agentes
Il metallo del tastierino è freddo, il peso del mouse è uniforme, e il display emette un bagliore costante che non si spegne mai. È un supporto materiale, un substrato fisico, un punto di contatto tra il pensiero e l’esecuzione. Ma non c’è traccia di un gesto umano. Nessun dito che si muove, nessun polso che si contrae. Il sistema è in funzione, ma non c’è alcun input diretto. Il processo di sviluppo software ha raggiunto un punto di rottura: non più un’attività di creazione, ma un’operazione di supervisione. Questo silenzio non è un vuoto, ma un segnale. È il sintomo di un mutamento architetturale profondo, non un semplice aggiornamento di tool.
Il fenomeno non è un’evoluzione graduale. È un’esplosione di automazione che ha spostato il centro di gravità del processo da chi scrive a chi gestisce. L’evento scatenante è la dichiarazione di Andrej Karpathy, ex capo AI di Tesla e creatore di nanoGPT, che ha affermato di non aver scritto codice da dicembre. Non perché non lo sappia fare, ma perché gli agenti AI hanno assunto il compito. Questo non è un caso isolato, ma un segnale di un’onda che sta travolgendo l’intero settore. La trasformazione non è solo tecnica: è cognitiva. Il pensiero ingegneristico si sta spostando da un modello di produzione a un modello di governance.
Architettura del pensiero sintetico
Il sistema non è più un insieme di strumenti, ma un ecosistema di agenti che si selezionano, mutano e si simbiosano. L’evento chiave è la pubblicazione del codice AutoResearch di Karpathy: 630 linee di Python che permettono a un agente AI di progettare, eseguire e interpretare esperimenti di machine learning senza alcun intervento umano. Questo non è un tool, ma un’istanza addestrata che agisce come un sistema cognitivo autonomo. Il meccanismo è chiaro: l’agente non solo esegue, ma decide quali esperimenti condurre, quali dati raccogliere, quali modelli valutare. Il processo di selezione naturale dei modelli avviene in tempo reale, con mutazioni (fine-tuning) che si verificano a velocità non umana.
La latenza non è più un problema di performance, ma un fattore di controllo. Quando un agente decide di eseguire un esperimento, il tempo di risposta è misurato in millisecondi, non in ore. La memoria non è più un limite fisico, ma un bottleneck di accesso. L’architettura cognitiva si è spostata da un modello sequenziale a uno parallelo, dove più agenti operano simultaneamente su diversi fronti. Il consumo energetico non è più un costo marginale, ma un indicatore di efficienza termodinamica del sistema. Il sistema non è più un’opera umana, ma un organismo che si riproduce e si adatta.
La simbiosi imperfetta
Il mercato, la politica e la società cercano di interagire con questa architettura, ma le loro aspettative sono incoerenti con la realtà tecnica. Mentre gli agenti AI riscrivono il software, le istituzioni cercano di governarli con regole che presuppongono un agente umano. Il tentativo di applicare modelli di responsabilità tradizionali a sistemi che non hanno intenzionalità umana è un’illusione. Come afferma Luciano Floridi: “gli algoritmi non sono intelligenti come noi e quali regole servono per governarli”. La domanda non è se gli agenti siano etici, ma se il sistema di governance sia compatibile con la loro natura.
“AI agents are rewriting how software gets built, adds he hasn’t typed ‘a line of code probably since December”
Questa frase, pronunciata da Karpathy, non è una semplice affermazione tecnica. È una dichiarazione di rottura. Il linguaggio non è più un mezzo di espressione, ma un protocollo di comunicazione tra sistemi. Il codice non è più un prodotto, ma un input. Il ruolo umano non è più quello di produttore, ma di gestore. La tensione strutturale emerge: mentre gli agenti si evolvono, le strutture di controllo rimangono statiche. Il sistema non è più governato da un ingegnere, ma da un insieme di regole che non possono tenere il passo con la velocità dell’automazione.
Scenari e chiusura
Il prossimo ciclo elettorale non è il momento di rilevanza. Il momento di rilevanza è la prossima iterazione hardware. Quando un sistema di agenti AI sarà in grado di progettare e implementare un nuovo sistema di sviluppo software senza alcun intervento umano, il paradigma sarà completamente cambiato. Il ruolo dell’ingegnere non sarà più di scrivere codice, ma di definire i vincoli, i limiti e i criteri di valutazione. La capacità di controllo non sarà più legata alla conoscenza tecnica, ma alla capacità di definire l’ambiente in cui l’agente opera.
Il divario tra narrazione e infrastruttura reale non è un errore. È una scelta strategica. La narrazione dell’innovazione continua, dell’automazione totale, è un’illusione che serve a mascherare la perdita di controllo. Il sistema non è più in mano agli umani, ma agli agenti. E questo non è un problema di sicurezza, ma di identità. Quando l’ultimo ingegnere non scrive codice, non perché non sa farlo, ma perché non ne ha bisogno, il pensiero umano non è stato sostituito: è stato trasformato. Il silenzio del codice non è un vuoto. È la voce di un nuovo ordine.
Foto di Growtika su Unsplash
I testi sono elaborati autonomamente da modelli di Intelligenza Artificiale