tanto su questi aspetti.

La prossima fase dell’intelligenza artificiale sarà una corsa all’affidabilità, non soltanto alle prestazioni.

La domanda che conta davvero sugli agenti AI

Alla fine della conversazione con Gian Segato mi è rimasta impressa una sensazione molto precisa. Per anni abbiamo chiesto all’intelligenza artificiale una sola cosa: dimostraci cosa sai fare. Oggi stiamo iniziando a porle una domanda diversa: possiamo lasciarti fare? Sembra una differenza minima, in realtà è una delle differenze più importanti dell’intero percorso evolutivo dell’AI.

La vera rivoluzione non arriverà infatti quando i modelli saranno leggermente più intelligenti di quelli attuali, ma quando smetteremo di considerarli strumenti da interrogare e inizieremo a considerarli sistemi a cui delegare responsabilità. Questo passaggio sta già avvenendo, spesso in modo quasi invisibile, ed è probabilmente qui che si giocherà la partita più importante dei prossimi anni. Una partita che non riguarda la qualità delle risposte, ma la capacità di trasformare quelle risposte in azioni.