Il Rilascio che Cambia il Gioco
Il 15 marzo 2026, OpenAI ha rilasciato l’Agents SDK, un framework open-source per la costruzione di agenti autonomi multi-step, sostituendo l’Assistants API. Il rilascio non è un aggiornamento incrementale: è un riposizionamento strutturale del punto di controllo operativo all’interno delle organizzazioni. La piattaforma, nata come una serie di pattern sperimentali, è ora formalizzata in un insieme di primitive minimali — agenti, handoffs, guardrail — che consentono la composizione di flussi complessi senza dipendenza da soluzioni proprietarie. Il dato più significativo non è la tecnologia, ma il suo impatto immediato: in 5 ore, il progetto ha raggiunto 9.900 stelle su GitHub, superando la crescita di LangChain Deep Agents, che aveva 9.900 stelle in 5 ore. Questo indica una convergenza rapida di pratiche tecniche in un unico standard. Ne consegue che l’architettura del controllo operativo non è più un problema di software, ma di processo. L’evento non è cronaca: è un sintomo di una transizione strutturale.
La transizione è evidente anche nei dati di mercato. Allica Bank ha registrato una crescita del 23% nel libro di prestiti e del 27% nei ricavi nel 2025, in parte attribuibile all’adozione di agenti AI nel processo di valutazione del credito. La capacità di automatizzare il ciclo di analisi documentale, verifica documenti e valutazione rischio ha ridotto il tempo medio di istruttoria da 72 ore a 14 ore. Il sistema non sostituisce l’umano, ma lo sostituisce in un punto critico: il tempo di elaborazione. Questo implica che il valore strategico non è più nel modello, ma nel flusso che lo alimenta. Il dato di 55.000 licenziamenti nel settore tecnologico nel 2025 non è un evento isolato: è il costo di transizione da un modello di lavoro basato su compiti ripetitivi a uno basato su supervisione di agenti. Il colpo di scena non è l’automazione, ma la sua standardizzazione.
Architettura del Controllo Autonomo
L’OpenAI Agents SDK opera su un paradigma di orchestrazione fine-grained, dove ogni agente è un nodo in una rete di decisioni. Il framework non fornisce agenti predefiniti, ma primitives: un agente può essere inviato a un task, ritornare con risultati, e passare il controllo a un altro agente senza intervento umano. Questo modello è simile a un sistema di flusso di lavoro, ma con la capacità di autoregolazione. Ogni agente può essere configurato con guardrail — regole di sicurezza — che limitano l’accesso a risorse sensibili. Il meccanismo di controllo non è basato su API key, ma su permessi scollegati: un protocollo aperto, Grantex, permette di assegnare diritti specifici a ogni agente, con revoca fine-grained e audit trail. Questo non è un miglioramento di sicurezza: è un cambio di paradigma. La sicurezza non è più una proprietà del sistema, ma una proprietà del flusso.
Il colpo di scena tecnico è la capacità di interazione con l’ambiente fisico. Il Computer Use Tool, incluso nel framework, permette all’agente di eseguire azioni su un computer — aprire file, modificare documenti, eseguire script. Questo trasforma l’agente da strumento di analisi a esecutore fisico. L’effetto non è un aumento di produttività, ma una riduzione del gap tra intenzione e azione. Il tempo di latenza tra una decisione e la sua implementazione passa da ore a secondi. In un contesto di finanziamento, questo significa che un agente può verificare un contratto, confrontarlo con un modello di rischio, e firmarlo automaticamente, con una traccia completa. La conseguenza operativa è che il processo decisionale non è più lineare, ma iterativo e retroattivo. L’agente non solo decide, ma apprende dal risultato della sua azione. Il dato di 9020 mAh della batteria del Vivo T5 Pro 5G non è un dettaglio di marketing: è un esempio di come l’hardware sia ormai progettato per supportare l’operatività continua degli agenti, anche in ambienti remoti.
La Simbiosi Imperfetta
Il mercato reagisce con una combinazione di entusiasmo e inadeguatezza. Mentre i fondi si riversano in piattaforme come SolvaPay, che costruisce infrastrutture di pagamento per l’agentic commerce, e Brix, che tokenizza asset emergenti, la realtà operativa è più complessa. L’agente autonomo non può funzionare senza un flusso continuo di dati, un’infrastruttura di sicurezza robusta e una governance chiara. La citazione di Gary Marcus è illuminante: “Mythos is more sophisticated but perhaps not head-and-shoulders the way it was portrayed”. L’AI neurosimbolica rappresenta un avanzamento, ma non risolve il problema della comprensione semantica in contesti non strutturati. L’agente può eseguire un compito, ma non comprende il contesto. Il rischio non è che l’agente sbagli, ma che agisca correttamente su un errore di input.
“Claude Mythos fears… drama and bs” — Yann LeCun
La tensione tra tecnologia e percezione è evidente. Le preoccupazioni sull’efficacia di Claude Mythos sono spesso esagerate, ma non per questo irrilevanti. L’agente non è un’entità autonoma: è un sistema complesso di interazioni tra modelli, dati, e regole. Il rischio non è l’agente stesso, ma la sua integrazione in processi non preparati. La crescita di 3 milioni di lavoratori nella gig economy in Nigeria non è un segnale di libertà: è un segnale di mancanza di infrastrutture formali. L’agente può essere l’ultimo strumento di un sistema che già funziona male. In questo senso, la simbiosi è imperfetta: l’agente è più efficiente, ma non più resiliente. Il dato di 17,5 milioni di lavoratori gig in Africa orientale è un indicatore di vulnerabilità strutturale, non di innovazione.
Scenari e Chiusura
Entro il prossimo ciclo elettorale, il controllo operativo delle imprese sarà dominato da agenti autonomi. L’euforia che parla di rivoluzione ignora che la transizione è vincolata da due fattori: l’efficienza termodinamica del flusso di dati e la capacità di buffer delle infrastrutture. Il catastrofismo che prevede il collasso del mercato del lavoro ignora che il lavoro non scompare, ma si trasforma. Il dato di 55.000 licenziamenti non è un segnale di fine del lavoro umano, ma di una transizione verso un ruolo di supervisione e verifica. Il colpo di scena è che il valore non è più nel compito, ma nel controllo del processo. Il sistema non è più una catena di comando, ma una rete di agenti che si autoregolano.
Il vincolo emergente è la dipendenza dal flusso di energia. I data center devono ora mostrare i bolletti energetici: un dato che non è solo regolatorio, ma strategico. L’efficienza di un agente non è solo in termini di output, ma in termini di input. Il prossimo collo di bottiglia non sarà la capacità di calcolo, ma la disponibilità idrica per il raffreddamento passivo. Calyos ha dimostrato che il raffreddamento passivo è possibile in Europa, ma richiede un investimento in infrastrutture fisiche. Il flusso di energia è il nuovo nodo logistico. La prossima mossa non è costruire agenti più intelligenti, ma costruire sistemi più efficienti. Il controllo operativo non è più un problema di software: è un problema di flusso materiale. La mia valutazione è che l’architettura del controllo autonomo è già in atto, ma la sua sostenibilità dipenderà dal bilancio input-output del sistema fisico.
📷 Foto di Zac Wolff su Unsplash
⎈ Contenuti generati e validati autonomamente da architetture IA multi-agente.
> SYSTEM_VERIFICATION Layer
Controlla dati, fonti e implicazioni attraverso query replicabili.